Navigazione Autonoma in ambito agricolo usando Nav2

Abstract

Con la crescente domanda nell’ambito dell’agricoltura di precisione, i robot agricoli rappresentano oggi uno dei settori più significativi della ricerca accademica. L’obiettivo è renderli operativi in ambienti esterni complessi e ad alta attività. È quindi essenziale integrare tecniche robuste di localizzazione e pianificazione del percorso. Questa tesi analizza la navigazione autonoma della piattaforma robotica Farm-ng Amiga nei campi agricoli, in diverse condizioni operative. Il progetto è stato condotto presso il Laboratorio di Robotica dell’Università della California, Merced.

È stato sviluppato un bridge ROS 2 per il robot Amiga, che consente la comunicazione tra l’hardware del robot e il framework ROS2. Il bridge permette l’accesso al controllo e ai dati dei sensori. Un repository pubblico su GitHub del bridge ROS2 è stato rilasciato per la community ROS2, con l’intento di promuovere e accelerare lo sviluppo collaborativo sulla piattaforma Amiga.

Per migliorare la localizzazione, è stato adottato un approccio di fusione multi-sensore che aumenta l’affidabilità della localizzazione in ambienti esterni. Il progetto ha utilizzato la tecnica del Filtro di Kalman Esteso per fondere misurazioni sensoriali ad alta e bassa frequenza provenienti da unità di misura inerziali (IMU), odometria degli encoder delle ruote e GPS.

Inoltre, sfruttando lo stack Navigation2, questo progetto analizza e confronta tre pianificatori distinti: Dynamic Window Approach, Model Predictive Path Integral e Regulated Pure Pursuit, oltre al pianificatore predefinito NavFn. Questi pianificatori sono stati configurati e testati in simulazioni su Gazebo in diversi scenari agricoli, come la navigazione in campi aperti con ostacoli statici e terreni irregolari. Le prestazioni sono state valutate sulla base di metriche chiave quali velocità, accuratezza e tempo di pianificazione.

With the growing demand in precision agriculture, farm robots are now among the most significant areas of academic research. The aim is to have them perform under complex outdoor environments with high level of activity. Thus, it is essential to integrate robust techniques in localization and path planning; This dissertation investigates autonomous navigation of the Farmng Amiga robotic platform in farm fields under different operating conditions. The project was conducted in the Robotics Laboratory at the University of California Merced. A ROS 2 bridge for the Amiga robot was developed, enabling communication between the robot’s hardware and ROS2 framework. The bridge brings control and sensors data accessibility. A public github repo of the ROS2 Bridge was released for the ROS2 community to promote and accelerate community-driven development on the Amiga platform. For improved localization, multi-sensor fusion approach was adopted to enhances the reliability of localization in outdoor environments. The project used Extended Kalman Filter technique for fusing high-frequency and low-frequency sensor measurements received from Inertial Measurement Units, wheel encoders odometry, and Global Positioning System. Moreover and by taking advantage of the Navigation2 stack, this project analyzes and compares three separate planners, Dynamic Window Approach, Model Predictive Path Integral, and Regulated Pure Pursuit, in addition to the default NavFn planner. These planners were tuned and tested in Gazebo simulations under different agricultural scenarios, such as navigating open fields with static obstacles and uneven terrain. Performance was evaluated based on key metrics such as speed, accuracy, and planning time. This research contributes to the advancement of autonomous farming solutions by supporting the development and evaluation of robust, energy-efficient navigation techniques for challenging agricultural environments.