Stima di Pose di Veicoli Subacquei Senza Pilota utilizzando simulazioni basate su marcatori di realtà aumentata

Sommario

Questo studio presenta un quadro di visione monocolo basato su ROS–Gazebo per la stima della pose di veicoli autonomi sottomarini utilizzando marcatori ArUco. Le pose stimate vengono confrontate con l'odometria simulata, dimostrando un tracciamento stabile e un forte accordo con la verità sul terreno in condizioni controllate.

Abstract

Questo studio presenta un quadro basato su simulazioni per la stima della pose dei Veicoli Subacquei Senza Pilota (UUV) utilizzando un sistema di visione monocolo all'interno di un ambiente ROS–Gazebo. Il modello UUV RexRov2, integrato con ArUco_ROS, viene utilizzato per rilevare marcatori virtuali e stimare posizione e orientamento in un contesto simulato subacqueo. Un metodo Perspective-n-Point (PnP) viene applicato per la stima della posa, e un controllore a derivata integrale proporzionale (PID) regola il moto del veicolo basandosi su caratteristiche derivate dai marcatori. Il sistema viene valutato confrontando le pose stimate con l'odometria di accuratezza ottenuta dal simulatore. In condizioni nominali, i risultati dimostrano una stima stabile della posa con stretta concordanza tra posizioni e orientamenti stimati e veri. Il sistema mantiene un tracciamento della traiettoria fluido con fluttuazioni minime, indicando prestazioni affidabili in ambienti controllati. Tuttavia, con disturbi idrodinamici aumentati, il sistema mostra deviazioni di posizione e orientamento, portando a instabilità nelle prestazioni di tracciamento. Questi risultati evidenziano i limiti del controllo PID classico negli ambienti subacquei non lineari e suggeriscono la necessità di strategie di controllo più robuste. Nel complesso, il framework proposto offre una piattaforma sicura, flessibile ed economica per testare algoritmi di navigazione subacquea e valutare l'integrazione percezione–controllo in ambienti simulati.

Introduzione

I Veicoli Subacquei Senza Equipaggio (UUV) sono comunemente utilizzati in situazioni in cui la presenza umana è limitata, come il monitoraggio oceanico, l'esplorazione e l'industria petrolifera. Sono dotati di sensori avanzati per raccogliere dati da ambienti subacquei complessi, il che richiede piattaforme di test robuste ed economiche. Le tecniche di simulazione, inclusi metodi basati sulla visione che utilizzano marcatori ArUco, forniscono un mezzo efficace per ridurre i rischi associati all'impiego reale degli UUV.

La storia degli UUV, dal primo Veicolo di Ricerca Subacquea a Scopo Speciale fino ai moderni veicoli autonomi subacquei, ne evidenzia l'importanza nella ricerca, nella difesa e^{nell'industria 1}. L'evoluzione dei veicoli autonomi sottomarini sottolinea ulteriormente la necessità di posizionamento, navigazione e test accurati all'interno di ambienti^{simulati 2,3}.

La Figura 1 illustra l'architettura convenzionale di un sistema di simulazione UUV. La combinazione del Robot Operating System (ROS) e del simulatore Gazebo offre una piattaforma versatile per modellare, controllare e comunicare in tempo reale. ROS facilita una comunicazione efficiente tra sensori, attuatori e moduli di controllo, mentre Gazebo offre un ambiente realistico di simulazione 3D per testare algoritmi di navigazione e^{controllo 4,5}. In questo contesto, i metodi basati su marker ArUco migliorano la stima della posa consentendo una rilevazione e un tracciamento precisi dei punti^{di riferimento 6}.

Figura 1: Architettura convenzionale di un sistema di simulazione UUV.Il diagramma illustra l'interazione tra simulazione, percezione e componenti di controllo all'interno del quadro ROS–Gazebo. Clicca qui per visualizzare una versione più grande di questa figura.

