Model Predictive Control-based Path-planning and Obstacle Avoidance for Real-Time Safe Underwater Operations
Abstract
Bane planleggning under vann muliggjør sikker og effektiv navigering i komplekse miljøer for autonome undervannsfartøy (AUV-er), noe som er avgjørende ved drift innenfor akvakultur. Denne oppgaven har som mål å utvikle og evaluere en MPC-basert bane planlegger for AUV-er som opererer i krevende undervannsmiljøer, spesielt innenfor akvakulturområdet. Videre undersøker oppgaven integrasjonen av aktiv persepsjon sammen med MPC-basert bane planlegging for å forbedre navigasjonen som en helhet. Gjennom testing i ulike undervannsmiljøer viser denne forskningen ett lovende potensialet for bane planleggeren i å muliggjøre effektiv og sikker navigasjon for AUV-er i utfordrende undervannsscenarioer i tillegg til å ta hensyn til interessepunkter. Funnene gir verdifulle innsikter som vil være til stor nytte for videreutviklingen av undervannsnavigasjon i ulike miljøer, inkludert akvakulturdrift. Underwater path planning enables autonomous underwater vehicles (AUVs) to navigate complex environments safely and efficiently, which is essential when operating in aquaculture. This thesis aims to develop and assess MPC-based path-planning for AUVs operating in challenging underwater environments, especially in aquaculture settings. Furthermore, the thesis investigates integrating active perception together with the MPC-based path planner to improve overall navigation. Through testing in diverse underwater environments, this research demonstrates the promising potential of the path planner in enabling efficient and safe navigation for AUVs in challenging underwater scenarios while observing points of interest. The findings provided valuable insights, which would greatly benefit the advancement of underwater navigation in various environments, including aquaculture operations.