Estimation of AUV position and attitude based on multi-sensor fusion

This paper mainly focus on the position and attitude estimation of AUV based on multi-sensor data fusion. The study includes the basic structure of multi-sensor data fusion systems, attitude and position calculating model based on inertial navigation system, single-camera vision system and USBL positioning system, an improved D-S evidence fusion method based on TOPSIS and its application on image segmentation, as well as the state estimation algorithm based on studies above. Position and attitude estimation is the key point in the docking of AUV. In view of the complexity of underwater environment, such as heavier noise interference, data received by sensors may be not accurate enough, and under special circumstances, the sensor data can severely distort. In order to improve the accuracy and reliability of attitude and position estimation, data fusion of multiple sensors is required. For the estimation and attitude estimation in short range, the inertial navigation sensors and monocular camera are chosen, and firstly the positioning model of monocular camera was modified for better accuracy. Considering the underwater light scattering, a single feature may not be accurate enough in the image feature extraction, so several features are fused to segment the region of reference lights. Common fusion methods require relatively clear prior knowledge, which is hard to obtain in actual cases, and their performances can be poor when dealing with systems with strong uncertainties. In this regard, D-S evidence theory has fewer demands and constraints on prior information, and is good at dealing with uncertain information. However, due to the fact that its classic evidence combination rule often produces results inconsistent with intuition when processing evidences with high conflict, the application of classic D-S method is limited. In order to apply D-S evidence theory to image feature fusion, a new discounting evidence method based on TOPSIS is proposed in this paper for highly conflicting cases. The feasibility of this method is verified through simulation and comparison with similar methods proposed in these years. When the lights are segmented based on fused feature, the Blob operator is used to locate the centroids of guiding lights, which are also the basis of three-dimensional positioning based on the modified monocular camera model. After obtaining the attitude and position from inertial components and monocular camera separately, the error state model of attitude estimation and state model of position estimation are built respectively. By fusing the accelerometer and magnetometer data together with gyroscope data, and fusing the monocular camera data with accelerometer data, integrated attitude and position estimation is conducted. In the relatively long range, the inertial navigation unit and acoustic positioning system are combined to estimate the position of AUV. To compensate the accumulated error of dead reckoning, the positioning based on USBL system is introduced, and the main sources of error are analyzed. On that basis, the filtering models are built and the position of AUV is estimated through a weighting fusion algorithm. Besides, considering the fluctuation of noise, the Sage-Husa algorithm is used to achieve adaptive Kalman filter. The effectiveness of proposed algorithms is validated by simulation and experiment. In the process of research, some deficiencies were found and discussed, and some prospects for further research were proposed.

Questo tesi studia principalmente l'atteggiamento dell'AUV e la stima della posizione basata sulla fusione di dati multi-sensore, inclusa la struttura di base del sistema di fusione multi-sensore, modello di calcolo della posa inerziale, visione monoculare, modello di posizionamento acustico subacqueo USBL, algoritmo D-S basato su prove evidence based su TOPSIS e la sua applicazione nella segmentazione dell'immagine e algoritmo di stima dello stato AUV basato sulla ricerca di cui sopra.La stima di posa sott'acqua AUV è la tecnologia chiave del recupero a distanza ravvicinata. A causa del complesso ambiente sottomarino e dell'esistenza di rumore e altri fattori, l'accuratezza dei dati di vari sensori spesso diminuisce. In alcuni casi, si discosta anche seriamente dal valore reale, che ha una forte incertezza.La fusione di informazioni multi-sensore può migliorare l'accuratezza e l'affidabilità della stima della posa in una certa misura.A distanza ravvicinata, la navigazione inerziale e la visione monoculare vengono selezionate per completare la stima di posa combinata e il modello di posizionamento della visione monoculare viene modificato in una certa misura. In vista della grave dispersione della luce subacquea, la singola funzione potrebbe non essere sufficientemente accurata, quindi questo tesi fonde varie misure per estrarre la fonte di luce di riferimento dall'immagine visiva.Al momento, gli algoritmi di fusione comunemente utilizzati spesso richiedono forti informazioni preliminari e le loro prestazioni sono scarse quando si affrontano forti incertezze. La teoria delle prove D-S ha meno requisiti e vincoli sulle informazioni preliminari e ha i suoi vantaggi nel trattare l'incertezza.Basato sul processo decisionale dell'intervallo di TOPSIS, questo tesi propone un metodo di dimostrazione dello sconto D-S migliorato e ne verifica la fattibilità e l'efficacia attraverso la simulazione numerica e il confronto dei risultati.Dopo la segmentazione dell'immagine basata sull'algoritmo di fusione, questo tesi utilizza l'operatore Blob per individuare la sorgente luminosa guida e calcola le coordinate relative tridimensionali basate sul modello di visione monoculare modificato.Puntando sui risultati della navigazione inerziale e della stima della posa della visione monoculare, vengono costruiti il modello dello stato di errore per la stima degli assetti e il modello di stato per la stima della posizione. Il giroscopio viene modificato dai dati dell'accelerometro e del magnetometro e l'accelerometro viene modificato dal risultato della posizione visione monoculare. Viene proposto un algoritmo di stima della posa in fusione basato sul filtro di Kalman.Mirando a lunga distanza, combinato con la navigazione inerziale e il posizionamento USBL, l'errore cumulativo della stima di assetto viene compensato dai risultati di posizionamento acustico sott'acqua. Questa parte introduce il principio del posizionamento USBL, analizza le principali fonti di errore, utilizza la fusione ponderata per filtrare e stimare e utilizza l'algoritmo Sage-Husa per realizzare un filtro di Kalman considerando l'incertezza del rumore.Infine, il metodo proposto è verificato mediante simulazione ed esperimento. Nel corso della ricerca sono state anche trovate e riassunte alcune carenze e sono state prospettate alcune prospettive per ulteriori ricerche.