Positioning a camera underwater

Abstract

Denne masteroppgaven gir en oversikt over hvordan utfordringene med posisjonering og orientering under vann var undersøkt, ved å benytte et billig og enkelt system. Utfordringene med å posisjonere og orientere et kamera under vann ble undersøkt med å benytte en Raspberry Pi, et kamera og en Inertial Measurement Unit (IMU). Det ble benyttet en Extended Kalman Filter (EKF) hvor posisjonerings dataen fra IMU'en og AprilTag ble slått sammen.

I begynnelsen av masteroppgaven var problemstillingen forsøkt løst med å benytte Simultaneous Localization and Mapping (SLAM) og en IMU. Det oppsto flere probelmer med installasjon og implementasjon av SLAM, ved å benytte en Raspberry Pi.

IMU'en var brukt til å definere posisjon og orientering av kameraet. Tester som ble utført indikerer at IMU'en klare å levere presis orienterings målinger, men der er utfordringer med drifting etter at IMU'en har vært operativ en stund. AprilTag er tagger som brukes for å lese av en binær kode. AprilTag var implementert inn i systemet for å kunne detektere flere tagger og leveren kameraet sin posisjon relativt til plasseringene til taggene. Igjennom tester ble det funnet ut at AprilTag gir veldig presise posisjoneringer når systemet detekterer en tagg.

This thesis will provide an overview of how the challenge of underwater positioning and orientation of a camera has been addressed, utilizing a low-cost and simple system. To address the challenges of positioning and orientating a camera underwater, a Raspberry Pi 4, a camera, and an IMU were employed. The EKF was then used to combine measurement data from the IMU and AprilTag.

Before the thesis attempted to tackle the problem using EKF, IMU, and AprilTag, the thesis attempted to solve the problem with SLAM and IMU. Installing and implementing SLAM on a Raspberry Pi caused several difficulties.

The IMU was used to determine the camera's position and orientation. The test indicated that the IMU can provide accurate orientation measurements, but that it would drift after some time. The AprilTag was implemented to detect multiple tags and provide the camera's position in relation to the tags. These tests demonstrate that the AprilTag is capable of providing accurate readings when detecting a tag.