Sonar-Based Monte Carlo Localization for Autonomous Underwater Vehicles

Abstract

Hovedmålet med denne masteroppgaven er å undersøke bruk av akustiske sensorer for å lokalisere et undervannsfartøy. Bruk av bildesonar er ønskelig på grunn av sensorens lave kostnader og vekt. Masteroppgaven begynner med å gi en introduksjon til lokalisering av mobile roboter og utfordringene relatert til dette for et undervannsfartøy. En sonar-basert algoritme som bruker Monte-Carlo simulering har blitt utviklet for lokalisering av et undervannsfartøy. For å ta i bruk sonarmålingene i lokaliseringsalgoritmen så har det blitt gjort et nøye studie på bildesonaren og dens egenskaper.

Hovedbidraget til denne masteroppgaven er implementering og verifikasjon av et sonarbasert partikkelfilter. Algoritmen har blitt testet og verifisert på to forskjellige datasett. Det ene datasettet er et datasett fra Universitetet i Girona, og det andre ble samlet på NTNU sin Marine Cybernetics Lab (MCLab). Datasettet ble samlet ved bruk av undervannsfartøyet BlueRov2.

Resultater har vist at lokaliseringsalgoritmen klarer å lokalisere fartøyet gitt et a priori kart, uten noe kunnskap om fartøyets startposisjon. Selv med et kart som kun er en tilnærming av virkeligheten klarer algoritmen å estimere posisjonen med tilfredsstillende resultat. Ved å legge til et antall nye partikler når estimatet fra filteret er ansett som dårlig, klarer algoritmen å hente seg inn etter lokaliseringsfeil og konvergerer mot riktig posisjon. To metoder for å inkludere sonarmålinger i partikkelfilteret har blitt sammenlignet, ved å anvende de på datasettet fra MCLab. Kun en av metodene viste tilfredsstillende resultater.

The overall objective of this thesis is to investigate the use of a mechanically scanned imaging sonar in localization for underwater vehicles. The imaging sonar stands out due to its low cost and weight and is therefore desirable in the field of underwater robotics. After an introduction about mobile robot localization, and its specific issues in the underwater domain, the thesis will focus on developing a sonar-based Monte Carlo localization algorithm for an underwater vehicle. In order to incorporate the sonar readings in the localization algorithm, a thorough review of the imaging sonar and the peculiarities of the sensor has been conducted.

The main contribution of this thesis is the implementation and verification of the sonar-based particle filter. The algorithm is tested and verified using two different datasets. The first dataset was a pre-existing dataset from the University of Girona, and the second dataset was gathered in the Marine Cybernetics Lab (MC Lab) at NTNU for the purpose of this thesis. The dataset in the MCLab was collected using the vehicle BlueRov2.

The results show that the localization algorithm is able to locate the vehicle given a \textit{a priori} map, without any knowledge of the initial position of the vehicle. By adding a number of new particles when the estimate from the filter is considered as a poor estimate, the algorithm is also able to recover from localization failures and converge to the correct solution. Two different methods for incorporating the sonar measurements in the particle filter have been compared with the last dataset. Only one of the methods showed satisfactory results.