Visual-inertial odometry and visual velocity estimation for underwater riser inspection.

Developed in collaboration with Saipem, this thesis examines vision-based velocity estimation for the Hydrone platform’s Autonomous Underwater Vehicles (AUVs), which are designed for riser and pipeline inspections. This work addresses a key limitation of the Doppler Velocity Logger (DVL) sensor, which is part of the Inertial Navigation System (INS) used for underwater navigation: when the vehicle moves outside of the acoustic range, the DVL’s measurements begin to drift. To address this issue, the thesis evaluates two state-of-the-art Visual-Inertial Odometry (VIO) and visual Simultaneous Localization and Mapping (SLAM) systems, DM-VIO and ORB-SLAM3, using underwater datasets collected during past inspection missions. Additionally, the thesis proposes and evaluates a dense, optical flow-based velocity estimator built on the Dense Inverse Search (DIS) algorithm, which uses stereo imagery and available sensor data. Experimental results show that, while SLAM/VIO approaches provide accurate estimates in favorable conditions, the DIS-based method delivers more consistent linear velocity estimates in challenging subsea environments, making it a practical complement to DVL measurements during riser inspections.

Sviluppata in collaborazione con Saipem, questa tesi esamina la stima della velocità basata su metodi di visione per veicoli subacquei della piattaforma Hydrone, progettati per l’ispezione di riser e condotte sottomarine. Questo lavoro analizza un fondamentale limite del sensore Doppler Velocity Logger (DVL), che fa parte del sistema di navigazione inerziale utilizzato per la navigazione subacquea: quando il veicolo si sposta al di fuori della distanza acustica massima, le misurazioni del DVL iniziano a deviare. Per affrontare questo problema, la tesi analizza due sistemi all’avanguardia di odometria visiva inerziale (VIO) e di localizzazione e mappatura simultanea (SLAM), DM-VIO e ORB-SLAM3, utilizzando un set di dati subacquei raccolti durante precedenti missioni di ispezione. Inoltre, la tesi propone e valuta un sistema basato sul flusso ottico e costruito sull’algoritmo Dense Inverse Search (DIS), utilizzando immagini stereo e dati dei sensori disponibili, per la stima delle velocità. I risultati sperimentali mostrano che, mentre i metodi SLAM/VIO forniscono stime accurate in condizioni favorevoli, il metodo basato su DIS fornisce stime precise in maniera costante anche in scenari impegnativi, rendendolo un valido aiuto al sensore DVL.