Resultate und Erkenntnisse

In dieser Arbeit wurden sowohl die Möglichkeiten von Precision Farming wie auch die Problematik von autonomen Spurführungssystemen erläutert. Die GNSS-basierten Technologien bieten eine gute Chance, Produktionszyklen von Pflanzenbau zu optimieren und somit den neuen Herausforderungen in der Landwirtschaft gerecht zu werden. Das Interesse ein Referenzsystem für Spurführungssysteme aufzubauen ist von verschiedenen Seiten her gewünscht. Daher sollte man die Thematik sowohl auf Forschungsebene, wie auch in Zusammenarbeit von Systemanbietern weiterverfolgen. Für die Weiterentwicklung und Verifizierung von Spurführungssystemen eignen sich geodätische Methoden sehr gut um Genauigkeitsparameter zu bestimmen. Eine Sensorfusion zur Bestimmung aller Freiheitsgrade ist zwingend notwendig und kann unter der Verwendung einer zuverlässigen Zeitbasis eine sehr hohe Genauigkeit aufweisen. Testmessungen auf dem Feld zeigten auch die schwierigen Bedingungen, welchen die Messsysteme unterworfen sind. Diesen Anforderungen muss man speziell gerecht werden. Die Methodik und der Ablauf, wie die Messungen erfolgten, haben sich bewährt. In einer Anschlussarbeit sollte aber auch die Berücksichtigung der angehängten Bearbeitungsgeräte behandelt werden, denn die Prüfung von Spurgenauigkeiten einzig von den Schleppfahrzeugen zeigt nur einen Teil des Systems.

Die weiteren Aufgaben bestehen nun darin, geeignete Sensoren zu finden und zu prüfen, welche den speziellen Bedingungen mit starken Vibrationen und Erschütterungen auf dem Feld standhalten können. Ebenfalls ist es notwenig, die Algorithmen zur Aufnahme und Auswertung zu optimieren und auf verschiedene Spezialfälle abzudecken. Beispiele sind:

  • Verwendung der GPS Position zum schnelleren Auffinden des Objekts bei Prismenverlust des Tachymeters.
  • Verwendung mehrerer codierter Prismen und gleiche Anzahl Tachymeter für höchste Positionsqualität und Herleitung von den Neigungselementen.
  • GPS Datenprozessierung im Post-processing für beste Genauigkeit bei kinematischem Messen und Verwendung von Methoden wie zum Beispiel "Moving Baseline".
  • Verwendung von geeigneten Datenfiltern wie Kalman-Filterung.
Zudem sollte die Steuerung und Verarbeitung der Daten mit einem alternativen Programm zu MATLAB geprüft werden. Wichtig wäre vor allem die Automatisierung der Messungen, denn die Auswertungen können nach wie vor im Post-processing geschehen. Neben den technischen Verbesserungen müssen von Seiten der Anwender gewünschte Messgrössen definiert werden. Daraus kann man ein Testverfahren und Methoden entwickeln, welche diese Parameter bestimmen können.

For further information in English, please contact the autor
!!! Dieses Dokument stammt aus dem ETH Web-Archiv und wird nicht mehr gepflegt !!!
!!! This document is stored in the ETH Web archive and is no longer maintained !!!