Autonome Forstlogistik

Der vollautomatisierte Kran schwenkt vom Lkw in Richtung des Polters. Über den Fichtenabschnitten bleibt er kurz stehen. Er greift sich zwei Stämme und hebt sie hoch. Mit einem Schwenk geht es zurück zum Lkw. Dort werden die Stämme zwischen den Rungen auf das Fahrzeug gelegt. An dem Kran des Modelltyps M12Z von Palfinger Epsilon ist eine 3D-Kamera montiert, die neben dem Kran auch den Greifer des Modells FG43 desselben Herstellers im Blickfeld hat. 

Im Hintergrund läuft auf einem PC ein digitaler Zwilling. Dieser bildet die Bewegungen, die der Kran durchführt, in einem Simulationsmodell noch einmal ab. Der auf der TU Graz entwickelte digitale Zwilling dient dazu, die Bewegungsabläufe des autonom agierenden Krans zu verbessern und zu optimieren.

Kamerabasierte Systeme

Das Projekt FutureWoodTrans wurde von der FMMS Holding, Frohnleiten, und ihrem Forstbetrieb Franz Mayr-Melnhof-Saurau sowie dem Institut für Fahrzeugtechnik der TU Graz initiiert. Ziel war unter anderem die Untersuchung einer Alternative zu einer laserbasierten Methode (LiDAR) zur automatisierten Be- und Entladung von Poltern (Vision autonomer Verladungen). Dabei sollte ein Testkran von Palfinger Epsilon einen Lkw vollautomatisch be- und entladen. Zusätzlich wurden Möglichkeiten und Grenzen kamerabasierter Systeme getestet und analysiert.

„Mit der Kamerafunktion bekomme ich Daten, die der Laser nicht aufnimmt – beispielsweise die Rinde – und kann damit Rückschlüsse auf die Baumart oder auch die Sortierung erhalten. Der Laser misst nur die Geometrie des Holzes. Kameras können auch Farben erkennen. Bei einer höheren Auflösung ist es möglich, den Feuchtigkeitsgehalt des Holzes abzuschätzen“, gibt der Projektleiter Univ.-Prof. Dr. Mario Hirz vom Institut für Fahrzeugtechnik der TU Graz zu verstehen. Kamerasysteme haben auch Nachteile. „Die Blendwirkung bei direkter Sonneneinstrahlung sowie Schattenwürfe sind problematisch. Ferner ist die Kamera bei Schlechtwetter mehr limitiert als ein Laser. Kamerasysteme sind letztlich kostengünstiger als laserbasierte Systeme“, ergänzt Hirz.  

„Eine Sensorfusion mit Kamera und LiDAR-Systemen ist weiterhin erforderlich“, ist Dr. Alexander Kreis, technischer Leiter bei MM-Forsttechnik, Frohnleiten und ehemaliger Mitarbeiter von Prof. Hirz an der TU Graz überzeugt. „Sie erhöht die Redundanz von Informationsflüssen. Beide Systeme haben Vor- und Nachteile. Die Kombination ist daher die beste Lösung.“

Von Sicherheit und Unfallgefahren

Der Fachkräftemangel und steigende Sicherheitsanforderungen prägen den Alltag in der Forstwirtschaft. „Es wird immer schwieriger, Lkw-Fahrer für Rundholztransporte zu finden, die auch einen Kran bedienen können. Es passieren immer noch zu viele Unfälle“, betont Kreis. „Wenn der Fahrer in seiner Kabine sitzen bleiben kann, erhöht das die Sicherheit und vermindert die Verletzungsgefahr. Ein autonomer Kran übernimmt die Verladung des Holzes. Der Job wird attraktiver.“

Im Forst gelten verschiedene Sicherheitsrichtlinien – etwa Maschinenrichtlinien und Vorgaben aus dem Automotive-Bereich für Elektronik, Software und Automatisierung. Eine umfassende Norm für Automotive Fahrzeuge im Forst existiert jedoch nicht. Aus Sicht von Hirz bewegt man sich damit in einem weitgehend neuen Anwendungsfeld. 

Siemens Austria war im Projekt FutureWoodTrans für die funktionale Sicherheit verantwortlich. Dabei musste insbesondere das Arbeitsumfeld überwacht werden. Fährt etwa ein Mountainbiker in den Arbeitsbereich, muss das System stoppen. Dafür sind entsprechende Umfeldsensoren erforderlich. Zudem muss verhindert werden, dass Lkw und Kran sich gegenseitig beschädigen. Siemens Austria entwickelte hierfür einen entsprechenden Maßnahmenkatalog. 
Webtipp:  Forstzeitungs-Video dazu auf YouTube / Instagram

Eine Forststraße hat eigene Regeln

Ein weiteres Schwerpunktthema des FutureWoodTrans-Projekts war die Objekterkennung für das automatisierte Fahren auf Forststraßen sowie im Offroad-Gelände, wofür ein Testfahrzeug der TU Graz eingesetzt wurde. Die Erkennung der Forststraßen funktionierte dabei sehr zuverlässig und sowohl eine vier Kilometer als auch eine zehn Kilometer lange Teststrecke wurden vollständig ohne manuelle Intervention erfolgreich absolviert. „Die Geschwindigkeit des Fahrzeugs ist für den Forstbetrieb mehr als ausreichend“, betont Kreis.

Im Projekt wurden Trajektorendaten genutzt, damit das Fahrzeug auf Basis von Kameradaten selbstständig den Fahrweg wählt. Besondere Herausforderungen im Forst waren laut Hirz enge Serpentinen, Abzweigungen sowie die Pfadplanung auf schmalen Forststraßen, wobei das Fahrzeug sicher möglichst mittig auf der Straße bleiben sollte. Dazu wurden GPS und Kameradaten kombiniert, da GPS im Wald oft ungenau ist und Abweichungen von mehreren Metern auftreten können, was ohne Korrektur zum Verlassen der Fahrbahn führen würde. Eine grobe GPS-Grundlinie gab die Fahrtrichtung vor, während die Kameradaten die präzise Spurführung übernahmen, sodass die Kombination beider Systeme entscheidend für die sichere Navigation war.
Webtipp: Forstzeitungs-Video dazu auf YouTube / Instagram

Wie geht es weiter

In dem bis Ende 2029 laufenden Nachfolgeprojekt AutoForst werden beim Thema vollautomatisiertes Be- und Entladen die nächsten Schritte in Richtung Serienentwicklung der Krane gestartet. Ferner soll die richtige Sortierung der Polter erforscht werden – also die Frage, ob die korrekten Holzarten in der geforderten Sortierung geladen werden. Beim automatisierten Fahren geht es weiter um das Erkennen von gefährdeten Objekten. Neben Personen und Mountainbikern, auch Baumstämme die auf dem Weg liegen sowie Wild, das über die Forststraße wechselt.