Automatisk datamärkning kan göra skogsbruket säkrare

Forskare vid Luleå tekniska universitet har utvecklat metoder som låter datorer automatiskt skapa träningsdata för perceptionssystem till självkörande arbetsfordon. Det kan minska det manuella arbetet, höja precisionen och på sikt bidra till ett säkrare och mer hållbart skogsbruk.

Självkörande maskiner i vägtrafik blir allt vanligare och forskning pågår för att öka automationsgraden även för terränggående fordon inom till exempel skogsbruk och anläggningsbranscher. De kan ta över riskfyllda moment, men för att det ska fungera krävs att fordonen kan uppfatta sin omgivning med hög noggrannhet. Här spelar träningsdata en avgörande roll, och forskarna vid Luleå tekniska universitet har hittat ett sätt att låta datorn skapa dem själv.

— När vi låter datorn ta hand om märkningen kan vi frigöra tid, minska riskerna för människor och samtidigt bana väg för en mer skonsam, miljömässig och resurseffektiv industri, säger Magnus Karlberg, professor i maskinkonstruktion vid Luleå tekniska universitet.

Magnus Karlberg, professor i maskinkonstruktion vid Luleå tekniska universitet.

Virtuell träning ger bättre precision

Projektet, som finansierats av Jubileumsfonden vid Luleå tekniska universitet, visar att det går att träna modeller med automatiskt märkta data (även kallat bildannotering) som skapas i en virtuell miljö. När en mindre mängd verklig data kombineras med syntetiska bilder förbättras träffsäkerheten trots ett begränsat träningsunderlag.

De största felen uppstår oftast för stockar som ligger långt bort eller i skugga, vilket ger tydliga riktningar för fortsatt forskning. En fallstudie visar dessutom att stamvolymen på stående träd kan uppskattas automatiskt med en mycket billig stereokamera kombinerat med öppet tillgängliga YOLO-modeller

— Våra tester visar att en liten mängd verklig data i kombination med syntetiska bilder kan ge bättre precision. Nästa steg är att utöka datamängderna med större miljövariationer och bygga fler virtuella modeller av skogsobjekt, säger Magnus Karlberg.

Från spelmotor till forskningsdata

För att skapa de syntetiska bilderna återskapade forskarna en fysisk testmiljö i spelmotorn Unity. En digital tvilling av AORO-plattformen (en terränggående forskningsplattform inom Arctic Off-Road Robotics Lab som används för att utveckla autonoma fordon för framtidens skogsbruk) kopplades till miljön och utrustades med en emulerad stereokamera. På så sätt kunde automatiskt märkta bilder genereras som efterliknar verkliga körsituationer.

För mindre objekt, som skogsplantor, användes fotogrammetri där en robot flyttade kameran mellan olika positioner. Rådata omvandlades till 3D-modeller, vilket möjliggjorde stora mängder träningsdata med minimal manuell insats.

Forskningsresultaten har presenterats vid ISTVS-konferensen i Yokohama i oktober 2024 och har valts ut för publicering i Journal of Terramechanics i utökad version.

• Jubileumsfonden
• Maskinkonstruktion