Investigating Performance of a Bandwidth-Constrained Visual Odometry System in Underwater Environments
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3097650Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
Beskrivelse
Full text not available
Sammendrag
Roboter som blir brukt til visuell inspeksjon under vann er ofte komplekse og kostbare. Å utføre feltprøver i undervannsmiljøer er også ressurskrevende. Denne oppgaven forsøker å benytte den visuelle sensoren til navigasjon i et visuelt odometri-system, for å redusere kostnaden og kompleksiteten av roboten. I tillegg brukes syntetisk data fra en simulator til å undersøke ytelsen av algoritmen, og dermed redusere behovet for kostbare feltprøver. Vi påfører en begrensning på båndbredde for å simulere begrensninger i en kostredusert robots maskinvare. I denne oppgaven evaluerer vi ytelsen til ORB-SLAM2, og utforsker hvordan bildefrekvens og oppløsning påvirker ytelsen til det visuelle systemet. Dette er testet mot et opptak av data fra et faktisk visuelt system under vann, for å validere bruken av syntetisk data. Eksperimentelle resultater fra simulerte scener indikerer at bildefrekvensen bør prioriteres, siden den har en direkte påvirkning på robusthet, som er avgjørende for å estimere egen bevegelse i mer utfordrende undervannsmiljøer. Ytelsen til det visuelle odometri-systemet på ekte data viser at resultatene fra den simulerte undervannsscenen ikke alltid er like sammenliknbare med det ekte systemet. Robots used in underwater visual inspection tasks are often complex and expensive. Conducting field trials in underwater environments also demands excessive resources. This thesis attempts to utilize the visual sensor for navigation in a visual odometry system, to reduce the cost and complexity of the robot. Additionally, synthetic data from a simulator is used to examine the performance of the algorithm, effectively reducing the need for costly field trials. We apply a restriction to bandwidth to simulate constraining hardware specifications of a cost reduced robot. In this thesis we evaluate the performance of ORB-SLAM2, and examine how frame rate and image resolution influence the performance of the visual system. This is tested against recorded data from an actual underwater imaging system, to validate the use of synthetic data. Experimental results from simulated scenes indicate that frame rate is to be prioritized, as it directly affects robustness, which is crucial in tracking ego-motion in more challenging underwater environments. Performance of the visual odometry system on the real data shows that results from the simulated underwater scene is not always easily transferable to the real system.