Entwicklung eines low-cost 3D-Lidarbasierten Ansatzes zur Erkennung von Menschen in Obst- und Weingarten

Abstract

Die Landwirtschaft befindet sich in ständigem Wandel. Der globale Trend in Richtung biologisch produzierter Lebensmittel, der Arbeitskräftemangel und die künftige Pensionswelle beeinträchtigen den Sektor. In diesem Zusammenhang rücken automatische Systeme und die Robotik in den Fokus der Entwicklungen, vor allem in arbeitsintensiven Kulturen wie Obst- und Weinbau.
Bestehende Systeme stoßen aufgrund von dichtem Bewuchs, wechselnden Lichtverhältnissen und den menschlichen Aktivitäten an ihre Grenzen. Ziel dieser Arbeit ist die Entwicklung eines zuverlässigen und kostengünstigen 3D-LiDAR-basierten Erkennungssystems. Die am besten geeigneten Algorithmen werden dann hinsichtlich verschiedener Gefahrensituationen analysiert. Diese Szenarien werden anhand einer Gefahrenanalyse identifiziert und getestet.
Die Vorgehensweise umfasst eine umfassende Analyse des Stands der Technik in der Sensorik für den Außenbereich und der Menschen- und Objekterkennung anhand von Punktwolken. Das System wird auf dem Roboter „Dionysos“ aufgebaut und implementiert. Praktisch geschieht dies durch den RANSAC-Algorithmus zur Hintergrundentfernung sowie einen adaptiven DBSCAN-Algorithmus für das Clustering. Die beiden eingesetzten Ansätze sind ein voxelbasierter Ansatz mit Support Vector Machines und ein Convolutional Neural Network mit 2D-Tiefenbildern.
Die Integration neuer Merkmale und eine vielfältige Datenbasis zeigten die Vorteile der SVM, wobei die Genauigkeit über 94% lag. Besonders hervorzuheben ist der geringere Rechenaufwand dieses Ansatzes. Mit einer kompletten Berechnung innerhalb von 0,1671 Sekunden ermöglicht das eine angestrebte Geschwindigkeit von 1 m/s.
Geplante Verbesserungen umfassen die Erweiterung der Datenvielfalt auf andere Kulturen und Gefahrensituationen sowie die Integration eines Tracking-Moduls für die kontinuierliche Verfolgung.
Diese Ergebnisse demonstrieren, dass der Einsatz von kostengünstigem 3D-LiDAR und einer Recheneinheit in Kombination mit SVMs eine vielversprechende Lösung für die Menschenerkennung in der Landwirtschaft darstellt.

Datum der Bewilligung	Okt. 2024
Originalsprache	Deutsch (Österreich)
Betreuer/-in	Gerald Zauner (Betreuer*in)