Fiducial SLAM For Autonomous Ferry

Abstract

Tradisjonelt sett er Global Navigation Satellite System (GNSS) benyttet for å finne den globale posisjonen til et kjøretøy. GNSS målinger innhentes ofte ved hjelp av én eller to antenner som kommuniserer med satelitter. Dette kan skape et sikkerhetsproblem dersom noe skulle skje med antennene, satellittkommunikasjonen eller dersom kjøretøyet opererer i områder uten GNSS. Denne rapporten tester presisjonen og anvendbarheten til AprilTag fiducial markører som faste og kunstige landemerker med kjent posisjon for å implementere en visuell Simultaneous Localisation and Mapping (SLAM)-metode for autonome overflatekjøretøy som opererer i ukjente kanaler. Dette ble testet ved å designe og implementere en Fiducial SLAM metode basert på Incremental Smoothing And Mapping (iSAM2) rammeverket. En fiducial pose faktor og enfiducial projection faktor for å legge til fiducial markører til i faktorgrafer ble designet og implementert for Fiducial SLAM-metoden.

Fiducial SLAM metoden ble testet på ekte data fra eksperimenter utført ved å bruke AprilTag fiducial markører, den tilhørende deteksjonsalgoritmen og Norges teknisk-naturvitenskapelige universitet (NTNU)’s autonome ferge milliAmpere. Testing av metoden på den innsamlede dataen viste at ved å kun bruke fiducial markører, kunne gode estimater av systemets pose bli oppnådd. Testingen viste også at dersom flere kameraer ser de samme markørene samtidig ble det bedre estimater enn dersom kun ett kamera observerer fiducial markørene. Ved å utvide metoden videre med å inkluderer Inertial Mesurement Unit (IMU) og lavfrekvente GNSS målinger, ble estimatene også forbedret.

Traditionally, finding the global position of a vehicle is done using Global Navigation Satellite System (GNSS). GNSS measurements are often gathered using one or two antennae in communication with satellites, which may present a safety problem should something happen to either the antennae or the satellite communication, or if the vehicle should operate in a GNSS-denied environment. This thesis tests the precision and applicability of using fiducial markers as constant and artificial landmarks with known global positions in order to implement a visual Simultaneous Localisation and Mapping (SLAM) method for Autonomous Surface Vehicles (ASVs) operating in urban canal environments. This was performed by designing and implementing a Fiducial SLAM method based on the Incremental Smoothing And Mapping (iSAM2) framework. A fiducial pose factor and fiducial projection factor for adding fiducial markers to factor graphs were designed and implemented for the Fiducial SLAM method.

The Fiducial SLAM method was tested on real data from experiments conducted using the AprilTag fiducial markers, the corresponding detection algorithm and the Norwegian University of Science and Technolog (NTNU)’s autonomous ferry milliAmpere. Testing the method on the data gathered showed that using only the fiducial markers, good estimates of the system pose could be achieved. Testing also showed that if multiple cameras detect the same markers at the same time, better estimates were achieved than if only a single camera observed the fiducial markers. Extending the method further by including Inertial Mesurement Unit (IMU) and infrequent GNSS measurements, the resulting estimates were improved.