Deze studie presenteert een ROS–Gazebo-gebaseerd monoculair visiekader voor houdingsschatting van autonome onderwatervoertuigen met behulp van ArUco-markers. Geschatte houdingen worden vergeleken met gesimuleerde odometrie, wat stabiele tracking en sterke overeenstemming met de grondwaarheid onder gecontroleerde omstandigheden aantoont.
Onderzoeksartikel
Pose Estimat van onbemande onderwatervoertuigen met behulp van augmented reality-marker-gebaseerde simulaties
1Department of Computer Science and Engineering, Department of Computer Science and Engineering, Koneru Lakshmaiah Education Foundation, Bowrampet, 2Department of CSE, Chennai Institute of Technology, 3Department of Information Technology, Aditya Institute of Technology and Management, 4School of Electrical and Computer Engineering, Yeosu Campus, Chonnam National University
Opent in een nieuw tabblad
In dit artikel
Samenvatting
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Samenvatting
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Deze studie presenteert een simulatie-gebaseerd kader voor poseschatting van onbemande onderwatervoertuigen (UUV's) met behulp van een monoculair zichtsysteem binnen een ROS–Gazebo-omgeving. Het RexRov2 UUV-model, geïntegreerd met ArUco_ROS, wordt gebruikt om virtuele markers te detecteren en positie en oriëntatie te schatten in een gesimuleerde onderwateromgeving. Voor houdingsschatting wordt een Perspective-n-Point (PnP) methode toegepast, en een proportioneel-integraal-afgeleide (PID) regelaar de voertuigbeweging op basis van marker-afgeleide kenmerken. Het systeem wordt geëvalueerd door geschatte houdingen te vergelijken met grond-waarheid odometrie verkregen uit de simulator. Onder nominale omstandigheden tonen de resultaten een stabiele houdingsschatting aan met nauwe overeenstemming tussen geschatte en werkelijke posities en oriëntaties. Het systeem onderhoudt een soepele trajectvolging met minimale fluctuaties, wat wijst op betrouwbare prestaties in gecontroleerde omgevingen. Bij verhoogde hydrodynamische verstoringen vertoont het systeem echter afwijkingen in positie en oriëntatie, wat leidt tot instabiliteit in de volgprestatie. Deze resultaten benadrukken de beperkingen van klassieke PID-controle in niet-lineaire onderwateromgevingen en suggereren de noodzaak van robuustere controlestrategieën. Al met al biedt het voorgestelde raamwerk een veilig, flexibel en kosteneffectief platform voor het testen van onderwaternavigatie-algoritmen en het evalueren van perceptie-controle-integratie in gesimuleerde omgevingen.
Inleiding
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Onbemande onderwatervoertuigen (UUV's) worden vaak gebruikt in situaties waar menselijke aanwezigheid beperkt is, zoals oceaanmonitoring, exploratie en de petroleumindustrie. Ze zijn uitgerust met geavanceerde sensoren om gegevens te verzamelen uit complexe onderwateromgevingen, wat robuuste en kosteneffectieve testplatforms vereist. Simulatietechnieken, waaronder op zicht gebaseerde methoden met behulp van ArUco-markers, bieden een effectieve manier om risico's te verminderen die gepaard gaan met de inzet van UUV's in de praktijk.
De geschiedenis van UUV's, van het eerste Special Purpose Underwater Research Vehicle tot moderne autonome onderwatervoertuigen, benadrukt hun belang in onderzoek, defensie en industrie1. De evolutie van autonome onderwatervoertuigen benadrukt verder de noodzaak van nauwkeurige positionering, navigatie en testen binnen gesimuleerde omgevingen 2,3.
Figuur 1 illustreert de conventionele architectuur van een UUV-simulatiesysteem. De combinatie van het Robot Operating System (ROS) en de Gazebo-simulator biedt een veelzijdig platform voor modellering, besturing en realtime communicatie. ROS faciliteert efficiënte communicatie tussen sensoren, actuatoren en besturingsmodules, terwijl Gazebo een realistische 3D-simulatieomgeving biedt voor het testen van navigatie- en regelingsalgoritmen 4,5. In deze context verbeteren ArUco-markergebaseerde methoden de houdingsschatting door nauwkeurige detectie en tracking van referentiepunten6 mogelijk te maken.
Figuur 1: Conventionele architectuur van een UUV-simulatiesysteem.Het diagram illustreert de interactie tussen simulatie-, waarnemings- en controlecomponenten binnen het ROS–Gazebo-kader. Klik hier om een grotere versie van deze figuur te bekijken.
