InsSo3D: Inertial Navigation System and 3D Sonar SLAM for turbid environment inspection

L'article présente InsSo3D, un système de localisation et de cartographie simultanées (SLAM) 3D couplant un sonar tridimensionnel et un système de navigation inertielle, capable de générer des cartes précises et de corriger la dérive de l'odométrie pour l'inspection de structures sous-marines dans des environnements turbides.

L'essentiel

Voici une explication simple et imagée de la recherche présentée dans cet article, conçue pour être comprise par tout le monde, même sans être expert en robotique.

🌊 Le Problème : Naviguer dans une soupe de lentilles

Imaginez que vous devez explorer le fond de l'océan, mais l'eau est si boueuse, si sombre et remplie de sédiments que vous ne voyez absolument rien à plus d'un mètre. C'est le cauchemar des robots sous-marins (AUV).

• Les caméras classiques sont comme des yeux humains : si l'eau est trouble, elles sont aveugles. Elles ne voient rien.
• Les sonars classiques sont comme des oreilles qui émettent un son et écoutent l'écho. Ils voient à travers la boue, mais ils ont un gros défaut : ils ne voient que de côté (gauche-droite) et en avant-arrière. Ils perdent la notion de hauteur (haut-bas). C'est comme essayer de dessiner un château de sable en regardant uniquement son ombre portée au sol : vous ne savez pas si c'est une tour ou un mur plat.

💡 La Solution : InsSo3D, le "Super-Sonar" avec un GPS

Les chercheurs ont créé un système appelé InsSo3D. Pour comprendre comment ça marche, utilisons une analogie simple :

Imaginez que vous êtes dans une pièce complètement noire et remplie de fumée. Vous avez deux outils :

1. Un sonar 3D spécial : Contrairement aux vieux sonars, celui-ci ne fait pas juste un "bip" plat. Il envoie un son qui crée une image en 3D (comme un scanner médical ou un Lidar), vous donnant la distance, la largeur et la hauteur de chaque objet. C'est comme si vous aviez des yeux qui voient dans le noir, mais avec des sons.
2. Un GPS de poche (INS) : Comme le GPS ne marche pas sous l'eau, le robot utilise un "GPS inertiel" (un gyroscope et un accéléromètre très précis) qui lui dit : "Je me suis déplacé de 2 mètres vers la droite et j'ai tourné de 10 degrés".

🧩 Comment le système fonctionne (L'histoire du Puzzle)

Le système InsSo3D combine ces deux outils pour construire une carte en temps réel. Voici le processus, étape par étape :

1. Le Dessin de la Carte (Le Frontend) :
   Le robot avance et scanne tout autour de lui. À chaque instant, il prend une "photo" en 3D avec son sonar. Il essaie de coller cette nouvelle photo sur la précédente, un peu comme on assemble les pièces d'un puzzle géant.

   • Le petit truc en plus : Si le robot pense qu'il a fait un faux pas (parce que son GPS inertiel dit qu'il a tourné trop), le système corrige immédiatement la position de la pièce du puzzle.

2. La Vérification Globale (Le Backend) :
   Parfois, le robot fait un grand tour et revient au point de départ. C'est ce qu'on appelle une "boucle de fermeture".

   • L'analogie : Imaginez que vous dessinez une carte d'un labyrinthe. Vous marchez pendant des heures, vous vous perdez un peu, mais soudain, vous reconnaissez un mur que vous aviez dessiné au début. Le système dit : "Ah ! Je suis revenu ici !" Il recalcule alors tout le chemin parcouru pour corriger toutes les petites erreurs accumulées. C'est comme si vous repassiez votre dessin au crayon pour tout redresser d'un coup.

3. Le Résultat Final :
   À la fin, le robot possède une carte 3D précise de l'environnement, même si l'eau était boueuse, et il sait exactement où il se trouve, avec une erreur de moins de 20 centimètres sur un trajet de 50 minutes !

