Περίληψη
Στη σύγχρονη εποχή, η ανάπτυξη αυτόνοµων ροµποτικών συστηµάτων αποκτά ολοένα και µεγαλύτερη σηµασία, καθώς αυξάνεται η ανάγκη για αποδοτικότερη και ακριβέστερη εκτέλεση εργασιών σε πλήθος εϕαρµογών. Ιδιαίτερα στον τοµέα της έξυπνης γεωργίας, η αξιοποίηση των µη επανδρωµένων επίγειων οχηµάτων (Unmanned Ground Vehicles, UGV) δηµιουργεί νέες δυνατότητες για την αυτοµατοποίηση γεωργικών εργασιών και τη βελτίωση της παραγωγικής διαδικασίας. Ωστόσο, η λειτουργία τους σε σύνθετα και µη δοµηµένα περιβάλλοντα καθιστά την αξιόπιστη και ασϕαλή πλοήγηση µία από τις σηµαντικότερες προκλήσεις της γεωργικής ροµποτικής. Ο σχεδιασµός διαδροµής αποτελεί βασικό στοιχείο της αυτόνοµης πλοήγησης, καθώς καθορίζει τον τρόπο µε τον οποίο ένα όχηµα µετακινείται από ένα σηµείο εκκίνησης προς έναν επιθυµητό στόχο αποϕεύγοντας τα εµπόδια. Η διαδικασία αυτή πρέπει να συνδυάζει χαµηλό υπολογιστικό κόστος, περιορισµένο µήκος διαδροµής και οµαλή κίνηση, ώστε η τελική τροχιά να είναι κατάλληλη για τις κινηµατικές δυνα ...
Στη σύγχρονη εποχή, η ανάπτυξη αυτόνοµων ροµποτικών συστηµάτων αποκτά ολοένα και µεγαλύτερη σηµασία, καθώς αυξάνεται η ανάγκη για αποδοτικότερη και ακριβέστερη εκτέλεση εργασιών σε πλήθος εϕαρµογών. Ιδιαίτερα στον τοµέα της έξυπνης γεωργίας, η αξιοποίηση των µη επανδρωµένων επίγειων οχηµάτων (Unmanned Ground Vehicles, UGV) δηµιουργεί νέες δυνατότητες για την αυτοµατοποίηση γεωργικών εργασιών και τη βελτίωση της παραγωγικής διαδικασίας. Ωστόσο, η λειτουργία τους σε σύνθετα και µη δοµηµένα περιβάλλοντα καθιστά την αξιόπιστη και ασϕαλή πλοήγηση µία από τις σηµαντικότερες προκλήσεις της γεωργικής ροµποτικής. Ο σχεδιασµός διαδροµής αποτελεί βασικό στοιχείο της αυτόνοµης πλοήγησης, καθώς καθορίζει τον τρόπο µε τον οποίο ένα όχηµα µετακινείται από ένα σηµείο εκκίνησης προς έναν επιθυµητό στόχο αποϕεύγοντας τα εµπόδια. Η διαδικασία αυτή πρέπει να συνδυάζει χαµηλό υπολογιστικό κόστος, περιορισµένο µήκος διαδροµής και οµαλή κίνηση, ώστε η τελική τροχιά να είναι κατάλληλη για τις κινηµατικές δυνατότητες ενός ροµπότ. Ο αλγόριθµος A* αποτελεί µία από τις πλέον διαδεδοµένες µεθόδους σχεδιασµού διαδροµής, παρουσιάζει όµως περιορισµούς ως προς την υπολογιστική αποδοτικότητα και τη γεωµετρική οµαλότητα των διαδροµών που παράγει. Οι προκλήσεις αυτές γίνονται εντονότερες στα γεωργικά περιβάλλοντα, όπου τα UGV καλούνται να κινούνται ανάµεσα σε καλλιέργειες και εµπόδια, συχνά µε περιορισµένους διαθέσιµους υπολογιστικούς πόρους. Η µεταβλητότητα του περιβάλλοντος και οι ιδιαίτερες συνθήκες κίνησης αυξάνουν τις απαιτήσεις για αξιόπιστο και αποδοτικό σχεδιασµό διαδροµής. Παράλληλα, οι απότοµες αλλαγές κατεύθυνσης που χαρακτηρίζουν τις διαδροµές σε περιβάλλοντα πλέγµατος αποτελούν πρόσθετη πρόκληση για την οµαλή κίνηση των οχηµάτων. Η αντιµετώπιση αυτών των περιορισµών είναι καθοριστική για την ανάπτυξη συστηµάτων αυτόνοµης πλοήγησης που µπορούν να ανταποκριθούν στις ιδιαίτερες απαιτήσεις των γεωργικών εϕαρµογών.Στην παρούσα διατριβή, ο κεντρικός στόχος είναι η ανάπτυξη και η αξιολόγηση τεχνικών βελτιστοποίησης του αλγορίθµου A* για την πλοήγηση γεωργικών UGV. Για τον σκοπό αυτό, εξετάζονται διαϕορετικές στρατηγικές διαµόρϕωσης της ευρετικής συνάρτησης, µε στόχο τη µείωση του χρόνου υπολογισµού και της έκτασης του χώρου αναζήτησης, χωρίς σηµαντική επιβάρυνση του µήκους της διαδροµής. Παράλληλα, ενσωµατώνονται τεχνικές εξοµάλυνσης, ώστε οι διαδροµές του πλέγµατος να µετατρέπονται σε οµαλότερες τροχιές κατάλληλες για την κίνηση αυτόνοµων οχηµάτων. Οι προτεινόµενες τεχνικές αξιολογούνται πειραµατικά σε διαϕορετικές κλίµακες και διατάξεις εµποδίων, προκειµένου να διερευνηθεί η αποτελεσµατικότητα και η σταθερότητα της απόδοσής τους.Οι συνεισϕορές που παρουσιάζονται στην παρούσα διατριβή εισάγουν νέες κατευθύνσεις προς πιο αποδοτικές και προσαρµοστικές λύσεις στον τοµέα της αυτόνοµης πλοήγησης γεωργικών UGV. Ιδιαίτερη έµϕαση δίνεται στην ανάπτυξη και αξιολόγηση βελτιωµένων ευρετικών συναρτήσεων για τον αλγόριθµο A*, καθώς και στην εϕαρµογή τεχνικών εξοµάλυνσης, οι οποίες στοχεύουν στη µείωση του υπολογιστικού κόστους και στη βελτίωση της ποιότητας των παραγόµενων διαδροµών. Η διατριβή αναδεικνύει επίσης τη σηµασία της συνεχούς έρευνας και ανάπτυξης στον συγκεκριµένο τοµέα, καθώς οι απαιτήσεις για ταχύτερη, αποδοτικότερη και αξιόπιστη αυτόνοµη πλοήγηση σε σύνθετα γεωργικά περιβάλλοντα γίνονται ολοένα και πιο σηµαντικές.