Diversi studi hanno avanzato tecnologie di simulazione, navigazione e percezione degli^{UUV 7}. L'idoneità del framework ROS–Gazebo per la modellazione robotica è^{stata dimostrata 4}, e questo approccio è stato esteso ad applicazioni subacquee tramite il UUV Simulator per compiti multi-robot e^{di intervento 5}. Il posizionamento basato sulla visione è stato inoltre migliorato combinando i marcatori ArUco con algoritmi di^{tracciamento 6}. Analogamente, la simulazione ad alta fedeltà e la supervisione delle missioni subacquee sono state rese possibili tramite piattaforme di simulazione^{avanzate 8}, mentre è stata dimostrata una posizione robusta in ambienti confinati tramite marcatori^{fiduciali 9}.

Questi sviluppi tecnologici sono integrati da studi di indagine. I progressi nelle sfide di navigazione subacquea e localizzazione sono stati esaminati in modo^{approfondito 10, 11}, e le piattaforme di simulazione commerciali e open source sono state valutate^{sistematicamente 12}. Ulteriori revisioni hanno esaminato lo stato dell'arte nei veicoli subacquei^{autonomi 13,14}, nonché le strategie di controllo della formazione e comunicazione per i sistemi^{multi-veicolo 14}. Inoltre, i progressi nel controllo robusto del^{tracciamento 15} e nella stima dello stato tramite approcci di deep learning, come le Unità Ricorrenti^{Gategate 16}, hanno ulteriormente migliorato l'affidabilità delle missioni subacquee autonome. Collettivamente, questi studi dimostrano progressi significativi nel realismo delle simulazioni, della navigazione e del controllo intelligente degli UUV.

Nonostante questi progressi, rimangono diverse sfide di ricerca. I simulatori attuali non dispongono di modelli di sensori accurati, in particolare per i sistemi sonar a vista frontale e a scansione laterale. La maggior parte delle piattaforme supporta solo operazioni con singoli AUV, con capacità limitate per il coordinamento e le formazioni multi-AUV. Imprecisioni nei sensori e nei modelli dinamici possono portare a prestazioni subottimali, e disturbi ambientali come correnti e rumore non vengono modellati in modo coerente tra i simulatori. Per affrontare queste limitazioni, il presente studio introduce un framework di simulazione ROS–Gazebo che incorpora la stima della posa basata su marker ArUco per consentire una stima dello stato più accurata e una valutazione rigorosa degli algoritmi di navigazione UUV.

Questo lavoro offre tre contributi principali. Innanzitutto, presenta un approccio di stima della posa monocolo basato su ArUco all'interno di un ambiente di simulazione ROS–Gazebo sottomarino utilizzando il modello RexRov2. In secondo luogo, analizza la stabilità delle posizioni in condizioni di disturbo variabili e scenari di controllo. In terzo luogo, identifica i limiti del controllo PID classico in ambienti subacquei non lineari sotto disturbi dinamici. Inoltre, questo lavoro integra percezione, controllo e simulazione in un quadro unificato, colmando le lacune in studi precedenti che trattano questi componenti in modo indipendente.

Protocollo

1. Impostazione dell'ambiente software

Una workstation basata su Linux con Ubuntu 20.04 e il Robot Operating System (ROS) Noetic è stata utilizzata come principale piattaforma di sviluppo per implementare sistemi di autolocalizzazione^{subacquea 17}. Il sistema è stato inizializzato creando uno spazio di lavoro catkin con mkdir -p ~/catkin_ws/src e poi inizializzandolo con catkin_init_workspace. I pacchetti uuv_simulator e aruco_ros furono clonati nella directory sorgente e compilati usando il comando catkin_make per supportare la modellazione di intervento subacqueo.

