Lidar-based Localization for Autonomous Ferry

Abstract

Denne masteroppgaven ser på egenskaper ved lokalisering av en Unmanned Surface Vehicle (USV), forklarer fordeler og ulemper ved noen metoder for lokalisering og foreslår hvor fokus bør ligge videre. Bruken av en lidar til å gjøre dette er motivert av skjørheten til Global Navigation Satellite System (GNSS). Analysene i denne oppgaven er viktige for å lage en basis for videre utvikling, utvikling som er basert på en forståelse av det underliggende problemet.

Patrikkelfilteret med en fysikk-basert målemodell og en enkel kinematisk bevegelsesmodell kan brukes for å lokalisere USVen i et occupancy grid. Bruk av en bevegelsesmodell som forslag for bevegelse gir den raskeste metoden, å bruke Unscented Kalman Filter (UKF) gir ingen fordeler og å bruke Iterative Closest Point (ICP) reduserer feilen i estimert tilstand. Ved bruk av en fysikk-basert målemodell anbefales det å tune parametre slik som måleusikkerheten for å få bedre konsistensegenskaper.

En analyse av hvordan en fysikk-basert sensor modell virker er minst like viktig som resultatene fra partikkelfilteret. Mens den fysikk-baserte målemodellen ikke håndterer diskontinuiteter i kartet godt er ICP-metoden bedre til å ta strukturen i miljøet med i betraktningen. Den fysikk-baserte målemodellen vil, avhengig av støy og tuning, ha problemer med forksjellige typer støy. ICP-metoden har andre problemer, men bruken av den som en målemodell kan løse flere forksjellige problemer.

Grunnlaget etablert av denne oppgaven supplementerer utviklingen av robuste lokaliseringsmetoder som muliggjør at en autonom ferge kan utføre plikter slik som gjennomreise og trygg og pålitelig tillegging til kai. Disse pliktene skal utføres kun ved bruk av sensorer om bord.

This thesis wants to establish properties for localization of an Unmanned Surface Vehicle (USV), explain advantages and disadvantages of some methods for localization and suggest where to focus next. The use of a lidar to do this is motivated by the fragility of Global Navigation Satellite Systems (GNSSs). The analyzes in this thesis are important in order to lay a basis for further development, development that is based on an understanding of the underlying problem.

The particle filter using a physically based measurement model and a simple kinematics motion model can be used to localize the USV in an occupancy grid. Using only the motion model as a prior for movement gives the fastest method, using Unscented Kalman Filter (UKF) gives no benefit and using Iterative Closest Point (ICP) reduces the state estimation error. Using the physically based measurement model it is suggested to tune parameters such as measurement uncertainty to get better estimation consistency.

An analysis of the workings of the physically based measurement model is at least as important as the particle filter results. While the physical measurement model does not handle discontinuities in the map well, the ICP method is better at taking the structure of the environment into account. The physically based measurement model will, depending on the noise and tuning, have difficulties with different kinds of noise. The ICP method has different problems, but the use of it as a measurement model might solve several different issues.

The basis established by this thesis will supplement the development of robust localization methods that enable an autonomous ferry to conduct duties such as transit and safe and reliable docking . These duties should be carried out only using on-board sensors.