Development of a Simultaneous Localiza- tion and Mapping Navigation System for the Otter Uncrewed Surface Vessel
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3172352Utgivelsesdato
2024Metadata
Vis full innførselSamlinger
Sammendrag
Denne oppgaven foreslår et navigasjonssystem basert på Simultaneous Localization and Mapping (SLAM), og brobygger gapet mellom teoretiske fremskritt innen SLAM-algoritmer og deres praktiske anvendelse. Otter Uncrewed Surface Vehicle fra Maritime Robotics brukes som utviklings- og testplattform. Otterens nåværende navigasjonssystem, som er avhengig av GNSS og inertielle sensorer, opplever utfordringer i miljøer som havner og kanalområder, spesielt under broer på grunn av signalavbrudd. Denne begrensningen motiverer bruken av SLAM som et alternativ for navigasjon i GNSS-utfordrende miljøer.
To lidar-algoritmer, Liorf basert på LIO-SAM, og FAST-LIO2, er blitt testet. Systemet integrerer SLAM med Otterens styrings- og kontrollsystem, noe som muliggjør operatørstyrte autonome oppdrag ved hjelp av SLAM for navigasjon. For å sikre nøyaktig sensorfusjon, er nettverkssynkronisering mellom GNSS, IMU og lidar implementert. Kjernesoftwaren er utviklet innenfor Robot Operating System (ROS) på SeaSight-systemet.
Felttester og benchmarktester er gjennomført for å vurdere den lukkede sløyfe-ytelsen til det integrerte systemet. Videre er det gjennomført et større autonomt oppdrag i et delvis GNSS-nektet miljø for å teste systemets ytelse under realistiske forhold. Denne avhandlingen adresserer de praktiske utfordringene med å utvikle et SLAM-basert navigasjonssystem og demonstrerer dets anvendelse for autonome oppdrag i urbane vannveier. This thesis proposes a Simultaneous Localization and Mapping (SLAM) based navigation system, bridging the gap between theoretical advances in SLAM algorithms and their practical application. The Otter Uncrewed Surface Vehicle by Maritime Robotics is used as the development and test platform. The Otter's current navigation system, reliant on GNSS and inertial sensors, struggles in environments such as harbor and canal environments, particularly under bridges due to signal loss. This limitation motivates the use of SLAM as an alternative for navigation in GNSS-challenged environments.
Two lidar algorithms, Liorf, based on LIO-SAM, and FAST-LIO2 have been tested. The system integrates SLAM with the Otter’s guidance and control, enabling operator-guided autonomous missions using SLAM for navigation. To ensure accurate sensor fusion, network synchronization between GNSS, IMU, and lidar has been implemented. The core software is implemented within the Robot Operating System (ROS) on the SeaSight system.
Field tests and benchmarks have been conducted to assess the closed-loop performance of the integrated system. Furthermore, a full-scale autonomous mission in a partially GNSS-denied environment have been performed to test its performance in a realistic scenario. This thesis addresses the practical challenges of developing a SLAM-based navigation system, demonstrating its viability for autonomous missions in urban waterways.