Verschillende studies hebben UUV-simulatie, navigatie en perceptietechnologieën geavanceerd7. De geschiktheid van het ROS–Gazebo-framework voor robotmodellering is aangetoond4, en deze benadering is uitgebreid naar onderwatertoepassingen via de UUV Simulator voor multi-robot en interventietaken5. Zichtgebaseerde positionering is ook verbeterd door ArUco-markers te combineren met trackingalgoritmen6. Evenzo zijn high-fidelity simulatie en toezicht op onderwatermissies mogelijk gemaakt via geavanceerde simulatieplatforms8, terwijl robuuste positionering in afgesloten omgevingen met fiduciale markers ook is aangetoond9.
Deze technologische ontwikkelingen worden aangevuld met enquêtestudies. Vooruitgang op het gebied van onderwaternavigatie en lokalisatie is uitgebreid beoordeeld10,11, en commerciële en open-source simulatieplatforms zijn systematisch geëvalueerd12. Aanvullende reviews hebben de stand van zaken in autonome onderwatervoertuigen13,14 onderzocht, evenals formatiebesturings- en communicatiestrategieën voor multi-voertuigsystemen14. Bovendien hebben vooruitgang in robuuste tracking control15 en toestandsschatting met behulp van deep learning-benaderingen, zoals Gated Recurrent Units16, de betrouwbaarheid van autonome onderwatermissies verder verbeterd. Gezamenlijk tonen deze studies aanzienlijke vooruitgang aan in het realisme van simulaties, navigatie en de intelligente besturing van UUV's.
Ondanks deze vooruitgang blijven er verschillende onderzoeksuitdagingen bestaan. Huidige simulatoren missen nauwkeurige sensormodellen, vooral voor vooruitkijkende en zijwaartse sonarsystemen. De meeste platforms ondersteunen slechts enkele AUV-operaties, met beperkte mogelijkheden voor multi-AUV-coördinatie en formaties. Onnauwkeurigheden in sensoren en dynamisch model kunnen resulteren in suboptimale prestaties, en omgevingsverstoringen zoals stromen en ruis worden niet consistent gemodelleerd in simulatoren. Om deze beperkingen aan te pakken, introduceert deze studie een ROS–Gazebo-simulatiekader met ArUco-markergebaseerde houdingsschatting om nauwkeurigere toestandschatting en rigoureuze evaluatie van UUV-navigatiealgoritmen mogelijk te maken.
Dit werk levert drie hoofdbijdragen. Ten eerste presenteert het een op ArUco gebaseerde monoculaire pose schattingsbenadering binnen een onderwater ROS–Gazebo simulatieomgeving met behulp van het RexRov2-model. Ten tweede analyseert het de houdingsstabiliteit onder wisselende verstoringsomstandigheden en controlescenario's. Ten derde identificeert het beperkingen van klassieke PID-regeling in niet-lineaire onderwateromgevingen onder dynamische verstoringen. Daarnaast integreert dit werk waarneming, controle en simulatie in een uniform kader, waarmee hiaten worden overbrugd in eerdere studies die deze componenten onafhankelijk behandelden.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Protocol
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
1. Opzet van de softwareomgeving
Een op Linux gebaseerd werkstation met Ubuntu 20.04 en het Robot Operating System (ROS) Noetic werd gebruikt als het primaire ontwikkelplatform voor het implementeren van onderwater zelflokalisatiesystemen17. Het systeem werd geïnitialiseerd door een catkin-werkruimte aan te maken met mkdir -p ~/catkin_ws/src en deze vervolgens te initialiseren met catkin_init_workspace. De uuv_simulator- en aruco_ros-pakketten werden gekloond in de bronmap en gecompileerd met het catkin_make-commando ter ondersteuning van onderwaterinterventiemodellering.
De connectiviteit tussen de ROS-middleware en de Gazebo 9-simulator werd geverifieerd door een standaard onderwaterwereld te starten en actieve communicatie te bevestigen via het rostopische lijstcommando. De beeldverwerkings- en poseschattingsnodes werden geïmplementeerd met Python 3.8 en geïntegreerde ArUco-bibliotheken om relatieve pose te berekenen met OpenCV. De ROS-omgeving was geconfigureerd om afhankelijkheden te beheren en realtime datacommunicatie mogelijk te maken, waardoor de robot zichzelf kon lokaliseren ten opzichte van meerdere kunstmatige markers18. Deze opstelling maakte ook evaluatie van de markeringsdetectieprestaties onder wisselende omstandigheden mogelijk. Figuur 1 illustreert communicatie tussen de simulatie-, waarnemings- en visualisatieknooppunten in de ROS–Gazebo-omgeving.
