Whole-Body Motion Planning and Collision Avoidance for AIAUV

Abstract

Leddede, autonome undervannsroboter (AIAUVer) baner vei for økt optimalisering av varierte marine operasjoner og er spesielt egnet for operasjoner i områder med begrenset fremkommelighet. For å løse ulike operasjoner på en sikker måte er det ytterst nødvendig at undervannsrobotene unngår å kollidere med både seg selv og omkringliggende hindringer. Denne masteroppgaven presenterer en metode for å oppnå ekstern kollisjonsunngåelse, ved å kombinere ulike off-line baneplanleggere, banefølgingsalgoritmer og kontrollmetoder. To ulike baneplanleggingsmetoder benyttes for å generere globale kollisjonsfrie baner i kjente, avgrensede 3-dimensjonelle områder fylt med hindringer: Hurtig-Utforskende Tilfeldige Trær (RRT*) og Kunstige Feltpotensialer (APF). Baneplanleggerne søker etter korteste kollisjonsfrie bane fra en startlokasjon til en gitt endelokasjon i omgivelsene. AIAUVen styres til og følger den genererte banen ved bruk av en veipunkt-siktlinje-basert 3-dimensjonal banefølgingsmetode (WLOS) som benytter saktegående soner for sikrere banefølging. For å bedre kombinere APF-metoden og WLOS-metoden benytter denne masteroppgaven to ulike algoritmer for å filtrere banene fra APFen: Tilbakesporende Baneplanlegger (BPP) og Rette Linjer med Konstant Lengde (SLCL). For å følge referansene fra WLOS-metoden benyttes PID-baserte autopilot-kontrollere i kombinasjon med foroverkobling, mens leddene stabiliseres av PD-kontollere. Den presenterte løsningen oppnådde å styre AIAUVen kollisjonsfritt fra startlokasjonen til endelokasjonen.

The Articulated Intervention Autonomous Underwater Vehicles (AIAUVs) give access to more efficient solutions to a wide range of tasks at sea and are especially suited for missions in cluttered environments. To solve tasks safely and reliably, it is crucial that the AIAUV neither collide with obstacles in the environment nor with itself. This thesis provides a pipeline for external collision avoidance in 3-dimensional cluttered environments. The pipeline consists of off-line global path planners, in form of a Rapidly Exploring Random Tree (RRT) and an Artificial Potential Field (APF), which search for the shortest collision-free path from a starting point to a desired target point in the environment. The AIAUV is guided onto the planned paths by utilization of a 3D Waypoint Line-of-Sight (WLOS) lookahead-based guidance method that incorporates slow-regions for safer path following. To optimize the APF’s planned paths efficacy in combination with the WLOS method, this thesis proposes two different filtering methods: Bactracking Path planner (BPP) and Straight Lines of Constant Length (SLCL). In order to follow the guided references from the WLOS method, PID-based autopilot controllers in combination with feed-forward are utilized for reference tracking in surge, pitch and heading, while PD-controllers stabilize the joints. The proposed pipeline was shown to successfully guide the AIAUV from the starting point to the target point, while simultaneously avoiding collisions.