<abstract xmlns="http://www.w3.org/1999/xhtml">

<p>Precise localization and reliable navigation are of crucial importance in order to fully automatize tasks in agriculture using field robots in an outdoor environment. However, under certain conditions, absolute localization accuracy of outdoor positioning systems, mainly global navigation satellite systems (GNSS), might drop under a critical threshold. Thus, field robots must rely on indoor positioning methods such as laser scanners and adaptive Monte Carlo localization (AMCL) in order to maintain necessary localization accuracy. Here, the localization accuracy of the field robot “Mathilda” using such an indoor positioning method is evaluated in a realistic scenario, in this case, an outdoor laboratory with plant pots aligned in rows. For this, the positioning error of the robot was determined using a motion capture system. The results showed a mean absolute distance error over all positions of 198.9 mm and a mean angular error over all positions of 4.9°. Most likely, limitations by the differential drive system, the large pneumatic tires, and unsatisfactory path planning are responsible for this large deviation.</p>
</abstract>

Precise localization and reliable navigation are of crucial importance in order to fully automatize tasks in agriculture using field robots in an outdoor environment. However, under certain conditions, absolute localization accuracy of outdoor positioning systems, mainly global navigation satellite systems (GNSS), might drop under a critical threshold. Thus, field robots must rely on indoor positioning methods such as laser scanners and adaptive Monte Carlo localization (AMCL) in order to maintain necessary localization accuracy. Here, the localization accuracy of the field robot “Mathilda” using such an indoor positioning method is evaluated in a realistic scenario, in this case, an outdoor laboratory with plant pots aligned in rows. For this, the positioning error of the robot was determined using a motion capture system. The results showed a mean absolute distance error over all positions of 198.9 mm and a mean angular error over all positions of 4.9°. Most likely, limitations by the differential drive system, the large pneumatic tires, and unsatisfactory path planning are responsible for this large deviation.

Localization accuracy of a robot platform using indoor positioning methods in a realistic outdoor setting

University of Natural Resources and Life Sciences

<trans-abstract xml:lang="de" xmlns="http://www.w3.org/1999/xhtml">
<p>Präzise Lokalisierung und zuverlässige Navigation sind von entscheidender Bedeutung, um Aufgaben in der Landwirtschaft mit Feldrobotern im Freien vollständig zu automatisieren. Unter bestimmten Bedingungen kann die absolute Lokalisierungsgenauigkeit von Outdoor-Positionierungssystemen, vor allem GNSS, jedoch unter eine kritische Schwelle fallen. Daher müssen Feldroboter auf Indoor-Positionierungsmethoden wie Laserscanner und Adaptive Monte Carlo Localization (AMCL) zurückgreifen, um die erforderliche Lokalisierungsgenauigkeit zu gewährleisten. Hier wird die Lokalisierungsgenauigkeit des Feldroboters “Mathilda” mit einer solchen Indoor-Positionierungsmethode in einem realistischen Szenario, in diesem Fall einem Freilandlabor mit in Reihen angeordneten Pflanzentöpfen, untersucht. Dazu wurde der Positionierungsfehler des Roboters mit einem Motion-Capture-System ermittelt. Die Ergebnisse zeigen einen mittleren absoluten Distanzfehler über alle Positionen von 198,9 mm und einen mittleren Winkelfehler über alle Positionen von 4,9°. Vermutlich sind Einschränkungen durch das Differentialantriebssystem, die großen Luftreifen und unzufriedenstellende Bahnplanung für diese große Abweichung verantwortlich.</p>
</trans-abstract>

Präzise Lokalisierung und zuverlässige Navigation sind von entscheidender Bedeutung, um Aufgaben in der Landwirtschaft mit Feldrobotern im Freien vollständig zu automatisieren. Unter bestimmten Bedingungen kann die absolute Lokalisierungsgenauigkeit von Outdoor-Positionierungssystemen, vor allem GNSS, jedoch unter eine kritische Schwelle fallen. Daher müssen Feldroboter auf Indoor-Positionierungsmethoden wie Laserscanner und Adaptive Monte Carlo Localization (AMCL) zurückgreifen, um die erforderliche Lokalisierungsgenauigkeit zu gewährleisten. Hier wird die Lokalisierungsgenauigkeit des Feldroboters “Mathilda” mit einer solchen Indoor-Positionierungsmethode in einem realistischen Szenario, in diesem Fall einem Freilandlabor mit in Reihen angeordneten Pflanzentöpfen, untersucht. Dazu wurde der Positionierungsfehler des Roboters mit einem Motion-Capture-System ermittelt. Die Ergebnisse zeigen einen mittleren absoluten Distanzfehler über alle Positionen von 198,9 mm und einen mittleren Winkelfehler über alle Positionen von 4,9°. Vermutlich sind Einschränkungen durch das Differentialantriebssystem, die großen Luftreifen und unzufriedenstellende Bahnplanung für diese große Abweichung verantwortlich.

Die Bodenkultur: Journal of Land Management, Food and Environment

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Lokalisierungsgenauigkeit einer Roboterplattform mittels Indoor-Positionierungsmethoden in einer realistischen Outdoor-Umgebung

Precise localization and reliable navigation are of crucial importance in order to fully automatize tasks in agriculture using field robots in an outdoor...

Localization accuracy of a robot platform using indoor positioning methods in a realistic outdoor setting

Publié en ligne: 23 juin 2022

Pages: 133 - 139

Reçu: 22 sept. 2021

Accepté: 18 nov. 2021

DOI: https://doi.org/10.2478/boku-2021-0014

Mots clés
Robotics, automation, Monte Carlo localization, precision agriculture, sensor technology

© 2021 Georg Supper et al., published by Sciendo

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Localization accuracy of a robot platform using indoor positioning methods in a realistic outdoor setting

Publié en ligne: 23 juin 2022

Pages: 133 - 139

Reçu: 22 sept. 2021

Accepté: 18 nov. 2021

DOI: https://doi.org/10.2478/boku-2021-0014

Mots clésRobotics, automation, Monte Carlo localization, precision agriculture, sensor technology

© 2021 Georg Supper et al., published by Sciendo

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Mots clés
Robotics, automation, Monte Carlo localization, precision agriculture, sensor technology