Omnicamera-based Visual SLAM for Martian Rovers

L'esplorazione planetaria richiede rover capaci di operare con un alto livello di autonomia. Questo è particolarmente importante in situazioni in cui i rover devono percorrere lunghe distanze con supervisione umana minima. Le operazioni di controllo devono essere ridotte al minimo per ottimizzare il tempo di traversata e le risorse allocate per le telecomunicazioni. Gli algoritmi di controllo devono fornire input appropriati agli attuatori, basandosi sulla posizione obiettivo e sulle informazioni sulla dinamica del veicolo. La pianificazione del percorso utilizza modelli tridimensionali del terreno circostante per evitare ostacoli in modo sicuro. La Visual Odometry con telecamera omnidirezionale è un metodo promettente che affronta problemi come le occlusioni e consente di ricostruire l'ambiente circostante a 360 gradi. Grazie alle tecniche di vSLAM, un rover può ricostruire una mappa coerente dell'ambiente e localizzarsi rispetto a questa mappa.

La metodologia adottata per il progetto include l'implementazione di un algoritmo di Visual Odometry che stima il movimento attraverso un metodo lineare 3D-to-3D, integrato in un processo RANSAC per rimuovere gli outlier. La stima del movimento viene calcolata minimizzando la distanza euclidea tra i punti triangolati. Tra tutti gli algoritmi di vSLAM, è stato scelto e adattato l'ORB-SLAM2, basato su caratteristiche ORB (Oriented FAST and rotated BRIEF). La struttura complessiva del framework è stata modificata per lavorare con la geometria della telecamera specifica, e la ricostruzione densa 3D è stata aggiunta per costruire una nuvola di punti, utilizzata per creare una mappa di traversabilità e applicare algoritmi di pianificazione del percorso.

I risultati ottenuti dimostrano l'efficacia dell'algoritmo sviluppato in collaborazione con Thales Alenia Space Italia. Il test è stato condotto utilizzando un rover Adept MobileRobots Seekur Jr. e una telecamera omnidirezionale PointGrey Ladybug 3 in un impianto di prova che emula il terreno marziano. L'integrazione dell'algoritmo all'interno del framework esistente ha permesso di testare la capacità del rover di localizzarsi in un ambiente complesso. Le applicazioni pratiche di questo lavoro sono significative per le future missioni di esplorazione su Marte, dove la precisione nella localizzazione e nella navigazione è cruciale per il successo delle operazioni scientifiche.