BEGIN:VCALENDAR VERSION:2.0 PRODID:-//TUC//Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Athens TZNAME:EEST DTSTART:19700329T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0300 TZNAME:EET DTSTART:19701025T040000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 END:STANDARD END:VTIMEZONE BEGIN:VEVENT CREATED:20230727T105915Z LAST-MODIFIED:20230727T105915Z DTSTAMP:20260714T220001Z UID:1784055601@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Παναγιώτη Σιώλη - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.tuc.gr/el/to-polytechnei o/ilektronikes-ypiresies/imerologio/ imerologio-ekdiloseon-1?tx_tucevents 2_tuceventsdisplay%5Baction%5D=show& tx_tucevents2_tuceventsdisplay%5Bcon troller%5D=Event&tx_tucevents2_tucev entsdisplay%5Bevent%5D=6406&cHash=3e d9edc85a6b04486474072a75cea7a1\nΠΟΛΥ ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\ n Πρόγραμμα Προπτυχιακών Σπουδών\n Π ΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Πα ναγιώτη Σιώλη \n με θέμα\n Αυτόνομη Πλοήγηση βασισμένη σε Όραση για το Υ ποβρύχιο Όχημα BlueROV2\n Vision-bas ed Autonomous Navigation for the Blu eROV2 Underwater Vehicle\n Εξεταστικ ή Επιτροπή\n Καθηγητής Μιχαήλ Γ. Λαγ ουδάκης (επιβλέπων)\n Καθηγητής Μιχα ήλ Ζερβάκης\n Καθηγητής Παναγιώτης Π αρτσινέβελος (Σχολή ΜΗΧΟΠ)\n Περίληψ η\n Η χρήση αλγορίθμων ταυτόχρονου ε ντοπισμού και χαρτογράφησης (Simulta neous Localization And Mapping  - SL AM) είναι ευρέως διαδεδομένη στον το μέα της ρομποτικής, ειδικά όταν αναφ ερόμαστε σε ρομποτικά οχήματα εδάφου ς. Οι αλγόριθμοι SLAM που βασίζονται σε οπτικές πληροφορίες που παρέχοντ αι από μία κάμερα, απαιτούν τη συμπε ρίληψη μιας διαδικασίας γνωστής ως β αθμονόμησης, δηλαδή την απόκτηση ή τ ην εκτίμηση όλων των παραμέτρων της κάμερας που απαιτούνται για τη σωστή λειτουργία του αλγόριθμου SLAM. Στη ν παρούσα διπλωματική εργασία, εστιά ζουμε στη χρήση αλγορίθμων visual SL AM, όχι σε επίγεια ρομποτικά οχήματα , αλλά σε υποβρύχια ρομποτικά οχήματ α που μπορούν να ελεγχθούν εξ αποστά σεως (Remotely-Operated Vehicles - R OVs). Συγκεκριμένα, έχει αναπτυχθεί μια προσέγγιση visual SLAM για το Bl ueROV2, το οποίο είναι ένα μικρού με γέθους υποβρύχιο ρομπότ που χρησιμοπ οιείται για αποστολές έρευνας και εξ ερεύνησης ωκεανών μέχρι το βάθος των 100 μέτρων. Η προτεινόμενη προσέγγι ση βασίζεται στον αλγόριθμο ORB-SLAM 3 και είναι προσαρμοσμένη για εκτέλε ση επάνω στο ROV, χρησιμοποιώντας το Robot Operating System (ROS) framew ork. Η επιτυχής ανάπτυξη της προσέγγ ισής μας απαιτούσε δύο τροποποιήσεις υλικού στο BlueROV2: αντικατάσταση του προεγκατεστημένου ενσωματωμένου υπολογιστή Raspberry Pi 3 με τον πιο ισχυρό Raspberry Pi 4 και αντικατάσ ταση της προεγκατεστημένης μονο-κάμε ρας με στερεο-κάμερα Intel RealSense T265 για αξιοποίηση των δυνατοτήτων του ORB-SLAM3. Ταυτόχρονα, προτείνε ται ένας αλγόριθμος ελέγχου για την κίνηση του ROV, ο οποίος είναι σε θέ ση να εκτελεί διάφορα μοτίβα κίνησης , όπως κίνηση κατά μήκος μιας γραμμή ς, ενός τετραγώνου, ενός κύκλου ή μι ας σπείρας, περνώντας από σημεία που παρέχει ο χρήστης. Ο συνδυασμός των προτεινόμενων προσεγγίσεων SLAM και ελέγχου κίνησης καθιστά το όχημα ικ ανό να κινείται σε ένα άγνωστο περιβ άλλον χωρίς εμπόδια, με ελάχιστη μόν ο παρέμβαση του χρήστη. Τα αποτελέσμ ατα προέκυψαν μέσα από εκτενείς προσ ομοιώσεις σε υδάτινα περιβάλλοντα, α λλά και σε ένα πραγματικό εσωτερικό περιβάλλον, ωστόσο εκτός νερού, εφόσ ον το τροποποιημένο BlueROV2 δεν είν αι ακόμα 100% αδιάβροχο. Σε κάθε περ ίπτωση, η προτεινόμενη προσέγγιση επ ιτρέπει την επιτυχή πλοήγηση, αρκεί να εντοπιστεί επαρκής αριθμός οπτικώ ν χαρακτηριστικών στο περιβάλλον.\n Abstract\n The use of Simultaneous L ocalization And Mapping (SLAM) algor ithms is widespread in the field of robotics, especially when referring to ground robotic vehicles. SLAM alg orithms, based on visual sensor info rmation provided by a camera, requir e the inclusion of a procedure known as calibration, namely acquisition or estimation of all camera paramete rs required for the SLAM algorithm t o work properly. In this diploma the sis, we focus on the use of visual S LAM algorithms, not on ground roboti c vehicles, but on Remotely-Operated underwater robotic Vehicles (ROVs). In particular, a visual SLAM approa ch has been developed for the BlueRO V2, which is small-size underwater r obot, used for ocean research and ex ploration missions up to a depth of 100m. The proposed approach relies o n the ORB-SLAM3 algorithm and is ada pted for onboard execution on the RO V, using the Robot Operating System (ROS) framework. The successful depl oyment of our approach required two hardware modifications on the BlueRO V2: replacement of the pre-installed Raspberry Pi 3 embedded computer wi th the more powerful Raspberry Pi 4 and replacement of the pre-installed monocular camera with an Intel Real Sense T265 stereo camera to utilize the capabilities of ORB-SLAM3. At th e same time, a control algorithm is proposed for the movement of the ROV , which is able to perform various m otion patterns, such as moving along a line, a rectangle, a circle or a spiral, passing through points provi ded by the user. The combination of the proposed SLAM and motion control approaches make the vehicle able to move in an unknown environment with out obstacles, with only minimal use r intervention. Results were obtaine d through extensive simulations in w ater environments, but also in a rea l indoor environment, nevertheless o utside the water, since the modified BlueROV2 is not yet 100% waterproof . In any case, the proposed approach enables successful navigation, as l ong as a sufficient number of visual features are identified in the envi ronment. \n  \n Meeting ID: 96413523 933\n Password: 281366\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20230728T110000 DTEND:20230728T120000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT END:VCALENDAR