Tese de mestrado integrado. Engenharia Informática e Computação. Faculdade de Engenharia. Universidade do Porto. 2010

A tarefa de operar um veículo submarino durante missões de inspeção de ambientes estruturados como, por exemplo, duto de usinas hidrelétricas, é feita principalmente por meio de referências visuais e uma bússola magnética. Porém alguns ambientes desse tipo podem apresentar uma combinação de baixa visibilidade e anomalias ferromagnéticas que inviabilizaria esse tipo de operação. Este trabalho, motivado pelo desenvolvimento de um veículo submarino operado remotamente (ROV) para ser usado em ambientes com essas restrições, propõe um sistema de navegação que utiliza o conhecimento prévio das dimensões do ambiente para corrigir o estado do veículo por meio da correlação dessas dimensões com os dados de um sonar de imageamento 2D. Para fazer essa correlação é utilizado o ltro de partículas, que é uma implementação não paramétrica do ltro Bayesiano. Esse ltro faz a estimação do estado com base nos métodos sequenciais de Monte Carlo e permite trabalhar de uma maneira simples com modelos não lineares. A desvantagem desse tipo de fusão sensorial é o seu alto custo computacional o que geralmente o impede de ser utilizado em aplicações de tempo real. Para que seja possível utilizar esse ltro em tempo real, será proposto neste trabalho uma implementação paralela utilizando uma unidade de processamento gráco (GPU) da NVIDIA e a arquitetura CUDA. Neste trabalho também será feito um estudo da utilização de duas congurações de sensores no sistema de navegação proposto neste trabalho. / The task of navigating a Remotely Operated underwater Vehicles (ROV) during inspection of man-made structures is performed mostly by visual references and occasionally a magnetic compass. Yet, some environments present a combination of low visibility and ferromagnetic anomalies that negates this approach. This paper, motivated by the development of a ROV designed to work on such environment, proposes a navigation method for this kind of vehicle. As the modeling of the system is nonlinear, the method proposed uses a particle lter to represent the vehicle state that is a nonparametric implementation of the Bayes lter. This method to work needs a priori knowledge of the environment map and to make the data association with this map, a 2D image sonar is used. The drawback of the sensor fusion used in this work is its high computational cost which generally prevents it from being used in real time applications. To be possible for this lter to be used in real time application, in this work is proposed a parallel implementation using a graphics processing unit (GPU) from NVIDIA and CUDA architecture. In this work is also made a study of two types of sensors conguration on the navigation system proposed in this work.

A tarefa de operar um veículo submarino durante missões de inspeção de ambientes estruturados como, por exemplo, duto de usinas hidrelétricas, é feita principalmente por meio de referências visuais e uma bússola magnética. Porém alguns ambientes desse tipo podem apresentar uma combinação de baixa visibilidade e anomalias ferromagnéticas que inviabilizaria esse tipo de operação. Este trabalho, motivado pelo desenvolvimento de um veículo submarino operado remotamente (ROV) para ser usado em ambientes com essas restrições, propõe um sistema de navegação que utiliza o conhecimento prévio das dimensões do ambiente para corrigir o estado do veículo por meio da correlação dessas dimensões com os dados de um sonar de imageamento 2D. Para fazer essa correlação é utilizado o ltro de partículas, que é uma implementação não paramétrica do ltro Bayesiano. Esse ltro faz a estimação do estado com base nos métodos sequenciais de Monte Carlo e permite trabalhar de uma maneira simples com modelos não lineares. A desvantagem desse tipo de fusão sensorial é o seu alto custo computacional o que geralmente o impede de ser utilizado em aplicações de tempo real. Para que seja possível utilizar esse ltro em tempo real, será proposto neste trabalho uma implementação paralela utilizando uma unidade de processamento gráco (GPU) da NVIDIA e a arquitetura CUDA. Neste trabalho também será feito um estudo da utilização de duas congurações de sensores no sistema de navegação proposto neste trabalho. / The task of navigating a Remotely Operated underwater Vehicles (ROV) during inspection of man-made structures is performed mostly by visual references and occasionally a magnetic compass. Yet, some environments present a combination of low visibility and ferromagnetic anomalies that negates this approach. This paper, motivated by the development of a ROV designed to work on such environment, proposes a navigation method for this kind of vehicle. As the modeling of the system is nonlinear, the method proposed uses a particle lter to represent the vehicle state that is a nonparametric implementation of the Bayes lter. This method to work needs a priori knowledge of the environment map and to make the data association with this map, a 2D image sonar is used. The drawback of the sensor fusion used in this work is its high computational cost which generally prevents it from being used in real time applications. To be possible for this lter to be used in real time application, in this work is proposed a parallel implementation using a graphics processing unit (GPU) from NVIDIA and CUDA architecture. In this work is also made a study of two types of sensors conguration on the navigation system proposed in this work.