La connettività tra il middleware ROS e il simulatore Gazebo 9 è stata verificata avviando un mondo subacqueo predefinito e confermando la comunicazione attiva tramite il comando rostopic list. I nodi di elaborazione delle immagini e stima della posa sono stati implementati usando Python 3.8 e librerie integrate di ArUco per calcolare la posa relativa tramite OpenCV. L'ambiente ROS era configurato per gestire le dipendenze e abilitare la comunicazione dati in tempo reale, consentendo al robot di localizzarsi rispetto a più marcatori^{artificiali 18}. Questa configurazione ha anche permesso la valutazione delle prestazioni di rilevamento dei marcatori in condizioni variabili. La Figura 1 illustra la comunicazione tra i nodi di simulazione, percezione e visualizzazione nell'ambiente ROS–Gazebo.

2. Modello UUV e parametrizzazione idrodinamica

Il modello RexRov2 è stato ottenuto dal pacchetto uuv_descriptions e lanciato in gazebo utilizzando^{il suo file} 5 Unified Robot Description Format (URDF). Il modello del veicolo era composto da maglie e giunti, con una massa a secco di 1.863 kg e uno spostamento volumetrico di 1,838^m3, corrispondente a una galleggiabilità quasi neutra in acqua con una densità di 1.000 kg^/m3.

Gli effetti idrodinamici sono stati modellati utilizzando il uuv_underwater_object_plugin, incluse forze di smorzamento lineari e quadratiche. Il coefficiente di sovrappeso di massa aggiunto è stato impostato a 779,79 e i parametri di smorzamento sono stati calibrati in base alle caratteristiche riportate del RexRov2 per simulare un movimento realistico^{del veicolo 19}. La Figura 2 mostra l'architettura complessiva della simulazione.

Figura 2: Architettura complessiva dell'ambiente di simulazione. La figura mostra l'integrazione del modello UUV, degli input dei sensori, della pipeline di percezione e dei moduli di controllo utilizzati per la stima della posa e la navigazione. Clicca qui per visualizzare una versione più grande di questa figura.

3. Configurazione della telecamera, del marcatore e dell'ambiente

Una fotocamera monocolo era montata al telaio rexrov2/camera_link. I parametri della fotocamera erano impostati a 1280 × 720 pixel e 30 Hz. I parametri intrinseci erano definiti nel file di configurazione della fotocamera con una lunghezza focale di 554,25 pixel e un punto principale a (640,5, 360,5).

Un marcatore ArUco verticale fisso con una lunghezza laterale di 0,5 m, selezionato dal dizionario 6×6_250 (ID: 582), era posizionato alle coordinate (20.0, 0.0, -10.0). L'ambiente simulato era configurato con una profondità dell'acqua di 10 m e una velocità di corrente costante di 0,1 m/s nella direzione X utilizzando il servizio ROS /uuv_simulation_app/set_current_velocity. Un'intensità luminosa di 0,8 è stata utilizzata per garantire la visibilità del^{marcatore 9}. La Figura 3 mostra l'ambiente subacqueo simulato.

Figura 3: Ambiente subacqueo simulato nel gazebo 9. L'ambiente include il UUV RexRov2, marcatori virtuali ArUco e condizioni ambientali controllate come profondità dell'acqua, illuminazione e corrente. Clicca qui per visualizzare una versione più grande di questa figura.

4. Stima della posa e controllo della navigazione

La pipeline di rilevamento dei marker è stata avviata utilizzando il nodo ROS ArUco, che si è abbonato all'argomento /rexrov2/forward_camera/image_raw. La posa del veicolo è stata stimata utilizzando il metodo Perspective-n-Point (PnP) per calcolare la matrice di rotazione (R) e il vettore di traslazione (t) rispetto alla geometria nota del marcatore 3D.

La posa stimata è stata trasformata dal fotogramma della telecamera al fotogramma di riferimento globale utilizzando un publisher di trasformazione statica. Un controller PID veniva utilizzato per regolare il movimento del veicolo inviando comandi di velocità all'argomento /rexrov2/thruster_manager/input. I guadagni proporzionali (Kp) per gli assi di onda e sollevamento sono stati fissati rispettivamente a 1500 e 2000, per garantire una performance di tracciamento^{stabile 20}.

