lexicon
FREN

Convergence agronomie - robotique : Exploitation des données 3D pour la navigation autonome dans le rang

2026 · IFV · fra

Le projet CANNOPHY vise à exploiter les capteurs LiDAR pour deux usages : reconstruire en 3D la canopée des vignes (pour l’agronomie) et permettre une navigation autonome des robots dans les parcelles. L’objectif est de déployer une brique de commande locale (basée sur la détection de la végétation) pour compléter le guidage absolu par GPS-RTK, souvent limité en milieu végétal dense. Deux stratégies de positionnement relatif ont été testées : Le suivi de profil (ou suivi par détection de forme) : Cette méthode détecte une forme prédéfinie (ex. : un bord de rang de vigne) dans le nuage de points 3D. Une fois le profil reconnu, sa position relative est enregistrée pour générer une trajectoire de référence (gauche ou droite). À chaque déplacement du robot, le processus est répété pour ajuster la trajectoire. Cette méthode est robuste car elle exploite la structure connue de la vigne mais elle nécessite une zone d’initialisation à l’aveugle (le robot doit d’abord "apprendre" la forme sans référence visuelle) et une mauvaise détection initiale peut fausser le positionnement sur toute la trajectoire. Le suivi par extraction de contour : Cette méthode reconstruit l’enveloppe de végétation autour du robot en utilisant un algorithme de propagation de cercles virtuels dans le nuage de points. Ces cercles détectent les points de contact avec la végétation pour former une trajectoire locale. L’avantage de cette stratégie de positionnement ets qu’une trajectoire est disponible à chaque acquisition LiDAR, ce qui permet une réactivité élevée. Ce mode de suivi est par contre sensible aux obstacles (herbes, branches) dans l’inter-rang (espace entre les rangs de vigne). Si ces éléments sont détectés, ils peuvent perturber la trajectoire et empêcher le robot d’avancer correctement. Le dispositif expérimental mis en place dans CANNOPHY s’est appuyé sur un tracteur électrique robotisé Pom2 de SabiAgri (18 kW), équipé de : LiDAR 2D (LMS151) et LiDAR 3D (Ouster OS1) pour la détection de la végétation ; Caméras (stéréo et infrarouge) et GNSS-RTK pour le positionnement absolu. En conditions expérimentales simplifiées (champs de haricots, haies), le suivi de profil a montré un décalage moyen de 3 cm par rapport à la trajectoire GPS, avec des écarts ponctuels de 10 à 13 cm pour les capteurs 2D et stéréo (liés à des problèmes d’initialisation ou à des zones non cultivées). Le suivi de contour a offert une précision centimétrique, mais avec des discontinuités lors du basculement entre GPS et LiDAR. En conditions réelles de vignoble (campagne expérimentale conduite en mai 2025 sur Montpellier), la validation a été partielle : Le suivi de profil n’a pas pu être testé en boucle fermée (à cause d’une migration logicielle ROS1 → ROS2 inachevée), mais le rejeu des données montre une détection des rangs proche de l’arpentage GPS. Le suivi par extraction de contour a été  perturbé par la végétation dans l’inter-rang (herbes, branches), ce qui limite fortement son utilisation dans les conditions de vignoble enherbé. La campagne expérimentale a permis de confirmer la faisabilité d’un guidage autonome exploitant les capteurs 3D. Ces résultats ouvrent la voie à une convergence approfondie entre les besoins de l’agronomie et ceux de la navigation autonome, permettant ainsi le déploiement de solutions robotiques précises et adaptatives pour des itinéraires techniques agroécologiques.

JSON

Source : Plateforme R&D Agricole (ACTA) — CC BY-NC-SA 4.0. Usage non commercial uniquement.