Neste trabalho, é abordado o problema da navegação de um veículo submarino autônomo. São propostos estimadores de estado que realizam fusão sensorial baseada em Filtro Estendido de Kalman. Esses estimadores de estado empregam as medidas dos seguintes sensores: uma unidade de medição inercial, um sensor de velocidade por efeito Doppler, um profundímetro e uma bússola. Primeiramente foi projetado um estimador de estados para o AUV Pirajuba, onde a estimação da orientação do veículo é realizada de forma desacoplada à estimação da velocidade e posição do veículo. Em seguida, foram desenvolvidos dois estimadores de estado que estimam orientação, velocidade e profundidade do veículo de forma acoplada. Para o projeto e testes dos estimadores mencionados anteriormente, foi empregada uma base de dados contendo um registro de medições reais dos sensores do veículo submarino autônomo Pirajuba, durante testes de campo no lago de uma represa. Os resultados dos testes validaram os estimadores de estado propostos nesse trabalho. Por último, foi realizada uma análise comparativa dos estimadores de estado mencionados. / This work concerns the navigation problem of an autonomous underwater vehicle. Some state estimators using sensorial fusion were proposed, the sensorial fusion is based in an Extended Kalman Filter. The state estimators are fed by measurements of the following sensors: an inertial measurements unit, a velocity sensor by Doppler effect, a depthmeter and a compass. In the first version of the EKF algorithm, the vehicles attitude estimation was decoupled from the vehicle velocity estimation. The second version considers the coupling between linear velocity and the attitude in the vehicle reference frame, taking the velocity reading for correction of the filter estimates. Finally, in the third version, the coupling between position and attitude is also considered, but the correction of the filters estimates is based on the depth readings. Experiments for supporting the design and validation of the navigation algorithms were based on a database constructed with motion measurements during the AUV maneuvers in the north coast of Sao Paulo, and the Guarapiranga lake in the São Paulo city. This work presents a comparative analysis of those algorithms.

Neste trabalho, é abordado o problema da navegação de um veículo submarino autônomo. São propostos estimadores de estado que realizam fusão sensorial baseada em Filtro Estendido de Kalman. Esses estimadores de estado empregam as medidas dos seguintes sensores: uma unidade de medição inercial, um sensor de velocidade por efeito Doppler, um profundímetro e uma bússola. Primeiramente foi projetado um estimador de estados para o AUV Pirajuba, onde a estimação da orientação do veículo é realizada de forma desacoplada à estimação da velocidade e posição do veículo. Em seguida, foram desenvolvidos dois estimadores de estado que estimam orientação, velocidade e profundidade do veículo de forma acoplada. Para o projeto e testes dos estimadores mencionados anteriormente, foi empregada uma base de dados contendo um registro de medições reais dos sensores do veículo submarino autônomo Pirajuba, durante testes de campo no lago de uma represa. Os resultados dos testes validaram os estimadores de estado propostos nesse trabalho. Por último, foi realizada uma análise comparativa dos estimadores de estado mencionados. / This work concerns the navigation problem of an autonomous underwater vehicle. Some state estimators using sensorial fusion were proposed, the sensorial fusion is based in an Extended Kalman Filter. The state estimators are fed by measurements of the following sensors: an inertial measurements unit, a velocity sensor by Doppler effect, a depthmeter and a compass. In the first version of the EKF algorithm, the vehicles attitude estimation was decoupled from the vehicle velocity estimation. The second version considers the coupling between linear velocity and the attitude in the vehicle reference frame, taking the velocity reading for correction of the filter estimates. Finally, in the third version, the coupling between position and attitude is also considered, but the correction of the filters estimates is based on the depth readings. Experiments for supporting the design and validation of the navigation algorithms were based on a database constructed with motion measurements during the AUV maneuvers in the north coast of Sao Paulo, and the Guarapiranga lake in the São Paulo city. This work presents a comparative analysis of those algorithms.

