Calcul et optimisation de trajectoires pour véhicules autonomes soumis aux contraintes d'un environnement agricole

Trajectory optimisation for autonomous vehicles under agricultural environment constraints

• Auteur / Autrice : Danial Pour Arab
• Direction : Caroline Essert, Matthias Spisser
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 30/06/2023
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
• Jury : Président / Présidente : Bernard Bayle
• Jury : Rapporteurs / Rapporteuses : Roland Lenain, Claus Gron Sørensen

Mots clés

Mots clés contrôlés

Robotique

Mots clés libres

Planification de Trajectoire pour une Couverture Complète

Robots Agricoles Autonomes

Modélisation du Terrain

Recherche Intelligente Basée sur les Arborescences

Apprentissage Profond

Décomposition des Parcelles

Planification de Trajectoire en 3D

Complete Coverage Path Planning

Autonomous Agricultural Robots

Terrain Modeling

Tree-based Intelligent Search

Deep Learning

Field Decomposition

3D Hybrid Path Planning

Résumé

Dans cette thèse, nous développons une approche générique et efficace pour la planification decouverture complète de trajectoires (CCPP) pour les robots agricoles autonomes. Nous visons àconcevoir des méthodes de CCPP qui tiennent compte des exigences spécifiques de chaque opérationet outil, ainsi que des caractéristiques 3D du champ, tout en optimisant plusieurs objectifs tels quela couverture, les chevauchements, la distance non travaillée, la consommation d'énergie et l'érosiondes sols. Les contributions incluent une revue systématique des algorithmes de CCPP, la modélisationdu terrain, la création d'un ensemble de données et le développement d'approches efficaces pour laplanification des trajectoires.

This thesis focuses on developing a generic and efficient Complete Coverage Path Planning (CCPP)approach for autonomous agricultural robots. The research addresses the complexities of variousagricultural operations, considering the specific requirements of each operation and implement,along with the 3D characteristics of the field. The thesis contributions include a systematic review ofCCPP algorithms, a detailed discussion of 2D and 3D terrain modeling with a dataset of 30 fields inFrance, development of an efficient tree-based intelligent search algorithm for CCPP, exploration ofdeep learning-based field decomposition, and the creation of an advanced 3D hybrid path planningapproach with multiple objectives. The ultimate goal is to contribute to the advancement of CCPPapproaches for autonomous agricultural robots and provide a foundation for further research in thisarea.