🏆 Les Résultats Concrets

Les chercheurs ont testé leur invention dans deux endroits :

• Une carrière inondée (en extérieur) : L'eau était claire, ils ont pu comparer leur carte avec une photo aérienne précise. Résultat : leur carte était quasi parfaite.
• Un grand bassin de test (en intérieur) : L'eau était trouble et les murs en béton créaient des échos parasites (comme un écho dans une salle de bain). C'était très difficile. Pourtant, le système a réussi à ne pas se perdre, contrairement aux systèmes classiques qui auraient dérivé de plusieurs mètres.

En résumé :
InsSo3D est comme un guide touristique aveugle mais très intelligent. Il ne voit pas avec ses yeux (caméra), mais il "écoute" l'environnement avec un sonar 3D ultra-performant et garde une trace précise de ses pas. Même dans les pires conditions (eau boueuse, pas de lumière), il peut dessiner une carte précise et retrouver son chemin sans se perdre.

C'est une avancée majeure pour inspecter des épaves, des pipelines ou des structures sous-marines sans avoir besoin d'eau claire.

Résumé technique

Voici un résumé technique détaillé du papier InsSo3D en français, structuré selon les sections demandées.

1. Problématique

La navigation et la cartographie sous-marines (SLAM - Simultaneous Localisation and Mapping) pour les véhicules autonomes (AUV) sont confrontées à des défis majeurs, notamment dans les environnements troubles ou à faible visibilité.

• Limites des capteurs optiques : Les caméras et le LiDAR fonctionnent mal en eau turbide, sur de courtes distances et dépendent fortement de l'éclairage.
• Limites du sonar 2D traditionnel : Bien que le sonar fonctionne bien dans l'eau trouble, les sonars d'imagerie classiques ne produisent que des images 2D (portée et azimut), perdant l'information d'élévation. Cela crée une ambiguïté géométrique difficile à résoudre pour la reconstruction 3D, limitant souvent les solutions à une approche 2D.
• Dérive de l'odométrie : Les systèmes de navigation inertielle (INS) et les logs de vitesse Doppler (DVL) souffrent d'une dérive cumulée au fil du temps, rendant la localisation à long terme imprécise sans correction externe.

L'objectif est de développer un système capable de réaliser un SLAM 3D robuste, à grande échelle et en temps réel dans des conditions sous-marines difficiles, en utilisant des sonars 3D modernes qui résolvent l'ambiguïté d'élévation.

2. Méthodologie

Le système InsSo3D propose un cadre SLAM hybride combinant un Sonar 3D (Waterlinked Sonar3D-15) et un Système de Navigation Inertielle (INS) composé d'un DVL, d'un AHRS (référence d'attitude et de cap) et d'un capteur de pression. L'algorithme est divisé en deux parties principales (Frontend et Backend) :

A. Prétraitement et Enregistrement (Point Cloud Registration)

• Représentation des données : Utilisation d'une variante 3D de l'algorithme CFEAR (CFEAR - Covariance-based Feature Extraction and Registration) pour générer une représentation sparse de nuages de points. Cette méthode modélise la géométrie de la scène via des points de surface orientés stables.
• Optimisation : Utilisation de Generalized ICP (GICP) via l'implémentation fast gcip pour l'enregistrement entre nuages de points, utilisant une métrique de distance "plan-à-plan" adaptée aux surfaces orientées.

B. Frontend : Création de Sous-cartes (Sub-maps)

• Estimation de pose : Les nouvelles trames sonar sont projetées dans le cadre du frontend en utilisant l'odométrie comme a priori.
• Double enregistrement : Pour la robustesse, le système effectue deux types d'enregistrement :
  1. Trame-à-trame : Entre la trame actuelle et la précédente.
  2. Trame-à-sous-carte : Entre la trame actuelle et la première trame de la sous-carte (ou le nuage TSDF de la sous-carte).
• Optimisation de graphe local : Un graphe de facteurs optimise la pose des trames au sein de la sous-carte.
• Intégration TSDF : Les trames sont intégrées dans une carte locale TSDF (Truncated Signed Distance Function) utilisant une variante "space carving" pour marquer les zones observées et libres.
• Critère de complétion : Une sous-carte est fermée lorsque le chevauchement entre la première et la dernière trame est faible (limitant la dérive interne) et que le nombre de points est suffisant.

