Autonomous visual-LIDAR SLAM at asteroids

Autonomous navigation around small celestial bodies, such asteroids, presents unique challenges due to weak gravitational fields and highly irregular topography. In this context, this thesis introduces a Visual–LiDAR Simultaneous Localization and Mapping (SLAM) framework specifically designed for spacecraft operating in such environments. The proposed system aims to provide an autonomous estimation of the spacecraft state and the reconstruction of the asteroid map, relying only on lightweight and low power sensors. The architecture combines measurements from a monocular camera and a one dimensional laser range finder within a unified probabilistic framework based on factor graph optimization. This formulation allows for a tight fusion of visual and range information, effectively resolving the inherent scale ambiguity of monocular vision and improving the metric consistency of the reconstructed environment. The algorithm employs an incremental smoothing approach (iSAM2) to jointly estimate spacecraft poses, landmark positions, and velocities as new data become available, ensuring real-time operation and computational efficiency. A robust initialization procedure and an adaptive scale-recovery mechanism enable reliable performance even when range information is initially sparse or not available. The framework has been validated through realistic simulation campaigns reproducing the dynamics and illumination conditions of asteroid environments. The results demonstrate the system capability to maintain stable and accurate estimation recover geometric consistency, and generate coherent 3D reconstructions of the local surface. In addition, Monte Carlo analyses were conducted to evaluate the robustness of the estimator against inter-sensor calibration perturbations and initialization scale errors. The framework consistently reconverged toward unbiased solutions even under significant injected uncertainties, confirming its resilience to sensor misalignment, imperfect calibration, and scale drift.

La navigazione autonoma in prossimità di piccoli corpi celesti, come gli asteroidi, presenta sfide uniche dovute ai deboli campi gravitazionali e alla forte irregolarità topografica delle superfici. In questo contesto, la presente tesi introduce un sistema visivo-LiDAR di localizzazione e mappatura simultanea (SLAM) specificamente sviluppato per l’impiego a bordo di veicoli spaziali operanti in tali ambienti. L’obiettivo del sistema è fornire una stima autonoma dello stato del veicolo e la ricostruzione della mappa dell’asteroide, utilizzando esclusivamente sensori compatti e a basso consumo energetico. L’architettura proposta combina misure provenienti da una camera monoculare e da un telemetro laser monodimensionale all’interno di un’unica formulazione probabilistica basata su ottimizzazione tramite grafo dei fattori. Tale approccio consente una fusione tra informazione visiva e dati di distanza, risolvendo efficacemente l’ambiguità di scala tipica dei sistemi monoculari e migliorando la coerenza metrica della ricostruzione tridimensionale dell’ambiente. L’algoritmo impiega una strategia di risoluzione incrementale (iSAM2) per stimare congiuntamente le pose del veicolo, le posizioni dei landmark e le velocità man mano che nuovi dati vengono acquisiti, garantendo prestazioni in tempo reale e d'efficienza computazionale. Una procedura di inizializzazione robusta e un meccanismo adattivo di recupero della scala assicurano affidabilità anche in condizioni di informazione di distanza scarsa o assente. Il sistema è stato validato attraverso campagne di simulazione realistiche che riproducono la dinamica e le condizioni di illuminazione tipiche dell’ambiente asteroidale. I risultati dimostrano la capacità del sistema di mantenere stime stabili e accurate, recuperare la consistenza geometrica e generare ricostruzioni tridimensionali coerenti della superficie locale. Inoltre, analisi Monte Carlo sono state condotte per valutare la robustezza dello stimatore rispetto a errori di intercalibrazione tra sensori e incertezze nella scala iniziale. Il sistema ha mostrato un’elevata capacità di riconvergenza verso soluzioni non affette da deviazioni anche in presenza di perturbazioni significative, confermando la sua resilienza rispetto a disallineamenti sensoriali, calibrazioni imperfette e deriva di scala.