Toward autonomous visual docking: a visual based solution for underwater drones

Autonomous underwater vehicles (AUVs) are increasingly relied upon by the oil and gas industry to perform inspection, maintenance, and repair duties in the harsh and challenging deep sea environment. The Flatfish is one such AUV that has been designed by Saipem S.p.A. to withstand the unique challenges of the subsea environment, such as high pressure, limited visibility, and extreme temperatures. Effective docking is essential for the long-term operation of AUVs such as the Flatfish, as it enables them to recharge and prolong their mission durations, allowing them to potentially remain submerged for months. In addition, docking allows AUVs to exchange vital data with surface operators, as traditional wireless communication methods in the underwater environment are severely limited. Developing a docking strategy that relies on generic features without the use of markers or fixed LEDs is important because it addresses several potential issues. Markers can become covered by dust or vegetation over time, or damaged, leading to a loss of accuracy or even failure of the docking process. By eliminating the need for visual markers or fixed lighting, the docking process becomes more adaptable, robust, and reliable, even in the face of changing underwater conditions or marker degradation. This thesis focuses on the development of vision-based marker less docking algorithms for the Flatfish AUV, enabling it to recharge autonomously using generic features without relying on markers or fixed lighting. The algorithms developed in this research have the potential to be adapted for use with various AUVs by adjusting only a few parameters, demonstrating their versatility and applicability beyond the specific case of the Flatfish. The most innovative aspect of this thesis, was the development of a visual servoing algorithm capable of approaching the garage from any direction and docking safely even in the presence of currents by using Position based visual servoing to align the AUV with the garage and completing the docking with the more precise Image based visual servoing technique. Despite the limitations of camera-based sensing in the underwater environment, the developed algorithms exhibit robust performance in the Flatfish Saipem simulation system under a variety of conditions, allowing the FlatFish to autonomously and efficiently interface with the charging station enhancing its autonomy in the subsea field and improving its docking capabilities.

I veicoli sottomarini autonomi (AUV) sono sempre più impiegati nel settore petrolifero e del gas per eseguire compiti di ispezione, manutenzione e riparazione in ambienti marini profondi, difficili e impegnativi. Il Flatfish è un AUV di questa categoria, progettato da Saipem S.p.A. per affrontare le specifiche sfide dell'ambiente sottomarino, quali alta pressione, scarsa visibilità e temperature estreme. Un processo di docking efficiente è fondamentale per il funzionamento a lungo termine di AUV come il Flatfish, in quanto permette di ricaricarsi e prolungare la durata delle missioni, consentendogli di rimanere immerso anche per diversi mesi, offrendo inoltre la possibilità di scambiare informazioni cruciali con gli operatori in superficie, poiché i metodi di comunicazione wireless tradizionali sono notevolmente limitati in ambiente sottomarino. Sviluppare una strategia di docking che si basi su features generiche senza l'uso di marker o LED fissi è fondamentale poichè i marker possono essere coperti da polvere o vegetazione nel tempo, o danneggiati, causando una perdita di precisione o addirittura il fallimento del processo di docking. Eliminando la necessità di marker visivi o illuminazione fissa, il processo di docking diventa più adattabile, robusto e affidabile, anche di fronte a cambiamenti nelle condizioni sottomarine o al degrado dei marker. La presente tesi si focalizza sullo sviluppo di algoritmi di docking basati sulla visione dell' l'AUV Flatfish, che gli consenteno di ricaricarsi autonomamente utilizzando features generiche senza fare affidamento su marker o illuminazioni fisse. Gli algoritmi sviluppati hanno il potenziale di essere adattati per l'utilizzo con vari AUV semplicemente modificando alcuni parametri, dimostrando la loro versatilità e applicabilità al di là del caso specifico del Flatfish. L'aspetto più innovativo di questa tesi è lo sviluppo di un algoritmo di visual servoing in grado di avvicinarsi al garage da qualsiasi direzione e di agganciarsi in modo sicuro anche in presenza di correnti, utilizzando il position based visual servoing per allineare l'AUV al garage e completando l'aggancio con il più preciso image based visual servoing. Nonostante le limitazioni delle camere in ambiente sottomarino, gli algoritmi sviluppati mostrano ottime performance nel sistema di simulazione Flatfish di Saipem in diverse condizioni, consentendo al FlatFish di interfacciarsi in modo autonomo ed efficiente con la stazione di ricarica, aumentandone l'autonomia e migliorandone le capacità.