Open Source Robotics

Uma coleção selecionada de projetos, ferramentas e software de robótica de código aberto de alta qualidade.

Doppler Velocity Log

  • Também chamado: DVL, Doppler log
  • Categoria: Sensing › Exteroceptive
  • Tags: underwater-robotics, dead-reckoning, acoustic-sensing, state-estimation, sensor-fusion

Um sensor acústico para veículos subaquáticos que mede a velocidade em relação ao fundo do mar, ou à água, a partir do desvio Doppler de ecos sonoros, e é a principal entrada da navegação estimada subaquática.

Definição

Um odômetro Doppler (Doppler velocity log, DVL) é um sensor acústico que mede a que velocidade um veículo subaquático está se movendo. Ele emite pulsos de som ao longo de vários feixes, geralmente quatro, inclinados para baixo e para fora do veículo, e mede o desvio de frequência Doppler dos ecos que voltam do fundo do mar. Cada feixe dá a componente da velocidade ao longo de sua própria direção; com pelo menos três feixes não coplanares, é possível resolver a velocidade tridimensional do veículo no sistema de coordenadas do sensor, e um quarto feixe acrescenta redundância e uma verificação de erros. A maioria dos DVLs também informa a distância até o fundo ao longo de cada feixe, o que dá a altitude acima do fundo do mar. A palavra log, no nome em inglês, é o termo náutico para um instrumento que mede a velocidade de um navio.

Quando o fundo do mar está dentro do alcance, o DVL está no modo de rastreamento do fundo (bottom-track), ou travamento no fundo, e mede a velocidade em relação ao fundo. Quando o fundo está longe demais, alguns DVLs conseguem fazer rastreamento da água (water-track), medindo a velocidade em relação a uma camada de água, o que inclui o efeito das correntes. O alcance e a precisão dependem da frequência acústica: frequências mais baixas chegam mais longe, e frequências mais altas dão medições mais finas com alcance menor. O travamento no fundo pode ser perdido sobre terreno íngreme ou macio, muito perto do fundo, em água aerada ou quando o veículo arfa fortemente, e o software de navegação precisa LiDAR com essas lacunas.

Como o GPS não funciona debaixo d'água, o DVL é a principal fonte de informação de movimento para a maioria dos veículos subaquáticos autônomos e operados remotamente. Sua velocidade no sistema do corpo é rotacionada para o sistema do mundo usando uma estimativa de atitude e rumo vinda de uma IMU ou de um sistema de navegação inercial e depois integrada para dar a posição. Essa navegação estimada deriva com a distância percorrida, sendo o erro de rumo muitas vezes o maior contribuinte, por isso é corrigida com um sensor de pressão para a profundidade, posicionamento acústico como USBL ou LBL, características do terreno ou visuais, e subidas à superfície para obter fixos de GPS. Resultados precisos dependem de calibrar a rotação e o deslocamento de montagem entre o DVL e a IMU e de usar a velocidade do som correta.

Por que importa

Robôs subaquáticos não podem usar GPS e muitas vezes não enxergam longe, então a velocidade em relação ao fundo do mar é uma das poucas medições diretas de seu movimento. A qualidade de um DVL e de sua fusão com sensores inerciais determina em grande parte quanto um veículo subaquático pode percorrer antes que sua estimativa de posição deixe de ser confiável.

Principais aplicações

  • Navegação estimada para veículos subaquáticos autônomos
  • Manutenção de posição e controle em baixa velocidade de veículos operados remotamente
  • Auxílio a sistemas de navegação inercial em veículos de levantamento
  • Mapeamento e inspeção do fundo do mar onde a precisão da posição importa
  • Manutenção da altitude acima do fundo do mar

Na prática

Um veículo subaquático que precisa voltar a pontos de amostragem no fundo do mar funde seu DVL, sua IMU e seu sensor de pressão em um grafo de fatores. Cada leitura de rastreamento do fundo do DVL se torna um fator de velocidade entre estados consecutivos, rotacionado pela orientação estimada e corrigido pelo braço de alavanca entre o DVL e o ponto de referência do veículo. Antes da implantação, a equipe calibra a rotação de montagem do DVL percorrendo linhas retas e comparando com fixos de posição acústicos, já que um pequeno desalinhamento em guinada produz um erro lateral que cresce continuamente. Em operação, as leituras marcadas como inválidas quando o travamento no fundo é perdido são descartadas, e um evento de contato, como o veículo pousar sobre uma estrutura conhecida, é acrescentado como restrição extra que traz de volta ao lugar a estimativa que estava derivando.

Equívocos comuns

  • Um DVL fornece a posição — ele mede a velocidade, que precisa ser integrada com uma estimativa de orientação e deriva com o tempo
  • A velocidade do DVL é sempre em relação ao fundo do mar — no modo de rastreamento da água ela é em relação à água, então as correntes entram na medição
  • Qualquer orientação de IMU é boa o suficiente para a navegação estimada com DVL — erros de rumo se transformam diretamente em erros de posição que crescem com a distância percorrida
  • O alinhamento de montagem pode ser ignorado — uma pequena rotação entre os sistemas de coordenadas do DVL e da IMU causa deriva sistemática

Quem deve saber

  • Engenheiros de robótica marinha e subaquática
  • Engenheiros de navegação e estimação de estado para AUVs e ROVs
  • Equipes de ciências oceânicas e de levantamento que usam veículos autônomos
  • Pesquisadores que trabalham com SLAM e localização subaquáticos

Tecnologias relacionadas

  • Sistema de navegação inercial (Inertial Navigation System)
  • Perfilador acústico de correntes por efeito Doppler (Acoustic Doppler Current Profiler)
  • Posicionamento acústico USBL (USBL Acoustic Positioning)
  • Posicionamento acústico LBL (LBL Acoustic Positioning)
  • Sensor de profundidade por pressão (Pressure Depth Sensor)
  • Sistema de referência de atitude e rumo (Attitude and Heading Reference System)

Termos relacionados

  • IMU
  • Odometry
  • Factor Graph
  • Sensor Fusion
  • Extended Kalman Filter
  • Extrinsic Calibration

Projetos relacionados

  • FAST-LIVO2: Fast, direct LiDAR-inertial-visual odometry from HKU-MARS, published in IEEE T-RO
  • GTSAM: Factor-graph optimization library powering many modern SLAM backends
  • OpenVINS: The reference open platform for visual-inertial state estimation research
  • manif: Header-only C++ Lie theory library for robotics state estimation

Este site requer JavaScript. Por favor, habilite o JavaScript para explorar nossos projetos de robótica.