Gómez Larrambe, Ander2025-02-212025-02-212024https://academica-e.unavarra.es/handle/2454/53537Los vehículos Terrestres No Tripulados (UGV) empiezan a abrirse camino en la producción agraria al permitir la automatización de tareas repetitivas y mitigar la escasez de mano de obra. Sin embargo, su implantación requiere técnicas precisas para el mapeo de los ejes de calles de cultivo para la navegación autónoma. Este trabajo determina los sensores más adecuados para un UGV en cultivos leñosos en hileras y desarrolla una metodología para digitalizar con precisión dichos ejes. Se han evaluado diversos sensores y se ha optado por una combinación de cámara binocular y RADAR, útiles para la navegación por visión artificial y el mapeo. La metodología propuesta se ha evaluado a partir de capturas de esta cámara y de datos LiDAR y MDE de IDENA. Los resultados indican que la mayor precisión de mapeo se obtiene con LiDAR de 50 puntos/m², aunque LiDAR de 10 puntos/m² y MDE con GSD de 12,5 cm también son aceptables. Es necesario investigar la viabilidad del LiDAR de 5 puntos/m2 y mejorar la precisión de las cámaras binoculares.Unmanned Ground Vehicles (UGVs) are beginning to make their way into agricultural production by automating repetitive tasks and mitigating labor shortages. However, their implementation requires precise techniques for crop row mapping for autonomous navigation. This work identifies the most suitable sensors for a UGV operating in woody row crops and develops a methodology to accurately digitize the axes between rows. Various sensors were evaluated, and a combination of binocular camera and RADAR was selected, which is useful for both artificial vision-based navigation and mapping. The proposed methodology was assessed using data captured by this camera, as well as LiDAR and DEM data from IDENA. The results indicate that the highest mapping accuracy is achieved with LiDAR at 50 points/m², although LiDAR at 10 points/m² and DEM with a GSD of 12.5 cm are also acceptable. Further research is needed on the feasibility of LiDAR at 5 points/m² and improving the accuracy of binocular cameras.application/pdfspaUGVLiDARMDENavegación autónomaMapeo de cultivosUGVLiDARDEMAutonomous navigationCrop row mappinginfo:eu-repo/semantics/masterThesis2025-02-21info:eu-repo/semantics/openAccess