Exploring Simultaneous Localization and Mapping for Multiple Autonomous Underwater Vehicles : Resampling strategies in a Rao-Blackwellized particle filter implementation

Bathymetric data, used to map the depths of the oceans, is a crucial resource with varying quality. It is necessary to make informed decisions about marine infrastructure, guarantee maritime safety, understand ecological constraints and further explore uncharted areas. To improve the resolution of the collected data and avoid expensive deployment operations, the Autonomous Underwater Vehicle (AUV) has emerged as a self-contained robotic agent to survey the ocean depths. Due to the limitations of electromagnetic communications in the underwater domain, conventional solutions to localization, like Global Positioning System (GPS), are absent. This forces the AUV to incorporate alternative localization techniques. Simultaneous Localization And Mapping (SLAM) is a collection of algorithms that can use exteroceptive sensors and vehicle dynamics information to generate a map while localizing the robot in that map by modeling various stochastic processes. Using multiple AUVs, larger areas can be surveyed more efficiently to collect the precious bathymetric data. However, this poses a challenge in implementing the SLAM techniques onboard each AUV. In this report, a multi-agent expansion of the Rao-Blackwellized Particle Filter (RBPF) online SLAM algorithm is developed and implemented in a simulation environment. Each AUV is equipped with a Forward Looking Sonar (FLS) to identify neighbors and a MultiBeam EchoSounder (MBES) to collect the bathymetric data. Specifically, different resampling techniques of the RBPF using AUV relative measurements and the effect of inter-AUV communications are explored. The findings of this report support mitigation of the drift between the neighbor AUVs compared to simply using Dead Reckoning (DR). This allows for improved swarm coverage during bathymetric surveys. Furthermore, when comparing different resampling techniques of the studied RBPF, they show no significant difference in performance. Neither do the effects of enabling the inter-AUV
Batymetridata är en värdefull resurs som används för att kartlägga världens hav. Kartorna är nödvändiga för att kunna genomföra informerade beslut om marin infrastruktur, garantera säkerhet vid marin navigation, förstå biologiska system och för att kartlägga outforskade områden viktiga för mänsklighetens expansion. Autonoma undervattensfarkoster är en robotplattform som har utvecklats för att förbättra upplösningen av kartorna samt för att undvika installation av komplex infrastruktur. I undervattensdomänen är elektromagnetisk kommunikation begränsad, vilket innebär att globala satellit-positioneringssystem inte kan användas. Detta gör att autonoma undervattensfarkoster behöver alternativa lösningar för att bestämma deras position. Genom att modellera stokastiska processer kan vissa tekniker simultant generera en karta och lokalisera en farkost i den med hjälp av externa sensorer och farkostens dynamik. Den värdefulla batymetridatan kan insamlas mer effektivt över större ytor om flera undervattensfarkoster samarbetar, detta innebär dock en implementeringsutmaning av den simultana lokaliseringsoch kartläggningstekniken. I denna rapport utvidgas en Rao-Blackwellizedvariant av en simultan lokalisering- och kartläggningsteknik där flera autonoma undervattensfarkoster ska förbättra deras relativa positionering. En metod utvecklas och implementeras i en simulator. Varje farkost är utrustad med en framåtriktad sonar för att identifiera grannar och ett flerstråligt ekolod för att mäta batymetridata. Olika omprovtagningstekniker och kommunikationsmetoder mellan farkoster undersöks speciellt. Jämfört med enkel död räkning så förbättras den relativa lokaliseringen när metoden utvecklad i denna rapport används, vilket förbättrar farkosternas svärmbeteende. De olika typerna av omprovtagning som jämförs visar ingen betydlig skillnad i effekt. Detta gäller även undersökningen av kommunikation mellan farkosterna i simuleringsmiljön. Framtida utveckling av dessa resultat inkluderar