抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
天然ゴムは,その優れた品質のため,人間の生活で広く使用されている。現在,手動タッピングは天然ゴムを得るための主要な方法である。タッピング産業におけるインテリジェントタッピング装置のためのニーズがあり,自律ナビゲーション技術は,ラバータッピングデバイスを知的にするために非常に重要である。インテリジェントゴムタッピングプラットフォームの自律ナビゲーションを実現して,ゴム森林に関する情報を収集するために,ツリー幹の疎点雲データを,クラスタ化方式を通して,低コストLiDARとジャイロスコープによって抽出した。ポイントクラウドは,各々のツリーの中心ポイントを得るために,GaussNewton方法によって円にフィットした。次に,これらの中心点を最小二乗法を通してスレッドして,直線を得て,それはこの森林におけるロボットのナビゲーション経路と見なした。さらに,拡張Kalmanフィルタ(EKF)アルゴリズムを採用して,ロボット位置を得た。異なる列間隔と植物間隔を有する森林において,このロボットのヘッディング誤差と横方向誤差を解析し,ファジィコントローラを次の活動のために適用した:固定横方向距離による1列に沿った歩行,固定点における停止,1列からもう1列への回転,および植物間隔,列間隔,および樹木直径に関する収集情報。次に,収集した情報に従って,各樹木位置を計算し,幾何学的特徴マップを構築した。異なる列間隔と植物間隔を有する森林において,3回の反復試験を初期速度0.3m/sで行った。結果は,二乗平均平方根(RMS)横方向誤差が10.32cm未満であり,提案したナビゲーション方式が大きな経路追跡を提供することを示した。ロボットの固定点阻止範囲は,機械アームの自動ゴムタッピングの要求を満たすことができて,平均停止誤差は12.08cmであった。情報収集により構築した幾何学的特徴マップにおいて,RMS半径誤差は0.66cm以下であり,RMSプラント間隔誤差は11.31cm未満であった。これらの結果は,情報を収集する方法および論文で提案されたナビゲーションのプロセスにおいて再帰的にマップを構築することが,森林情報収集のための解決策を提供することを示した。この方法は,自動ゴムタッピング装置の森林ナビゲーションのための低コスト,リアルタイム,および安定解法を提供し,そして,収集した情報は,タッピング経路を計画する自動タッピング装置を助けるだけではなく,また,ゴムプランテーションの情報化と正確な管理のための基礎を提供する。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
