Undervanns baneplanlegging ved bruk av sonarbildedata

Abstract

Fjernstyrte undervannsfartøy (ROV) er mye brukt i offshore-industrien til forskjellige oppgaver og gjørem ̊al som tekniske inngrep, observasjoner og utforskning. For å redusere avhengigheten av over- flateskip og piloter som fjernstyrer fartøyet, kan det være muligheter i å utvide de autonome egen- skapene til ROVer. Denne avhandlingen tar for seg å undersøke mulighetene for å bruke sonarbildedata fra en Forward Looking Multibeam Sonar som grunnlag for en undervanns baneplanlegging ved hjelp av Voronoi diagram og Dijkstra algoritmen. Resultatet av denne oppgaven er å utnytte disse aspektene sammen, ved å kombinere informasjonen utvunnet fra sonardata med baneplanlegging ved hjelp av Voronoi Diagram. Grunnlaget for baneplanleggingen er informasjon fra en sonarvideo, som inneholder informasjon om området foran undervannsfartøyet, som i dette tilfellet er en ROV. Resultatet fra baneplanleggingen er en trygg bane ROVen kan følge gjennom områder med hindringer.

Grunnlaget til baneplanleggingsalgoritmer er et sonarbilde. Bildet blir prosessert ved hjelp av forskjel- lige bildebehandlingsteknikker. For å sikre de beste resultatene ble det anvendt flere forskjellige filtrerings- og bildeterskel-teknikker. Resultatene fra filtreringen viste at bruk av et median filtrer med 5x5 kjernestørrelse og en binær terskel med en terskelverdi på 127 ga de beste resultatene. Etter bildebehandlingen, ble flere detektorer testet. Detektoren som gav det beste resultatet, var ORB- detektoren, som bruker en versjon av FAST deteksjonsalgoritme. Resultatet fra detektoren var et sett med nøkkelpunkter markert på sonarbildet. For å transformere de detekterte nøkkelpunktene til et kart over hindringer, trengtes en konvertering. Dette ble gjort ved hjelp av rekkeviddeindikatorene i sonarbildet. Hindringene i kartet ble brukt som grunnlaget til et Voronoi diagram, som lager et graftre av mulige baner. For å velge den korteste banen, ble Dijkstra-algoritmen implementert, med banelengde som avgjørende faktor.

For å teste om banene er gjennomførbare, ble ROVen simulert og styrt gjennom den foreslåtte banen. ROVen ble simulert ved hjelp av et kontrollsystem og en simulator laget av AUR-laben i det grafiske programmeringsspråket LabVIEW. Banene ble simulert og resultatene fra simulering ble presentert. Fire simuleringer ble utført ved å bruke fire forskjellige sonarbilder som utgangspunkt. Generelt klarte ROVen og følge de gitte banene, med små avvik mellom estimert og ønsket posisjoner. Unntakene var i situasjoner der ROVen måtte følge baner med harde svinger, dvs. stor forskjell i baneretning. Maksimalt avvik ble målt til 7 meter fra den gitte banen.

Fra de oppnådde resultatene ser det ut til at konseptet undervannsplanlegging ved hjelp av sonarbilder har potensialet, men dog ikke uten problemer. Det viser seg at det var vanskeligheter med å bekrefte at alle hindringene var oppdaget, og at det dermed er vanskeligheter med å bekrefte at man unng ̊ar kollisjon i løpet av banen. I et scenario der det er flere hindringer i området rundt en ROV, kan bruk av Voronoi-baneplanlegging ved hjelp av sonarbilder imidlertid være mulig.

Remotely Operated Vehicles are widely used in the offshore industry in different applications such as interventions, exploration and observation. To reduce the reliance on surface ships and remote operators, there could be value in increasing the autonomous capabilities of ROVs. This thesis aims to explore the possibility of using sonar imaging data from a Forward Looking Multibeam Sonar as the basis of a underwater path planning scheme using Voronoi Diagrams and Dijkstra Algorithm. The contribution of this thesis is utilizing these aspects together, combing feature extraction from sonar imaging and path planning using the Voronoi Diagrams. The input for this path planning is a sonar video stream containing information about the underwater area in front of the underwater vessel, in this case a ROV. The output is a path for the ROV to follow through areas with obstacles.

The input of the path planning scheme is the a sonar image. The image is processed using different image processing techniques. To obtain the best results possible, several different filtering and thresh- olding techniques were applied. The results from the filtering showed that applying a mean filtered with 5 × 5 kernel size and a binary threshold with a threshold value of 127 yielded the best results. When processed, several feature detector were tested. The feature detector yielding the best results were the ORB detector, which utilizes a version of the FAST detection algorithm. The feature detector returned a set of keypoints. To transform the detected keypoints to an obstacle map, a conversion were needed. This were done by transforming the detected features of the image to a obstacle map, using the range indicators in the sonar image. The obstacles were used as an input to a Voronoi Diagram, which created a graph tree of feasible paths. To select the shortest path, a Dijkstra algorithm were implemented.

To test the feasibility of the paths generated, the ROV following the created path were simulated. To do this, the ROV were simulated using the control system and simulator created by the AUR-lab in the graphical programming language LabVIEW. The ROV were path following were simulated using a constant jerk guidance model with waypoints as the input. The paths were simulated and the results were presented. Four simulations were performed, using four different sonar images as input. The ROV were in general able to follow the created paths, with small deviation between the estimated and desired state. Excep- tions occurred when the ROV where commanded to follow paths with hard turns, i.e large differences in path direction. The maximum deviation were measured at 7 meters from the path.

From the results obtained, it appears that the concept of underwater path planning using sonar imaging can have some promise, but not without its problems. It turns out that there are difficulties with confirming that all the obstacles are detected, and thus difficulties confirming the feasibility in regards of collision avoidance for the path planning. However, in a scenario were there are multiple smaller obstacles in the area in front of the ROV, the use of Voronoi path planning using sonar imaging could be feasible.