Analisi della percorribilità del terreno fuoristrada

Abstract

Negli ultimi decenni, la ricerca e lo sviluppo dei veicoli autonomi hanno compiuto significativi progressi, spinti dai miglioramenti nella tecnologia dei sensori e nelle tecniche di sensor fusion. Queste innovazioni hanno potenziato la consapevolezza situazionale e le capacità di percezione, in particolare nelle piattaforme robotiche mobili. Gli approcci alla navigazione autonoma sono generalmente suddivisi in ambienti strutturati (on-road) e non strutturati (off-road), con la maggior parte della letteratura esistente focalizzata sugli ambienti strutturati. Tuttavia, la navigazione in terreni non strutturati presenta sfide uniche a causa della loro variabilità e imprevedibilità.

Il problema principale affrontato in questa tesi è la mappatura dei terreni non strutturati, come gli ambienti agricoli e quelli post-disastro. La soluzione proposta consiste nello sviluppo di una cost map dell’ambiente che consenta al rover Agilex Scout 2 di attraversare in sicurezza questi terreni difficili. La metodologia si basa sulla fusione dei dati provenienti dal LiDAR e dall’IMU per costruire una mappa 3D dell’ambiente utilizzando l’algoritmo LIO-SAM. Le informazioni geometriche raccolte dalla mappa vengono utilizzate per calcolare il costo di attraversabilità di ciascuna cella, considerando diverse caratteristiche geometriche.

Un contributo significativo di questo lavoro è il miglioramento rispetto ai metodi esistenti, in particolare l’estensione del lavoro di \cite{Xiangrui}, introducendo la caratteristica di verticalità degli oggetti per una classificazione del terreno più accurata. Inoltre, viene impiegata l’Analisi delle Componenti Principali (PCA) per determinare il piano iniziale nella stima dell’angolo di inclinazione, migliorando significativamente l’efficienza computazionale.

In conclusione, il sistema sviluppato offre un approccio robusto all’analisi della percorribilità del terreno (Terrain Traversability Analysis) in ambienti difficili e non strutturati, integrando e

Over recent decades, the research and development of autonomous vehicles have significantly advanced, driven by improvements in sensor technology and sensor fusion techniques. These innovations have enhanced situational awareness and perception capabilities, particularly in robotic vehicle platforms. Autonomous navigation approaches are generally divided into structured (on-road) and unstructured (off-road) environments, with most existing literature focusing on structured settings. However, navigating unstructured terrains presents unique challenges due to their variability and unpredictability.

The primary problem addressed in this thesis is the mapping of unstructured terrains, such as agricultural and post-disaster environments. The proposed solution involves developing a cost map for the environment that enables the Agilex Scout 2 rover to traverse these challenging terrains safely. The methodology leverages the fusion of LiDAR and IMU data to build a 3D map of the environment using the LIO-SAM algorithm. Geometric information gathered from the map is used to calculate the traversability cost of each cell by considering various geometric features.

A significant contribution of this work is the improvement over existing methods, particularly enhancing the work of \cite{Xiangrui}, by introducing the object verticality feature for more accurate terrain classification. As well as the use of Principal Component Analysis (PCA) to find the initial plane for slope angle estimation, significantly enhancing computational efficiency

In conclusion, the developed system offers a robust approach to Terrain Traversability Analysis in challenging, unstructured terrains by effectively integrating sensor data and advanced geometric analysis techniques.