Podvodna lokalizacija korištenjem sonarske detekcije prostornih značajki

master's thesis

• Title (english): Underwater Localization Using Sonar Landmark Detection
• Author: Nikola Filip Fijan
• Mentor: Nikola Mišković (mentor)
• Committee member: Nikola Mišković (predsjednik povjerenstva)
• Committee member: Branimir Novoselnik (član povjerenstva)
• Committee member: Đula Nađ (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2021-07-16, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Electrical Engineering

Abstract

Podvodna lokalizacija jedan je od najvećih izazova u podvodnoj robotici. Zbog nemogućnosti korištenja uobičajenih senzora i sustava za pozicioniranja kao što je GNSS pod vodom, podvodni roboti nerijetko za određivanje pozicije koriste proprioceptivne senzore kao što su inercijske mjerne jedinice, Doppler brzinomjere ili slično. Poteškoća s kojom se podvodni roboti susreću jest da tako prikupljeni podaci vrlo brzo akumuliraju lokalizacijsku pogrešku koju često nije moguće kompenzirati sve do sljedećeg izrona. U ovom radu je pokazano kako se sonar može koristiti za percepciju podvodnog prostora te detekciju poznatih objekata ili obilježja podmorja. Sonarom je snimljen skup objekata u kontroliranim uvjetima kako bi se generirao skup podataka. Na skupu podatak je trenirana konvolucijska neuronska mreža tako da raspozna pod kojim kutem u odnosu na objekte se nalazi. U pravom svijetu bi se mogla primijeniti konvolucijska neuronska mreža za korekciju pozicije robota u odnosu na detektirane objekte. Pod pretpostavkom da je poznat 3D model podvodnog okruženja ili objekta od interesa, skup podataka se može umjetno generirati te mreža istrenirati prije samog zarona na lokaciji.

Abstract (english)

Underwater localization is one of the biggest challenges in underwater robotics. Due to the impossibility of using conventional sensors and positioning systems such as GNSS underwater, underwater robots often use proprioceptive sensors such as inertial measurement units, Doppler velocity meters or the like to determine their position. The difficulty encountered by underwater robots is that the positioning data collected in this way accumulates a localization error very quickly, which often cannot be compensated until the next ascent. This paper shows how sonar can be used for the perception of underwater landmarks and the detection of known objects or features of the seabed. A sonar was used to record a set of objects under controlled conditions to generate a dataset. Using the dataset, a convolutional neural network is trained to recognize at what angle it is in relation to the objects. In the real world, a convolutional neural network could be applied to correct the position of a robot relative to detected objects. Assuming that we have 3D model of the underwater environment or object of interest, the dataset can be artificially generated and the network trained before the dive on the site.

• Keywords: relativna lokalizacija; sonar; konvolucijske neuronske mreže; podvodna lokalizacija; sonar skup podataka
• Keywords (english): relative localization; sonar; convolutional neural networks; underwater localization; sonar dataset
• Language: croatian
• URN:NBN: urn:nbn:hr:168:228025
• Study programme: Title: Electrical Engineering and Information Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-13 09:58:38