Navigation Innovante pour Bateaux Autonomes

Cet article parle d'un nouveau système de navigation pour les bateaux autonomes, qui sont utilisés pour vérifier la qualité de l'eau dans les lacs. Le système utilise des images satellites pour créer des cartes et planifier comment le bateau va se déplacer. L'objectif est de s'assurer que le bateau peut naviguer en toute sécurité, même face à des conditions incertaines comme les niveaux d'eau changeants et les obstacles dans l'eau.

#Le défi de la navigation autonome

Les bateaux autonomes, aussi appelés ASV (vessels de surface autonomes), attirent l'attention pour leur capacité à surveiller différents plans d'eau. Cependant, un des gros défis pour ces bateaux est de naviguer seuls en toute sécurité, surtout sur de longues périodes. La plupart des systèmes existants nécessitent des opérateurs humains pour définir un chemin précis à l'avance que le bateau suit ensuite.

Malheureusement, des éléments naturels comme le vent, les vagues et la végétation dans l'eau peuvent compliquer la tâche du bateau pour rester sur sa route prévue. Ces facteurs imprévisibles peuvent créer des pannes potentielles dans la façon dont le bateau perçoit son environnement et gère ses systèmes de contrôle.

#Objectif du système de navigation

Notre but principal est d'utiliser le bateau autonome pour surveiller les environnements lacustres et collecter des échantillons d'eau. Pour cela, il faut se concentrer sur la fiabilité et la sécurité de la navigation du bateau. En identifiant les zones où la navigation pourrait être difficile, on peut planifier des itinéraires qui évitent ces obstacles.

Le système de navigation combine images satellites et données de détection locales pour prendre ses décisions. Les images satellites donnent une vue d'ensemble du paysage, tandis que les capteurs sur le bateau l'aident à réagir aux conditions immédiates.

#Défis de cartographie avec les images satellites

Une de nos préoccupations majeures est que les images satellites ne reflètent pas toujours parfaitement les conditions réelles de l'eau. Par exemple, des obstacles sous l'eau ou des changements dans les niveaux d'eau peuvent entraîner des mauvaises jugements sur quelles zones sont sûres à naviguer.

Pour y remédier, on considère les zones incertaines, ou "bords stochastiques", comme des parties d'un graphe. En procédant ainsi, on peut développer un plan qui minimise la distance que le bateau doit parcourir tout en tenant compte de ces incertitudes.

La partie locale du système de navigation est conçue pour évaluer les données des capteurs et créer des chemins qui suivent l'itinéraire prévu tout en évitant de nouveaux obstacles.

#Test du système

Pour évaluer l'efficacité de notre système de navigation, on a réalisé des tests sur des lacs dans le nord de l'Ontario. Les tests ont montré que notre système, équipé de GPS, de caméras et de dispositifs sonar, pouvait suivre l'itinéraire prévu et identifier des obstacles sur les bords stochastiques.

Les tests sur le terrain ont impliqué la navigation à travers trois missions différentes, montrant que le bateau pouvait s'adapter à diverses conditions. On a appris des leçons précieuses de ces expériences pratiques et défini des moyens d'améliorer les systèmes futurs.

#Importance des données des capteurs

Un système de navigation réussi repose sur plusieurs capteurs. Pour notre bateau, on utilise un GPS pour les données de localisation, une caméra stéréo pour les entrées visuelles et un sonar pour détecter les objets sous l'eau. En intégrant les données de tous ces capteurs, le bateau peut avoir une vue plus complète de son environnement.

Cependant, des défis surviennent lorsqu'il s'agit de combiner les données de différents capteurs. Chaque capteur a ses forces et ses faiblesses. Par exemple, le sonar peut détecter des obstacles sous l'eau qu'une caméra ne peut pas voir, tandis que la caméra peut capturer des informations visuelles que le sonar pourrait manquer.

#Création d'une carte de haut niveau

Pour créer une carte de haut niveau que le bateau peut utiliser, on utilise des images satellites au fil du temps et on les analyse pour la couverture d'eau. Un outil majeur ici est l'Indice de Différence Normalisée d'Eau (NDWI), qui aide à distinguer l'eau de la terre.

En regroupant les données de plusieurs images satellites, on peut estimer la probabilité que de l'eau soit présente dans différentes zones. Cela nous permet de mieux planifier tout en tenant compte de la variabilité naturelle des plans d'eau.

#Processus de planification de mission

Le cœur de notre système de navigation est le planificateur de mission, qui formule un itinéraire efficace basé sur la carte de haut niveau. Le processus de planification prend en compte les incertitudes en modélisant différents scénarios possibles.