C. Backend : Génération de la Carte Globale

• Optimisation globale : Un graphe de pose global optimise les poses des sous-cartes.
• Détection de boucles fermées (Loop Closure) : Lorsqu'une nouvelle sous-carte est générée, le système compare son nuage de points avec un historique de sous-cartes via un maillage voxelisé. Si le taux de chevauchement dépasse 50% et que l'erreur d'enregistrement est faible, une contrainte de boucle fermée est ajoutée au graphe.
• Fusion TSDF globale : Les sous-cartes sont fusionnées dans une carte TSDF globale. Si une optimisation de graphe modifie la pose d'une sous-carte, celle-ci est retirée et réintégrée avec la nouvelle pose corrigée pour maintenir la cohérence de la carte globale.

3. Contributions Clés

1. Utilisation du Sonar 3D : Mise en œuvre d'un sonar 3D (Waterlinked Sonar3D-15) permettant un SLAM robuste et précis sans ambiguïté d'élévation, contrairement aux sonars 2D.
2. Intégration CFEAR et GICP : Adaptation de l'algorithme CFEAR pour un enregistrement robuste et résistant au bruit, couplé à GICP pour l'alignement de sous-cartes et la détection de boucles fermées.
3. Validation extensive : Évaluation quantitative dans deux environnements réels distincts (un réservoir d'eau et une carrière inondée) avec des données de vérité terrain (Système de suivi de mouvement Qualisys et photogrammétrie SfM).
4. Architecture temps réel : Conception d'un pipeline capable de fonctionner en temps réel (environ 14 Hz sur le frontend), dépassant la fréquence d'acquisition du sonar (6 Hz).

4. Résultats

Les performances ont été évaluées sur une mission de 47 minutes (230 m parcourus) dans une carrière et dans un réservoir d'essai.

• Précision de la trajectoire :
  • L'erreur de trajectoire moyenne (APE) est maintenue en dessous de 21 cm (0,213 m dans la carrière, 0,078 m dans le réservoir après alignement).
  • Comparé à l'odométrie seule (qui dérive de plus d'un mètre et subit une dérive de cap de 40° dans le réservoir à cause des interférences magnétiques), InsSo3D corrige efficacement la dérive.
• Précision de la carte :
  • Reconstruction d'une carte de 10m x 20m avec une erreur moyenne de reconstruction de 9 cm (0,09 m) par rapport à la référence.
  • La carte couvre des zones invisibles pour les caméras (ex: murs arrière dans le réservoir) grâce au champ de vision plus large du sonar (90° x 40° vs 60° x 45° pour la caméra).
• Performance computationnelle :
  • Le traitement du frontend prend en moyenne 70 ms par trame (14 Hz), permettant un fonctionnement temps réel.
  • Le backend et la mise à jour TSDF globale sont plus lents mais s'exécutent de manière asynchrone.

5. Signification et Conclusion

Le travail InsSo3D démontre la viabilité d'un système SLAM 3D entièrement acoustique pour l'inspection sous-marine dans des conditions de faible visibilité (eau trouble, nuit).

• Impact opérationnel : Le système permet aux AUV de naviguer de manière sûre et de générer des cartes fidèles de structures naturelles ou artificielles là où les caméras échouent.
• Avancée technologique : Il comble le fossé entre les sonars 2D traditionnels (limités géométriquement) et les solutions optiques (limitées par l'environnement), en tirant parti des nouveaux capteurs sonar 3D compacts et peu coûteux.
• Limites et perspectives : L'algorithme reste sensible aux environnements symétriques ou dépourvus de caractéristiques géométriques, ainsi qu'aux effets de multi-trajets acoustiques. Les travaux futurs visent à fusionner les données sonar et caméra pour améliorer la robustesse et la texture des cartes.

En résumé, InsSo3D offre une solution efficace pour la localisation à long terme et la cartographie 3D précise, essentielle pour l'inspection d'actifs offshore et la navigation autonome en milieu sous-marin hostile.