2. UUV-model en hydrodynamische parameterisatie
Het RexRov2-voertuigmodel werd verkregen uit het uuv_descriptions-pakket en gelanceerd in Gazebo met behulp van het Unified Robot Description Format (URDF) bestand5. Het voertuigmodel bestond uit verbindingen en gewrichten, met een droge massa van 1.863 kg en een volumeverplaatsing van 1,838 m³, wat overeenkomt met bijna-neutraal drijfvermogen in water met een dichtheid van 1.000 kg/m³.
Hydrodynamische effecten werden gemodelleerd met behulp van de uuv_underwater_object_plugin, waaronder lineaire en kwadratische dempingskrachten. De toegevoegde massa-surge-coëfficiënt werd ingesteld op 779,79 en de dempingsparameters werden gekalibreerd op basis van de gerapporteerde RexRov2-eigenschappen om realistische voertuigbeweging19 te simuleren. Figuur 2 toont de algemene simulatiearchitectuur.
Figuur 2: Algemene architectuur van de simulatieomgeving. De figuur toont de integratie van het UUV-model, sensorinvoer, waarnemingspijplijn en besturingsmodules die worden gebruikt voor pose-schatting en navigatie. Klik hier om een grotere versie van deze figuur te bekijken.
3. Camera-, marker- en omgevingsopstelling
Een monoculaire camera was bevestigd aan het rexrov2/camera_link frame. De cameraparameters waren ingesteld op 1280 × 720 pixels en 30 Hz. Intrinsieke parameters werden gedefinieerd in het cameraconfiguratiebestand met een brandpuntsafstand van 554,25 pixels en een hoofdpunt op (640,5, 360,5).
Een vaste verticale ArUco-markering met een zijlengte van 0,5 m, geselecteerd uit het 6×6_250-woordenboek (ID: 582), was geplaatst op coördinaten (20.0, 0.0, -10.0). De gesimuleerde omgeving werd geconfigureerd met een waterdiepte van 10 m en een constante stroomsnelheid van 0,1 m/s in de X-richting met behulp van de /uuv_simulation_app/set_current_velocity ROS-service. Een lichtintensiteit van 0,8 werd gebruikt om de zichtbaarheid van de marker9 te garanderen. Figuur 3 toont de gesimuleerde onderwateromgeving.
Figuur 3: Gesimuleerde onderwateromgeving in Gazebo 9. De omgeving omvat de RexRov2 UUV, virtuele ArUco-markers en gecontroleerde omgevingscondities zoals waterdiepte, verlichting en stroom. Klik hier om een grotere versie van deze figuur te bekijken.
4. Houdingsschatting en navigatiecontrole
De markerdetectiepijplijn werd gestart met behulp van de ArUco ROS-node, die zich abonneerde op het onderwerp /rexrov2/forward_camera/image_raw. De houding van het voertuig werd geschat met behulp van de Perspective-n-Point (PnP) methode om de rotatiematrix (R) en translatievector (t) ten opzichte van de bekende 3D-markergeometrie te berekenen.
De geschatte pose werd getransformeerd van het cameraframe naar het globale referentiekader met behulp van een statische transformatie-uitgever. Een PID-controller werd gebruikt om de voertuigbeweging te regelen door snelheidscommando's te sturen naar het /rexrov2/thruster_manager/input-onderwerp. De proportionele winsten (Kp) voor de surge en heave-assen werden respectievelijk ingesteld op 1500 en 2000 om stabiele trackingprestatieste garanderen.
5. Evaluatie en vergelijking van grondwaarheden
De overeenstemming tussen de op het zicht gebaseerde houdingsschattingen en de gesimuleerde traject werd geëvalueerd met behulp van het onderwerp /rexrov2/pose_gt dat door de uuv_gazebo_ros_p3d-plugin wordt aangeboden. De geschatte pose uit de op ArUco gebaseerde pijplijn werd vergeleken met ground-truth odometriegegevens om de stabiliteit en consistentie van het systeem te beoordelen.
De evaluatie werd uitgevoerd door trajectvergelijking en realtime visualisatie, waarbij positie (X, Y, Z) en oriëntatie (rol, pitch, yaw) werden gemonitord met Rviz en rqt_plot. Dit maakte observatie van afwijkingen mogelijk onder zowel nominale als door verstoring veroorzaakte omstandigheden.
