Utilizing vision-based techniques to aid unmanned cargo ships in the auto-docking scenario

Denne masteroppgaven er en del av et større forskningsprosjekt i samarbeid med NTNU, Fosenregionen, Maritime Robotics og SFI Autoship. Målet med forskningen er å binde mindre urbane regioner av Fosen med autonome cargo fartøyer. For at ubemannede marine cargo systemer kan nå det kommersielle markedet, er det mange mulige utfordringer som må identifiseres og løses. Autonome fartøyer kan enten fortøye til flytende brygger eller til stasjonære kaier. Vi mennesker har evnen til å enkelt kunne justere våre bevegelser til omgivelsene, mens autonome fartøyer har i dag ikke den samme evnen. I tillegg har mennesker evnen til å lokalisere og posisjonere et fartøy til samme lokasjon og utføre vanskelige løfteoperasjoner mellom fartøyet og kaien. For at autonome fartøyer som skal kunne gjøre den samme prosessen uten noen menneskelig medvirkning, kreves det ulike løsninger som sammen gir autonome fartøyer en lignede evne. Denne oppgaven beskriver en kamera-basert metode som identifiserer objekt-markører på en kai og kalkulerer fartøyets orientering relativt til disse når fartøyet nærmer seg. Markørene gir fartøyet informasjon om dens orientering i seks frihetsgrader relativt til kaien i et lokalt referanse system. Objekt-markørene er uavhengige om det er en flytende brygge eller en stasjonær kai. Metoden gjør at fartøyet kan estimere en lokal presis posisjon av kaien uten bruk av ekstern kommunikasjon til fartøyet. Ettersom kamerasystemet har evnen til å gi informasjon over seks frihetsgrader, kan et slikt system gi autonome fartøyer evner til mer komplekse interaksjoner med en docking stasjon, f.eks. robotarmer på fartøyet som flytter cargo mellom fartøy og en docking stasjon. For å verifisere posisjonsestimatene fra kamerasystemet ble det brukt realtids kinematiske måling med en lokal basestasjon. Denne metoden ga en realistisk og et presist sammenligningsgrunnlag til posisjonsestimatene fra kamerasystemet mot fartøyets globale posisjoner. Posisjonene fra kamera systemet ble i tillegg Kalman filtert i et forsøk på å oppnå bedre nøyaktighet og ytelse, men også integrert som et steg nærmere for å bli en del av navigasjonssystemet til et autonomt fartøy. Resultatene fra de gjennomførte eksperimentene viste at systemet under gode forhold fungerte godt, men i mer utfordrende situasjoner, f.eks. mørke eller reflektert lys, gikk ytelsen til systemet ned. Til slutt, blir det gitt forslag til forbedringer