Dissertação
Vision-based control of ROV/AUVs EVALUATED
Visual Servoing (VS) é uma técnica de controlo que utiliza o feedback de uma imagem para controlar o movimento de um robot e e amplamente utilizada em meios dinâmicos e em veículos subaquáticos não tripulados (UUVs), como Veículos Remotamente Operados (ROVs) e Veículos Autónomos Subaquáticos (AUVs). No entanto, os sistemas tradicionais de VS falham em atingir um controlo eficiente em ambientes subaquáticos complexos, uma vez que estimar a matriz de interação, Ls, é uma tarefa exigente. Alem disso, os sistemas de VS sofrem frequentemente de perda de features devido às restrições do campo de visão (FOV). Esta tese propõe duas abordagens de servo visual adaptativo baseado em imagem (IBVS) para superar estas limitações, através da estimativa de um ganho de servo adaptativo. A primeira abordagem recorre a funções que dependem da norma do erro das features e implementa uma condicção que aumenta a velocidade do veículo ao atingir uma profundidade específica em relação às features. A segunda abordagem aplica deep reinforcement learning, com um modelo IBVS baseado em Deep Q-Network (DQN). Define-se um modelo de Markov, onde um agente e utilizado para ajustar dinamicamente o ganho linear do servo, enquanto o ganho angular do servo e mantido constante. São efetuadas simulações no ROS/Gazebo para demonstrar a eficácia dos algoritmos na tarefa de acoplagem (docking) de um ROV utilizando apenas uma camera monocular. O ROV utilizado é o BlueRov2 Heavy da Blue Robotics, cujos parametros hidrodinâmicos foram estimados através do método de Eidsvick.
dezembro 6, 2024, 9:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
António Manuel dos Santos Pascoal
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado Aposentado