5. Valutazione e confronto della verità sul campo

L'accordo tra le stime della posa basate sulla visione e la traiettoria simulata è stato valutato utilizzando l'argomento /rexrov2/pose_gt fornito dal plugin uuv_gazebo_ros_p3d. La posa stimata della pipeline basata su ArUco è stata confrontata con i dati odometrici di base per valutare la stabilità e la coerenza del sistema.

La valutazione è stata effettuata tramite confronto di traiettoria e visualizzazione in tempo reale, dove posizione (X, Y, Z) e orientamento (rollio, beccheggio, imbardata) sono stati monitorati utilizzando Rviz e rqt_plot. Ciò permise l'osservazione delle deviazioni sia in condizioni nominali che indotte da disturbi.

Lo studio si concentra sulla valutazione qualitativa e comparativa. La valutazione quantitativa utilizzando l'Errore Quadratico Medio Radice (RMSE) è identificata come lavoro futuro, in cui verranno utilizzate più simulazioni per valutare l'errore di posizione e orientamento.

6. Generazione e visualizzazione dei risultati

Rviz è stato utilizzato come strumento di visualizzazione 3D per monitorare la traiettoria e l'assetto dell'UUV. I sistemi di coordinata /rexrov2/camera_link e /aruco_marker_frame sono stati visualizzati per valutare la relazione spaziale tra il veicolo e il marcatore².

Lo strumento rqt_plot veniva utilizzato per generare grafici in tempo reale dell'assetto del veicolo (rollio, beccheggio, imbardata) utilizzando gli argomenti /rexrov2/pose_gt e /aruco_pose. Il comando rosbag record veniva utilizzato per catturare dati di simulazione, inclusi flussi video e input di controllo, per analisi qualitative.

La simulazione è stata condotta in condizioni visive ideali, assumendo buona illuminazione e bassa torbidità. Si presumeva che il marcatore ArUco rimanesse senza ostacoli. Gli effetti di smorzamento idrodinamico sono stati modellati usando coefficienti semplificati e il rumore del sensore non è stato incluso.

Risultati

Un ambiente subacqueo simulato è stato utilizzato per valutare il sistema proposto basato su ROS–Gazebo utilizzando il UUV RexRov2. L'ambiente di simulazione delle onde (Figura 3) forniva un'impostazione dinamica ma controllata per valutare il sistema di stima della posa basato su marker.

La Figura 4 illustra la relazione tra i marcatori ArUco rilevati e la traiettoria UUV risultante. La pipeline di p...

Discussione

Le osservazioni numeriche supportano l'efficacia del quadro proposto in condizioni controllate. Le piccole variazioni di posizione (dell'ordine di 10⁻² m) e orientamento (dell'ordine di 10⁻² rad) indicano un tracciamento stabile della posizione. Questi risultati dimostrano che i marcatori ArUco forniscono un riferimento affidabile per la localizzazione a corto^{raggio 6}. Inoltre, le piattaforme di simulazione consentono la generazione di datase...

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
ArUco Marker Detection Library	OpenCV	N/A (open-source)	Rilevamento dei marker basato sulla visione per la stima della posa
Gazebo Simulator	Open Robotics	N/A (open-source)	Ambiente di simulazione 3D per test UUV
REXROV2 UUV Model	UUV Simulator Project	N/A (open-source)	Modello UUV predefinito utilizzato per esperimenti di stima della posa
Robot Operating System (ROS)	Open Robotics	N/A (open-source)	Middleware per la comunicazione e il controllo
RViz	Open Robotics	N/A (open-source)	Strumento di visualizzazione per il modello UUV e i dati dei sensori
Ubuntu Linux (20.04 LTS)	Canonical Ltd.	N/A	Sistema operativo che supporta ROS e Gazebo
UUV Simulator Package	Norwegian University of Science and Technology (NTNU)	N/A (open-source)	Framework di simulazione subacquea ROS-Gazebo