Este trabalho apresenta o estudo e a implementação de um sistema de navegação em tempo-real utilizado para estimar a posição, a velocidade e a atitude de um veículo submarino autônomo. O algoritmo investigado é o do Filtro de Kalman Estendido. Este filtro é freqüentemente usado para realizar a fusão de dados obtidos de diferentes sensores, em uma estimativa estatisticamente ótima, quando se respeita algumas condições. Neste trabalho, fez se a fusão entre os seguintes sensores: unidade de navegação inercial do tipo strapdown, sensor acústico de posicionamento, profundímetro, sensor de velocidade de efeito Doppler e uma bússola. Para a aplicação embarcada do Filtro de Kalman, faz-se necessário o seu desenvolvimento em tempo real. Conseqüentemente, este trabalho apresenta o estudo das principais características de um sistema de tempo real. Para desenvolver o código em C utilizou-se de algumas funções do Matlab com a finalidade de se tentar minimizar os erros de implementação do filtro. Além disto, para facilitar a implementação e respeitar os critérios de sistemas de tempo real utilizou-se de um sistema operacional, C/OS-II que possibilita aplicar sistemas com multiprocessos e utilizar semáforos para o gerenciamento do EKF, além disto, foram utilizadas normas de programação, MISRAC, para padronizar o código e aumentar a sua confiabilidade. São apresentadas também a modelagem cinemática, a metodologia e as ferramentas computacionais utilizadas para o filtro. Com base nas simulações e nos ensaios de campo executados on-line, observou-se que os filtros projetados para se estimar a atitude e a posição do veículo obtiveram bons desempenhos, além disto, foi possível verificar a convergência dos EKFs. Para estas simulações e ensaios, foram também estudados casos de situações adversas como, por exemplo, uma falha no sensor de referência de posição, sendo que para esta situação, o EKF de posição e velocidade obteve resultados satisfatórios. / This paper presents the study and implementation of a real-time navigation system used to estimate the position, velocity and attitude of an autonomous underwater vehicle. The Extended Kalman Filter, EKF, was adopted. This filter is often used to perform the data fusion from different sensors, in generating a statistically optimal estimate when some required conditions are fulfilled. The algorithm implements the fusion of the following sensors: an inertial navigation unit sensor (strapdown type), an acoustic positioning, a depth gauge, a Doppler velocity log sensor and a magnetic compass. This work presents the kinematic modelling, the methodology and computational tools used for developing the EKF algorithm. In order to integrate the EKF into an embedded system, it is necessary to develop it in real time. It was adopted the C / OS-II operational system, which allows to implement multithreaded systems and use traffic lights to manage the EKF. Furthermore, programming standards, such as MISRA C, was chosen to standardize the code and increase its reliability. The C code implementation took advantage of some Matlab functions to minimize implementation errors. Based on simulations and field tests carried out online, it was concluded that the filters designed to estimate the attitude and position of the vehicle provided good performances, in addition, it was possible to verify the EKFs convergence. The filters were tested in same adverse situations, e.g., a fault in the position reference sensor, providing satisfactory results as well.

Este trabalho apresenta o estudo e a implementação de um sistema de navegação em tempo-real utilizado para estimar a posição, a velocidade e a atitude de um veículo submarino autônomo. O algoritmo investigado é o do Filtro de Kalman Estendido. Este filtro é freqüentemente usado para realizar a fusão de dados obtidos de diferentes sensores, em uma estimativa estatisticamente ótima, quando se respeita algumas condições. Neste trabalho, fez se a fusão entre os seguintes sensores: unidade de navegação inercial do tipo strapdown, sensor acústico de posicionamento, profundímetro, sensor de velocidade de efeito Doppler e uma bússola. Para a aplicação embarcada do Filtro de Kalman, faz-se necessário o seu desenvolvimento em tempo real. Conseqüentemente, este trabalho apresenta o estudo das principais características de um sistema de tempo real. Para desenvolver o código em C utilizou-se de algumas funções do Matlab com a finalidade de se tentar minimizar os erros de implementação do filtro. Além disto, para facilitar a implementação e respeitar os critérios de sistemas de tempo real utilizou-se de um sistema operacional, C/OS-II que possibilita aplicar sistemas com multiprocessos e utilizar semáforos para o gerenciamento do EKF, além disto, foram utilizadas normas de programação, MISRAC, para padronizar o código e aumentar a sua confiabilidade. São apresentadas também a modelagem cinemática, a metodologia e as ferramentas computacionais utilizadas para o filtro. Com base nas simulações e nos ensaios de campo executados on-line, observou-se que os filtros projetados para se estimar a atitude e a posição do veículo obtiveram bons desempenhos, além disto, foi possível verificar a convergência dos EKFs. Para estas simulações e ensaios, foram também estudados casos de situações adversas como, por exemplo, uma falha no sensor de referência de posição, sendo que para esta situação, o EKF de posição e velocidade obteve resultados satisfatórios. / This paper presents the study and implementation of a real-time navigation system used to estimate the position, velocity and attitude of an autonomous underwater vehicle. The Extended Kalman Filter, EKF, was adopted. This filter is often used to perform the data fusion from different sensors, in generating a statistically optimal estimate when some required conditions are fulfilled. The algorithm implements the fusion of the following sensors: an inertial navigation unit sensor (strapdown type), an acoustic positioning, a depth gauge, a Doppler velocity log sensor and a magnetic compass. This work presents the kinematic modelling, the methodology and computational tools used for developing the EKF algorithm. In order to integrate the EKF into an embedded system, it is necessary to develop it in real time. It was adopted the C / OS-II operational system, which allows to implement multithreaded systems and use traffic lights to manage the EKF. Furthermore, programming standards, such as MISRA C, was chosen to standardize the code and increase its reliability. The C code implementation took advantage of some Matlab functions to minimize implementation errors. Based on simulations and field tests carried out online, it was concluded that the filters designed to estimate the attitude and position of the vehicle provided good performances, in addition, it was possible to verify the EKFs convergence. The filters were tested in same adverse situations, e.g., a fault in the position reference sensor, providing satisfactory results as well.