Simultaneous localization and mapping applied to an airship with inertial navigation system and camera sensor fusion

This thesis handles the problem of Simultaneous Localization an Mapping (SLAM) applied to airships by sensor fusion between Inertial Measurement Unit (IMU) and a Vision system (mono or stereo cameras). The simultaneous localization and mapping problem asks if it is possible for a mobile robot to be placed at an unknown location in an unknown environment and to incrementally build a consistent map of this environment while simultaneously determining its location within this map. Lighter-than-atmosphere (LTA) systems provide signi?cant advantages for planetary exploration due to their potential for extended mission duration, long traverse, and extensive surface coverage capabilities. Robotic airships, in particular, are ideal platforms for airborne planetary exploration. Airships have modest power requirements, and combine the extended airborne capability of balloons with the maneuverability of airplanes or helicopters. A consistent dynamical model has been developed which include aerodynamic, actuators and enviromental modelling. The aerodynamic model proposed uses the integration of the added mass contribution to estimate pressure forces and moments due to potential ?ow, while explicit form for aerodinamic forces has been derived to compute viscous effects on the hull. The state-based formulation of the SLAM involves the estimation of a joint state and its computational complexity scales quadratically with the number of landmarks. First implementations adopted the classic EKF to build a consistent map of a unknown landscape by IMU measurement as inputs for the system and stereo camera to provide bearing and range measurements. As the number of landmark increased less performant become the estimation process, so in order to manage large maps a variation of the EKF has been implemented: the Compressed Extented Kalman Filter. Both EKF and CEKF solutions has been tested vitually in a Titan simulated enviroment, using the dynamical data of the Titan Explorer airship produced by the dynamics and control simulator. In order to go beyond the limits of a stereo system given by increasing errors at higher altitudes, a SLAM techique based on single camera measurement has been developed. Here for every new landmark measured, a sub?ltering process is invoked to estimate the depth of the landmark.

Questo lavoro di tesi affronta il problema dello SLAM (Simultaneous Localization and Mapping) come strumento di navigazione autonoma per dirigibili (detti in generale veicoli LTA, lighter-than-atmosphere ). La problematica dello SLAM è veri?care se è possibile per un robot essere collocato all’interno di un luogo sconosciuto, in una posizione sconosciuta, e di costruirne incrementalmente, muovendosi all’interno di esso, una mappatura consistente determinando la sua posizione all’interno di essa. I dirigibili sono delle piattaforme strategiche in quanto hanno bassi requsiti energetici, permettono missioni più longeve e possono attraversare vasti territori inacessibili ai rover. La loro controllabilità permette la piani?cazione di traiettorie ad-hoc per lo studio delle super?ci planetarie per lunghe distanze potendo variare la proria altezza operativa a seconda delle necessità. In questo lavoro è stata analizzata la dinamica del dirigibile mediante la scrittura e la risoluzione numerica delle equazioni del moto e sono stati validati alcuni risultati salienti implementando un modello dinamico proveniente da recenti pubblicazioni sullo studio dei veicoli marini. Le forze aerodinamiche ”potenziali” dovute alla pressione del ?uido sono modellate mediante l’integrazione della dinamica della massa virtuale, mentre i contributi viscosi sono stati ottenuti mediante relazioni semi-empiriche note dalla letteratura. E’ stato affrontato lo studio e l’implementazione della soluzione al problema dello SLAM sia mediante l’utilizzo del ?ltro di Kalman esteso classico, (Extended Kalman Filter ), che mediante la sua variante compressa CEKF (Compressed Extended Kalman Filter ). Quest’ultima è di grande applicabilità nel caso la mappa contenga un numero di landmark tale da rendere troppo elevato il costo computazionale e quindi si renda necessario la suddivisione in sottomappe del landscape in esame.