Dans notre cadre, on considère le "Problème du Voyageur Canadien à Couverture Partielle" (PCCTP). Cela nous permet de trouver le meilleur moyen pour le bateau de visiter des endroits ciblés tout en gérant les obstacles potentiels.

Lors de la création d'un plan, le bateau identifie d'abord les cibles potentielles et leurs chemins correspondants. Ensuite, il évalue ces chemins en fonction de la probabilité qu'ils soient dégagés d'obstacles.

#Gestion des bords stochastiques

Une caractéristique cruciale de notre approche est la façon dont on gère les bords stochastiques. Ces bords représentent des zones où le passage du bateau est incertain, soit en raison d'informations manquantes, soit à cause de conditions imprévisibles.

On peut identifier ces chemins incertains à travers les tests et l'observation. L'état de chaque bord peut changer en fonction des découvertes du bateau lorsqu'il navigue.

Lorsqu'un bord est testé, le bateau doit déterminer s'il peut passer. S'il ne peut pas, le bateau fera demi-tour ou choisira un autre itinéraire.

#Planificateur local pour la navigation en temps réel

Pour assurer la navigation en temps réel, on a créé un planificateur local. Ce système aide le bateau à corriger son itinéraire en avançant. Le planificateur local évalue les informations des capteurs pour s'adapter aux changements de l'environnement.

Si des obstacles sont détectés sur le chemin du bateau, le planificateur local calcule un nouvel itinéraire qui reste aussi proche que possible du plan original.

Le planificateur local montre une résilience dans la gestion des incertitudes, car il peut toujours fonctionner efficacement lorsque les capteurs disponibles ne fournissent pas une image complète.

#Tests sur le terrain et évaluation

Les tests sur le terrain ont été réalisés sur divers lacs pour évaluer comment le système de navigation a performé dans des conditions réelles. Le bateau a été déployé pour plus de trois missions, chacune axée sur la collecte d'échantillons d'eau.

Au cours de ces missions, on a noté comment le bateau naviguait à travers des obstacles connus et inconnus. Il a réussi à éviter les collisions et à utiliser efficacement ses capteurs pour informer les décisions de navigation.

Les données collectées lors de ces essais fournissent des informations sur les points forts et les faiblesses de la performance, façonnant nos améliorations futures.

#Apprendre de l'expérience

À travers nos tests, on a appris plusieurs choses qui pourraient améliorer le système de navigation à l'avenir.

1. Utilisation de minuteries : L'implémentation de minuteries a amélioré la capacité du système à gérer les bords stochastiques. Cela a permis à la mission de se dérouler sans accrocs, même si le planificateur local rencontrait des difficultés de navigation.

2. Amélioration de la localisation : Un positionnement précis est crucial pour une navigation efficace. Des alternatives comme le SLAM (Localisation et Cartographie Simultanées) pourraient aider à booster la précision, surtout lorsque les signaux GPS sont faibles.

3. Optimisation de la fusion des capteurs : Combiner les données de la caméra stéréo et du sonar est essentiel mais reste un défi. Trouver des moyens d'améliorer le processus de fusion pourrait renforcer la compréhension globale de l'environnement et mener à une meilleure navigation.

4. Amélioration des manœuvres d'évitement : Actuellement, le bateau manque d'un mécanisme pour des actions d'évasion. Introduire cette capacité pourrait apporter une amélioration significative en matière de sécurité.

5. Intégration du sonar : Bien que le sonar soit utile pour la détection des obstacles sous l'eau, il faut trouver des moyens de surmonter ses limitations, telles que sa vitesse de balayage plus lente et sa portée limitée.

6. Efficacité du système : Notre logiciel de navigation pourrait bénéficier d'optimisations. Réduire la surcharge computationnelle améliorera la performance globale et permettra de tâches de traitement plus complexes.

7. Logistique sur le terrain : Les opérations sur le terrain ont été facilitées par l'utilisation d'un bateau à moteur pour le transport vers les sites de test. Une mobilité rapide a permis d'ajuster et de répondre rapidement lors des essais.

#Conclusion

En résumé, on a présenté un nouveau système de navigation pour les vessels de surface autonomes utilisés dans la surveillance environnementale. En combinant l'imagerie satellite avec des données de capteurs en temps réel, le bateau peut naviguer efficacement, même dans des conditions incertaines.

À travers nos tests sur le terrain, on a démontré les capacités du système et identifié des domaines clés où des améliorations peuvent être apportées. Les insights obtenus lors du développement guideront les projets futurs visant à affiner les systèmes ASV pour un déploiement fiable dans divers environnements aquatiques.