περισσότερα
Περίληψη σε άλλη γλώσσα
In the modern era, the development of autonomous robotic systems is becoming increasingly important, as the demand for more efficient and accurate task execution continues to grow across a wide range of applications. Particularly in the field of smart agriculture, the use of unmanned ground vehicles (UGVs) creates new opportunities for the automation of agricultural tasks and the improvement of agricultural production processes. However, their operation in complex and unstructured environments makes reliable and safe navigation one of the most significant challenges in agricultural robotics. Path planning is a fundamental component of autonomous navigation, as it determines how a vehicle moves from a starting point to a desired target while avoiding obstacles. This process must combine low computational cost, short path length, and smooth motion, ensuring that the resulting trajectory is compatible with the kinematic capabilities of a robotic system. The A* algorithm is one of the most ...
In the modern era, the development of autonomous robotic systems is becoming increasingly important, as the demand for more efficient and accurate task execution continues to grow across a wide range of applications. Particularly in the field of smart agriculture, the use of unmanned ground vehicles (UGVs) creates new opportunities for the automation of agricultural tasks and the improvement of agricultural production processes. However, their operation in complex and unstructured environments makes reliable and safe navigation one of the most significant challenges in agricultural robotics. Path planning is a fundamental component of autonomous navigation, as it determines how a vehicle moves from a starting point to a desired target while avoiding obstacles. This process must combine low computational cost, short path length, and smooth motion, ensuring that the resulting trajectory is compatible with the kinematic capabilities of a robotic system. The A* algorithm is one of the most widely used path-planning methods; however, it presents limitations in terms of computational efficiency and the geometric smoothness of the paths it generates. These challenges become more pronounced in agricultural environments, where UGVs are required to navigate among crops and obstacles, often with limited computational resources. The variability of the environment and the particular motion conditions increase the requirements for reliable and efficient path planning. At the same time, the abrupt changes in direction that characterize paths in grid-based environments pose an additional challenge to the smooth motion of the vehicles. Addressing these limitations is essential for the development of autonomous navigation systems capable of meeting the specific requirements of agricultural applications.In this dissertation, the primary objective is the development and evaluation of optimization techniques for the A* algorithm for the navigation of agricultural UGVs. To this end, different strategies for designing the heuristic function are investigated, aiming to reduce computation time and the extent of the search space without significantly increasing path length. In parallel, smoothing techniques are incorporated to transform grid-based paths into smoother trajectories suitable for autonomous vehicle motion. The proposed techniques are experimentally evaluated across different scales and obstacle configurations in order to investigate their effectiveness and the consistency of their performance.The contributions presented in this dissertation introduce new directions toward more efficient and adaptive solutions for the autonomous navigation of agricultural UGVs. Particular emphasis is placed on the development and evaluation of improved heuristic functions for the A* algorithm, as well as on the application of smoothing techniques aimed at reducing computational cost and improving the quality of the generated paths. The dissertation also highlights the importance of continued research and development in this field, as the demand for faster, more efficient, and reliable autonomous navigation in complex agricultural environments continues to grow.
περισσότερα