A novel framework for model-based discrete coverage path planning for AUVs

Abstract

A inspeção subaquática tem um papel fundamental em áreas como a biologia marinha, arqueologia subaquática, exploração de hidrocarbonetos, instalações industriais como represas, pontes ou áreas de turbinas eólicas offshore e, até mesmo, segurança nacional. Geralmente as inspeções são realizadas por mergulhadores especializados ou veículos operados remotamente (ROVs). No entanto o uso de veículos subaquáticos autônomos (AUVs) pode reduzir drasticamente os custos de operação, além de oferecer operações mais seguras em comparação com os demais métodos. Entretanto, os AUVs têm sido empregados, quase que exclusivamente, para batimetria ou outros tipos de investigação 2D, principalmente devido a simplicidade das trajetórias executadas (geralmente limitadas para seguir o perfil do fundo do mar a uma certa altitude). Isto impossibilita o uso de AUVs, com segurança, para inspecionar áreas com alto relevo ou estruturas complexas. As missões de inspeção, normalmente envolvem o planejamento do caminho de cobertura, que consiste em gerar um caminho livre de colisão que garanta a cobertura completa de uma região de interesse. O planejamento do caminho de cobertura (CPP) nas tarefas de inspeção pode ser dividido em duas categorias: discreta e contínua. O CPP discreto busca encontrar o número mínimo de pontos de vista para cobrir completamente uma região de interesse e depois conectar esses pontos. Muitos dos algoritmos de inspeção para estruturas complexas são discretos. Por outro lado, o CPP contínuo realiza uma detecção ininterrupta ao longo da rota a ser seguida. Para executar um CPP, deve-se levar em consideração as restrições do veículo e do sensor, bem como do ambiente. Nesta tese, é proposta uma nova abordagem de CPP discreto baseada em um modelo que divide a tarefa em duas etapas de otimização: encontrar o menor número de pontos de vista para cobrir o objeto e a ordem e o caminho para alcançá-los. Essa abordagem permite obter resultados satisfatórios em pouco tempo para ambientes complexos. O método proposto é avaliado em simulações usando o Gazebo e o Girona 500 AUV. A abordagem empregada considera que não é realista considerar que 100 % de cobertura é sempre possível e, às vezes, simplesmente não é desejável. Além disso, propõem-se um algoritmo para selecionar os pontos de vista com base em um índice de qualidade de dados proposta, buscando minimizar o ruído nos dados coletados. Também estima-se a cobertura levando em consideração o pior caso de incerteza, o que é um problema-chave no planejamento da cobertura e do planejamento de vista. A incerteza de posição é especialmente difícil no ambiente subaquático porque a falta de GPS ou de outros sistemas globais de localização faz com que o erro de posição dos sistemas de sensores cresça durante a inspeção. Por isso, avaliou-se os algoritmos de planejamento de caminhos de cobertura discreta utilizando um modelo. A estimativa de cobertura com ou sem incerteza foi testada e produziu resultado satisfatório, embora estimar a cobertura máxima seja um processo exaustivo.

Abstract: The inspection of underwater structures plays a key role in areas like geology, marine biology, underwater archaeology, industrial facilities such as oil fields, dams, bridges or offshore wind turbine areas and, even homeland security. These inspections are generally performed by specialized divers or remotely operated vehicles (ROVs) but the use of autonomous underwater vehicles (AUVs) can highly reduce the costs to perform these tasks. Despite the progressive adoption of AUVs to carry out 2D surveys, the simplicity of the trajectories executed (usually limited to follow the profile of the seabed at a certain altitude) makes it impossible to safely use AUVs to inspect areas with a high 3D relief or complex structures. Typically, inspection missions involve coverage path planning, which is the task responsible to generate a collision-free path that ensures the complete coverage of a region of interesting in order to gather highly accurate data to allow the inspection. Coverage path planning (CPP) in inspection tasks and bathymetry mapping can be divided into two categories: discrete and continuous. Discrete CPP looks to find the minimal number of viewpoints to completely cover a region of interest and then connect those points; many of the inspection algorithms to complex structures are discrete. In contrast, continuous CPP perform an uninterrupted sensing along the route to be followed and most of AUV surveys are continuous CPP. To perform a CPP we must take into account the vehicle and sensor constraints, as well as, the environment. In this thesis we proposed a novel model-based discrete CPP approach that split this task in two optimizing steps: the number of viewpoints to cover the object and the order and path to reach them. This approach allows us to obtain satisfactory results in a short time for large and complex environments. The proposed method is evaluated in simulations using Gazebo and the Girona 500 AUV. Our approach takes for that it is unrealistic to consider that 100% coverage is always possible and sometimes it is just not desirable. Even more, we proposed an algorithm to select the viewpoints based on a data quality index proposed by us, looking to minimize the noise on the multibeam data gathered. We, also, estimate the coverage taking into account the worst case of pose uncertainty which is a key problem in coverage and viewpoint path planning. The pose uncertainty it is specially difficult in the underwater environment because the lack of GPS or others global localization systems makes the position error of the sensors systems grows up during the inspection. Because of it we must evaluate on modelbased discrete coverage path planning algorithms. The coverage estimation with or without uncertainty have been tested and produced satisfactory result although estimate the maximum coverage is a very time consuming process.