Visual-Inertial Navigation Methods for Planetary Landing

Precise and autonomous landing is a key factor for the development of future missions. To attain this goal, it is of utmost importance to have a precise knowledge of the lander state in terms of position, velocity and attitude. A promising yet underdeveloped technology is Vision-based Navigation, a technique which exploits cameras to increase navigation precision. This work bases on a pre-existing Optical Navigation Algorithm which has been developed at the Dipartimento di Scienze e Tecnologie Aerospaziali of Politecnico di Milano. Focus of this work is to combine this optical algorithm with Inertial Navigation. This objective is achieved using filtering techniques. After a thorough literature study of available possibilities, the Extended Kalman Filter algorithm has been selected. Most of today’s state of the art methods for Optical-Inertial Navigation use a Simultaneous Localization and Mapping approach to the problem: a 3D map of the observed scene is included in the state estimate, at the price of a high computational effort. In this work an alternative approach, based on simple position, velocity and attitude estimation is proposed with a significantly lower computational burden and potentially higher precision. An inertial navigation algorithm is developed. Then, inertial and optical measures are fused together in the Extended Kalman Filter filter framework. The optical update strongly limits the drift typical of pure inertial navigation. At the same time, the 3D map exploited internally by the optical algorithm is implicitly scaled in world coordinates without being included in the state vector. The lander states with respect to the target landing site can easily be determined, making possible Hazard Detection and Avoidance manoeuvres. The optical update process is studied in fine details and a model for optical measurements is proposed. Optical estimation noise modelling has proven to be both very challenging and crucial for the good performance of the algorithm. An important contribution of this work is the development of this noise model: the parameters of this model are learned from six simulated Moon landing scenarios and the validity of the model discussed in details. Finally, simulations are performed to assess the performances of the devised algorithm showing very promising results.

La capacità di effettuare un atterraggio preciso ed autonomo è un fattore chiave per lo sviluppo di future missioni spaziali. Al fine di ottenere questo obiettivo, è di primaria importanza la conoscenza dello stato del lander in termini di posizione, velocità e assetto. Una tecnologia molto promettente ma ancora in fase di sviluppo è la Navigazione Ottica: una tecnica che sfrutta le immagini per migliorare le stime di navigazione. Questo lavoro è basato su un algoritmo di Navigazione Ottica sviluppato al Dipartimento di Scienze e Tecnologie Aerospaziali. L’obiettivo di questo lavoro è la combinazione di tale algoritmo a tecniche di Navigazione Inerziale, obiettivo raggiunto tramite tecniche di filtraggio. Dopo un’attenta analisi della letteratura sui filtri, un Filtro Esteso di Kalman è stato selezionato come possibile soluzione. La maggior parte degli algoritmi di Navigazione Ottico-Inerziale utilizza un metodo detto di Localizzazione e Mappatura Simultanea il quale consiste nella creazione di una mappa tridimensionale della scena osservata, ottimizzata dal filtro. In questo lavoro viene proposto un approccio alternativo basato sulla determinazione di solo posizione velocità e assetto, con significativo guadagno computazionale e migliorate prestazioni. Un algoritmo di navigazione inerziale è sviluppato e le misure inerziali sono fuse a quelle ottiche tramite il Filtro Esteso di Kalman. L’utilizzo delle misure ottiche permette di limitare la deriva tipica delle misure inerziali e, allo stesso tempo, la mappa tridimensionale costruita dall’algoritmo ottico viene implicitamente scalata senza la necessità di includere il fattore di scala nel vettore di stato. In questo modo le informazioni di mappa e stato possono essere utilizzate per manovre di Hazard Detection and Avoidance (individuazione ed elusione dei pericoli). Il processo di inclusione delle misure ottiche è studiato in dettaglio ed un modello per l’interpretazione degli errori di queste misure è proposto. La creazione di un modello preciso è di fondamentale importanza per le prestazioni dell’algoritmo. Dopo la derivazione del modello, i parametri necessari alla sua descrizione sono stimati da simulazioni effettuate su sei scenari di atterraggio lunare e la validità del modello è discussa in dettaglio. Il lavoro si conclude con i risultati di simulazioni dell’algoritmo proposto, i quali mostrano risultati molto promettenti.