Inspección visual subacuática mediante robótica submarina
Publicado en .2012; 09 :34-45 - vol.09 núm 01
Resumen
Resumen
Este artículo presenta una aplicación industrial de robótica submarina que consiste en un sistema para realizar inspecciones visuales del fondo subacuático. El sistema consta de un robot submarino para adquirir imágenes visuales a poca distancia (1-2 metros) de la superficie a inspeccionar y un localizador submarino instalado en una embarcación o boya. Este localizador permite conocer la posición absoluta del robot durante la inspección y se basa en un sistema acústico de tipo USBL (Ultra Short Base Line), una unidad de navegación inercial (INS) y un GPS. Además, el robot tiene su propio sistema de navegación a bordo, basado en EKF, que utiliza un sensor de velocidad basado en efecto Doppler y una INS con un giroscopio de fibra óptica (FOG). La arquitectura de control del robot permite realizar la inspección de forma teleoperada, semi-autónoma o completamente autónoma. El robot puede realizar inspecciones de superficies 2D verticales y horizontales. Una vez adquiridas las imágenes y todos los datos de navegación y percepción, se realiza un proceso fuera de linea de fusión de los datos y procesado de las imágenes que concluye con la generación de un mosaico 2D georeferenciado de la superficie inspeccionada. El artículo detalla las tecnologías desarrolladas y describe una campaña realizada en el embalse de Mequinenza (Aragón) para detectar poblaciones de mejillón cebra.
Palabras clave vehículos autónomos. sistemas marinos. control inteligente. navegación de robots. visión de robots.
Introducción
Referencias no citadas
(Arkin, 1998), (Bay et al., 2006), (Brokloff, 1994), (Carreras et al., 2007), (Cote and Lavallee, 1995), (Ferrer et al., 2007), (Fischler and Bolles, 1981), (Fossen, 1994), (Kalman, 1960), (Kazhdan and Hoppe, 2008), (Leonard and Rikoski, 2001), (Palomeras et al., 2009), (Poupart et al., 2000), (Prados, 2007), (Ribas et al., 2007), (Ribas et al., 2010), (Ridao et al., 2004), (Ridao et al., 2010a), (Ridao et al., 2010b), (Smith et al., 1990) and (Tao et al., 2005).
Recibido 1 Junio 2011
Recibido 22 Noviembre 2011
Aceptado 24 Noviembre 2011
Bibliografía
1. Arkin, R.C., 1998. Behavior-Based Robotics. The MIT Press, Cambridge, MA, USA.
2. Bay, H., Tuytelaars, T., Gool, L.V., may 2006. SURF: Speeded up robust features. In: European Conference on Computer Vision. Graz, Austria, pp. 404-417.
3. Brokloff, N.A., September 1994. Matrix algorithm for Doppler sonar navigation. In: Proceedings of the Oceans MTS/IEEE. Vol. 3. Brest, France, pp. 378-383.
4. Carreras M, Yuh J, Batlle J, Ridao P. Application of sonql for real-time learning of robot behaviors. Robotics and Autonomous Systems. 2007; 55(8):628-42.
5. Cote, J., Lavallee, J., 1995. Augmented reality graphic interface for upstream dam inspection. In: Proceedings of SPIE Telemanipulator and Telepresence Technologies II. Vol. 2590. Philadelphia, PA, pp. 33-39.
6. Ferrer, J., Elibol, A., Delaunoy, O., Gracias, N., García, R., November 2007. Large-area photo-mosaics using global alignment and navigation data. In: Proceedings of the Oceans MTS/IEEE. Vancouber, Canada, pp. 1-9.
7. Fischler MA, Bolles RC. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM. 1981; 24(6):381-95.
8. Fossen, T.I., 1994. Guidance and Control of Ocean Vehicles. John Wiley & Sons Ltd.
9. Kalman, R.E., March 1960. A new approach to linear filtering and prediction problems. Transactions of the ASME, Journal of Basic Engineering 82 (Series D), 35-45.
10. Kazhdan, M.M., Hoppe, H., 2008. Streaming multigrid for gradient-domain operations on large images. ACM Trans. Graph. 27 (3).
11. Leonard, J.J., Rikoski, R.J., 2001. Incorporation of delayed decision making into stochastic mapping. Vol. 271. Springer Verlag, pp. 533-542.
12. Palomeras, N., Ridao, P., Carreras, M., Silvestre, C., 2009. Using petri nets to specify and execute missions for autonomous underwater vehicles. In: International Conference on Intelligent Robots and Systems. St. Louis, MO, pp. 4439-4444.
13. Poupart, M., Benefice, P., Plutarque, M., November 2001. Subacuatic inspections of EDF (Electricite de France) dams. In: OCEANS, 2000. MTS/IEEE Conference and Exhibition. Vol. 2. pp. 939-942.
14. Prados, R., May 2007. Image blending techniques and their application in underwater mosaicing. Master's thesis, University of Girona.
15. Ribas, D., Palomer, N., Ridao, P., Carreras, M., Hern‘andez, E., April 2007. Ictineu AUV wins the first SAUC-E competition. In: Proceedings of the IEEE International Conference on Robotics and Automation. Roma, Italy, pp. 151-156.
16. Ribas, D., Ridao, P., Neira, J., 2010. Underwater SLAM for Structured Environments Using an Imaging Sonar. No. 65 in Springer Tracts in Advanced Robotics. Springer Verlag.
17. Ridao, P., Batlle, E., Ribas, D., Carreras, M., November 9-12 2004. NEPTUNE: A HIL simulator for multiple UUVs. In: Proceedings of the Oceans MTS/IEEE. Vol. 1. Kobe, Japan, pp. 524-531.
18. Ridao P, Carreras M, García R, Ribas D, Batlle J. Advancing underwater robotics. International Water Power & Dam Construction. 2010; 62(5):40-3.
19. Ridao P, Carreras M, Ribas D, García R. Visual inspection of hydroelectric dams using an autonomous underwater vehicle. Journal of Field Robotics. 2010; 27(6):759-78.
20. Smith, R., Self, M., Cheeseman, P., 1990. Estimating uncertain spatial relationships in robotics. In: Autonomous robot vehicles. Springer-Verlag New York, Inc., New York, NY, USA, pp. 167-193.
21. Tao, 2003. TAO Developer's Guide Version 1.3a. Vol. 2. Object Computing Inc. Thrun, S., Burgard, W., Fox, D., 2005. Probabilistic Robotics. The MIT Press.
Carreras, Marca; Ridao, Perea; García, Rafaela; Ribas, Davida; Palomeras, Narcísa
aInstituto de Informática y Aplicaciones, Universidad de Girona, Campus Montilivi, 17071 Girona, Spain
