Vision-Aided Inertial Navigation for Underwater Vehicles Using ArUco Markers

Abstract

Skiftet fra tradisjonell olje- og gassproduksjon mot produksjonsenheter på havbunnen har skapt et økt behov for undervannsoperasjoner. Dette har motivert bruken av autonomi for å effektivisere operasjoner og redusere miljøavtrykk. Navigasjon er en av utfordringene som står uløst i overgangen mot autonome undervannsoperasjoner. Dette har motivert arbeidet bak denne hovedoppgaven.

Avhandlingen presenterer en metode for å fusjonere maskinsyn med dagens treghetsnavigasjonssystem, hvor hovedfokuset ligger i forbedring av posisjon og orienteringsestimering i nærheten av operasjonelle og vedlikeholdsområder. Oppgaven starter med å presentere de nødvendige sensorene i Kapittel 3, etterfulgt av motivasjon for bruk av lettgjenkjennelige ArUco markører for estimering av posisjon og orientering i Kapittel 4. Før oppgaven går videre til designet av navigasjonssystemet er det utført en simulasjonsstudie for å avgjøre nøyaktigheten til maskinsynestimatet for videre anvendelse. Kapittel 5 utleder det fusjonerte navigasjonssystemet basert på lignende implementasjoner i litteraturen, hvor orienteringsestimatet er forkastet til fordel for et magnetometer. Til slutt er metoden testet og validert gjennom simulering og eksperiment ved det marinkybernetiske laboratoriet som tilhører Norges teknisk-naturvitenskapelige universitet, beskrevet i Kapittel 6.

Hovedbidraget til denne avhandlingen er en utvidelse av en eksisterende åpen kildekode for simulering av metoder i maskinsyn fusjonert med navigasjon og kontroll, med videre potensial for simulering av autonome undervannsoperasjoner. Videre har oppgaven bidratt med et design av et navigasjonssystem for forbedret posisjon- og orienteringsestimat ved bruk av lettgjenkjennelige markører. Designet oppnådde høy ytelse gjennom både simulering og eksperiment, hvor posisjonsstandardavviket kom på 5.61 cm med en gjennomsnittsfeil på 10 cm. Sammenlignet med eksisterende navigeringssystem har denne løsningen en stort potensial for bruk som lokal navigasjon i nærheten av operasjonelle soner som krever høy posisjons- og orienteringsnøyaktighet.

The transition from traditional offshore energy production towards subsea production has caused a rapidly increasing need for underwater operations in the recent decade. The rapid transition has motivated autonomous operations in order to increase marine operations' efficiency and lower CO2 footprint. In the transition towards autonomous operations, navigation is one of the main challenges which has to be solved, motivating the work of this thesis.

This thesis presents a method for fusing computer vision with state-of-the-art inertial navigation systems, focusing on improved pose estimation near intervention and maintenance locations. It starts with the presentation of the necessary hardware in Chapter 3. Moreover, Chapter 4 motivates the use ArUco markers for robust detection and pose estimation using a simple setup consisting of a single camera. Before moving on to the observer design, a simple simulation study is carried out, evaluating the accuracy of detection and pose estimation of the ArUco markers. Furthermore, the fusion of computer vision system and navigation system is derived in Chapter 5, based on similar approaches in the literature. In the end, the implementations are tested and validated through a simulation and experimental study, described in Chapter 6.

The principal contributions of the thesis are related to the extension upon an existing open-source simulation software for testing computer vision applications fused with navigation and control. Moreover, an experimentally validated navigation system design for improved localization using fiducial ArUco markers is derived. The proposed navigation system obtained satisfactory results, with a standard deviation in position of 5.61 cm and a mean position error of 10 cm for the experimental case. Compared to the existing geophysical and acoustic transponders and modems techniques, the proposed navigation system has proven high performance and accuracy with the potential to replace the existing navigation systems in the vicinity of intervention and maintenance locations.