Side-Scan Sonar Imaging and Error-State Kalman Filter Aiding Unmanned Underwater Vehicle (UUV) to Autonomy

Abstract

Havet er en essensiell brikke i jordens komplekse puslespill, bemerkelsesverdig uoppdaget og fullt av muligheter. Hånd i hånd med teknologisk utvikling er robotikk-feltet i ferd med å bokstavelig talt ta seg vann over hodet, slik at potensialet under vannoverflaten kan utnyttes. Formålet med denne oppgaven er å danne grunnlaget for en ubemannet undervannsfarkost som enkelt kan benyttes i forskningsøyemed. Det vil bidra til å forenkle og muliggjøre felteksperiment for å bane vei for multiagent undervannsforskning. Navigasjon under vann er én av hovedutfordringene knyttet til autonome undervannsoperasjoner.

I forbindelse med dette prosjektet har en navigasjonsløsning bestående av et error-state Kalman filter (ESKF) blitt implementert og evaluert. Eksperimentelle forsøk viser forflytting i tilstandsestimatene av farkostens posisjon og bevegelsesretning, noe som er forventet når kun interoseptive sensorer benyttes. Dette medfører en ubegrenset vekst i usikkerhet knyttet til estimatene. Veksten kan begrenses ved å utføre deteksjon i akustiske bilder fra en sidesøkende sonar, men bruk av deteksjonsmetoder er på ingen måte uproblematisk grunnet intensitetsvariasjoner og geometriske forvrengninger. I denne oppgaven implementeres en sekvens av prosesseringssteg bestående av intensitetsnormalisering, avstandskorreksjon, eliminering av blindsone, og geometrisk korreksjon. De ferdigprosesserte akustiske bildene framstår som mer presise representasjoner av havbunnen. Derfor er bildene bedre egnet for deteksjon i navigasjonsøyemed.

Videre arbeid bør omfatte implementasjon av en detektor for prosesserte akustiske bilder. Deretter bør hele systemet justeres og reevalueres i kontekst av detektorens ytelse.

Surprisingly unexplored, and ripe with possibilities; the ocean is a key cog in Earth’s planetary clockwork. The field of robotics is gradually extending to underwater environments along with technological advancements, allowing the ocean’s potential to be harnessed. This project aims to develop the foundation for an easily deployable Unmanned Underwater Vehicle (UUV) configuration for the purpose of simplifying and encouraging field testing, ultimately enabling research within underwater multi agent operations. To navigate underwater environments is one of the main challenges when transitioning into autonomous underwater operations.

In this project, a navigational scheme consisting of an error-state Kalman filter (ESKF) is implemented and tested. Experimental results show drift in position and heading, as is expected when using only interoceptive sensors, which leads to an unbounded growth in the uncertainty of the estimates. Performing detection in SSS images can help limit the estimate error. However, basic SSS images suffer from intensity variations and geometric distortions, complicating the use of computer vision methods. To address this, an image construction pipeline for SSS performing echo intensity normalization, slant range correction, blind zone removal, and geometric correction, is implemented. The pipeline is found to construct acoustic images which more accurately represent the sea floor, accounting for variations and distortions. This means that detection for the purpose of limiting navigational error can be performed on the resulting acoustic images.

Further research should focus on the development and implementation of a detector to use on processed acoustic images. Doing so, the complete system should be re-tuned and re-evaluated to accommodate the detector’s performance.