Sonar EKF-SLAM and mapping in an structured underwater environment

En av de store utfordringene for autonome undervans farkoster idag er navigering i lengre perioder uten og g˚a opp til overflaten for og korrige posisjons estimatione ved hjelp av GNSS. En ny teknikk som kan være i stand til og løse dette problemet er direkte oversatt til norsk simultan lokalisering og kartlegging(SLAM). Det har vært flere undervanns SLAM metoder foresl˚att med varierende resultat. En av utfordringene i et undervanns miljø er nødvendigheten av og benytte sonar istedenfor kamera eller lidar som fungerer d˚arlig i vann. Selve utfordringen kommer fra at det er vanskelig og finne robuste landemerker med sonar da utsende p˚a et objekt vil variere mye basert p˚a synsvinkelen. I denne rapporten er en EKFSLAM algoritme som benytter en fremover pekende bilde sonar implementert og sammenlignet med en state-of-the-art EKF. Algoritmen benytter en modifisert Hugh Transform for og hente ut linjer fra sonar skannene som blir brukt som landemerker. Datasettene algortimene blir testet p˚a er samlet under tre forkjellige eksperiment i et innendørs basseng, og tar for seg hvordan de to metodene h˚andterer lineær bevegelse, mye rotasjon og estimering over en 20 minutters periode. Resultaet viste at EKF-SLAMen og EKF fungerte like bra som hverandre under linær bevegelse og under mye rotasjon. Det var derimot merkbar forkjell under 20 minutters testen, der klarte EKF-SLAM og eliminere det meste av driften EKF algoritmen bygde opp. I dette eksperimentet endte EKF en opp med en absolutt error p˚a 2.5 meter etter 20 minutter, mens EKF-SLAM sin absolutt error var p˚a under 0.5 meter. I tillegg til state estimeringen EKF-SLAM gjenomfører finner den ogs˚a landemerker som kan settes inn i et kart. I denne rapporten blir det forsl˚att et eksperiment for og direkte konvertere camera-pixler til sonar vinkler ved og samle et dataset og s˚a tilpasse et tredje grads polynom til datasettet. M˚alet med denne mappingen er og sette inn objekter som blir funnet i kamera bilde inn i kartet som blir skapt av SLAM algoritmen. En prototype av denne mappingen ble implmentert og testet i en simulert verden. Denne testen ga positive resultater, og vidre utvikling kan vurders.