De studie richt zich op kwalitatieve en vergelijkende evaluatie. Kwantitatieve evaluatie met behulp van Root Mean Square Error (RMSE) wordt geïdentificeerd als toekomstig werk, waarbij meerdere simulatieruns worden gebruikt om positie- en oriëntatiefouten te beoordelen.
6. Resultaatgeneratie en visualisatie
Rviz werd gebruikt als een 3D-visualisatietool om het UUV-traject en de houding te monitoren. De /rexrov2/camera_link en /aruco_marker_frame coördinatenframes werden gevisualiseerd om de ruimtelijke relatie tussen het voertuig en de marker2 te beoordelen.
De rqt_plot-tool werd gebruikt om realtime plots van de voertuighouding (roll, pitch, yaw) te genereren met behulp van de onderwerpen /rexrov2/pose_gt en /aruco_pose. Het rosbag-recordcommando werd gebruikt om simulatiegegevens, waaronder videostromen en controle-invoer, vast te leggen voor kwalitatieve analyse.
De simulatie werd uitgevoerd onder ideale visuele omstandigheden, met goede verlichting en lage troebelheid. Men ging ervan uit dat de ArUco-markering onbelemmerd bleef. Hydrodynamische dempingseffecten werden gemodelleerd met vereenvoudigde coëfficiënten, en sensorruis werd niet meegenomen.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Resultaten
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Een gesimuleerde onderwateromgeving werd gebruikt om het voorgestelde ROS–Gazebo-gebaseerde systeem te beoordelen met behulp van de RexRov2 UUV. De golfsimulatieomgeving (Figuur 3) bood een dynamische maar gecontroleerde omgeving voor het evalueren van het op marker gebaseerde pose estimation system.
Figuur 4 illustreert de relatie tussen gedetecteerde ArUco-markers en de resulterende UUV-traject. De ...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Discussie
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
De numerieke waarnemingen ondersteunen de effectiviteit van het voorgestelde kader onder gecontroleerde omstandigheden. De kleine variaties in positie (ongeveer 10⁻2 m) en oriëntatie (ongeveer 10⁻2 rad) wijzen op stabiele houdingstracking. Deze resultaten tonen aan dat ArUco-markers een betrouwbare referentie bieden voor korteafstandslokalisatie6. Daarnaast maken simulatieplatforms het mogelijk om gespecialiseerde datasets te genereren voor r...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Openbaarmakingen
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
De auteurs geven geen belangenconflicten aan met betrekking tot de publicatie van dit artikel.
Bijdrage van de auteur:
Dr. Nirmalajyothi Narisetty bedacht de studie en ontwikkelde de methodologie. Dr. Sirisha Potluri heeft het simulatiemodel ontwikkeld en geïmplementeerd. Dr. P. Aurchana droeg bij aan de interpretatie van de resultaten en herzag en redigeerde het manuscript. Dr. Debnath Bhattacharyya droeg bij aan het experimentele ontwerp, technische discussies, methodologische verfijning en manuscriptbeoordeling. Dr. Tai-hoon Kim bood senior academische begeleiding, technische supervisie en adviserende ondersteuning gedurende het hele onderzoek. De algehele technische ontwikkeling en verfijning van het onderzoekswerk werden onder zijn toezicht uitgevoerd. Alle auteurs lazen en keurden de definitieve versie van het manuscript goed.
Dankbetuigingen
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Deze studie werd financieel ondersteund door Chonnam National University (subsidienummer: 2026-1109-01).
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| ArUco Marker Detection Library | OpenCV | N/A (open-source) | Op vision gebaseerde marker detectie voor pose schatting |
| Gazebo Simulator | Open Robotics | N/A (open-source) | 3D simulatieomgeving voor UUV testen |
| REXROV2 UUV Model | UUV Simulator Project | N/A (open-source) | Voorgedefinieerd UUV model gebruikt voor pose schatting experimenten |
| Robot Operating System (ROS) | Open Robotics | N/A (open-source) | Middleware voor communicatie en controle |
| RViz | Open Robotics | N/A (open-source) | Visualisatie tool voor UUV model en sensor data |
| Ubuntu Linux (20.04 LTS) | Canonical Ltd. | N/A | Besturingssysteem dat ROS en Gazebo ondersteunt |
| UUV Simulator Package | Norwegian University of Science and Technology (NTNU) | N/A (open-source) | ROS–Gazebo onderwater simulatie framework |
Herprints en machtigingen
Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken
Toestemming aanvragen