Ημερολόγιο Εκδηλώσεων

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Παναγιώτη Σιώλη 

με θέμα

Αυτόνομη Πλοήγηση βασισμένη σε Όραση για το Υποβρύχιο Όχημα BlueROV2
Vision-based Autonomous Navigation for the BlueROV2 Underwater Vehicle

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (επιβλέπων)
Καθηγητής Μιχαήλ Ζερβάκης
Καθηγητής Παναγιώτης Παρτσινέβελος (Σχολή ΜΗΧΟΠ)

Περίληψη

Η χρήση αλγορίθμων ταυτόχρονου εντοπισμού και χαρτογράφησης (Simultaneous Localization And Mapping  - SLAM) είναι ευρέως διαδεδομένη στον τομέα της ρομποτικής, ειδικά όταν αναφερόμαστε σε ρομποτικά οχήματα εδάφους. Οι αλγόριθμοι SLAM που βασίζονται σε οπτικές πληροφορίες που παρέχονται από μία κάμερα, απαιτούν τη συμπερίληψη μιας διαδικασίας γνωστής ως βαθμονόμησης, δηλαδή την απόκτηση ή την εκτίμηση όλων των παραμέτρων της κάμερας που απαιτούνται για τη σωστή λειτουργία του αλγόριθμου SLAM. Στην παρούσα διπλωματική εργασία, εστιάζουμε στη χρήση αλγορίθμων visual SLAM, όχι σε επίγεια ρομποτικά οχήματα, αλλά σε υποβρύχια ρομποτικά οχήματα που μπορούν να ελεγχθούν εξ αποστάσεως (Remotely-Operated Vehicles - ROVs). Συγκεκριμένα, έχει αναπτυχθεί μια προσέγγιση visual SLAM για το BlueROV2, το οποίο είναι ένα μικρού μεγέθους υποβρύχιο ρομπότ που χρησιμοποιείται για αποστολές έρευνας και εξερεύνησης ωκεανών μέχρι το βάθος των 100 μέτρων. Η προτεινόμενη προσέγγιση βασίζεται στον αλγόριθμο ORB-SLAM3 και είναι προσαρμοσμένη για εκτέλεση επάνω στο ROV, χρησιμοποιώντας το Robot Operating System (ROS) framework. Η επιτυχής ανάπτυξη της προσέγγισής μας απαιτούσε δύο τροποποιήσεις υλικού στο BlueROV2: αντικατάσταση του προεγκατεστημένου ενσωματωμένου υπολογιστή Raspberry Pi 3 με τον πιο ισχυρό Raspberry Pi 4 και αντικατάσταση της προεγκατεστημένης μονο-κάμερας με στερεο-κάμερα Intel RealSense T265 για αξιοποίηση των δυνατοτήτων του ORB-SLAM3. Ταυτόχρονα, προτείνεται ένας αλγόριθμος ελέγχου για την κίνηση του ROV, ο οποίος είναι σε θέση να εκτελεί διάφορα μοτίβα κίνησης, όπως κίνηση κατά μήκος μιας γραμμής, ενός τετραγώνου, ενός κύκλου ή μιας σπείρας, περνώντας από σημεία που παρέχει ο χρήστης. Ο συνδυασμός των προτεινόμενων προσεγγίσεων SLAM και ελέγχου κίνησης καθιστά το όχημα ικανό να κινείται σε ένα άγνωστο περιβάλλον χωρίς εμπόδια, με ελάχιστη μόνο παρέμβαση του χρήστη. Τα αποτελέσματα προέκυψαν μέσα από εκτενείς προσομοιώσεις σε υδάτινα περιβάλλοντα, αλλά και σε ένα πραγματικό εσωτερικό περιβάλλον, ωστόσο εκτός νερού, εφόσον το τροποποιημένο BlueROV2 δεν είναι ακόμα 100% αδιάβροχο. Σε κάθε περίπτωση, η προτεινόμενη προσέγγιση επιτρέπει την επιτυχή πλοήγηση, αρκεί να εντοπιστεί επαρκής αριθμός οπτικών χαρακτηριστικών στο περιβάλλον.

Abstract

The use of Simultaneous Localization And Mapping (SLAM) algorithms is widespread in the field of robotics, especially when referring to ground robotic vehicles. SLAM algorithms, based on visual sensor information provided by a camera, require the inclusion of a procedure known as calibration, namely acquisition or estimation of all camera parameters required for the SLAM algorithm to work properly. In this diploma thesis, we focus on the use of visual SLAM algorithms, not on ground robotic vehicles, but on Remotely-Operated underwater robotic Vehicles (ROVs). In particular, a visual SLAM approach has been developed for the BlueROV2, which is small-size underwater robot, used for ocean research and exploration missions up to a depth of 100m. The proposed approach relies on the ORB-SLAM3 algorithm and is adapted for onboard execution on the ROV, using the Robot Operating System (ROS) framework. The successful deployment of our approach required two hardware modifications on the BlueROV2: replacement of the pre-installed Raspberry Pi 3 embedded computer with the more powerful Raspberry Pi 4 and replacement of the pre-installed monocular camera with an Intel RealSense T265 stereo camera to utilize the capabilities of ORB-SLAM3. At the same time, a control algorithm is proposed for the movement of the ROV, which is able to perform various motion patterns, such as moving along a line, a rectangle, a circle or a spiral, passing through points provided by the user. The combination of the proposed SLAM and motion control approaches make the vehicle able to move in an unknown environment without obstacles, with only minimal user intervention. Results were obtained through extensive simulations in water environments, but also in a real indoor environment, nevertheless outside the water, since the modified BlueROV2 is not yet 100% waterproof. In any case, the proposed approach enables successful navigation, as long as a sufficient number of visual features are identified in the environment. 
 

Meeting ID: 96413523933

Password: 281366