Low-Cost Underwater In-Pipe Centering and Inspection Using a Minimal-Sensing Robot

Sintesi Tecnica: Centratura e Ispezione Subacquea a Basso Costo all'interno di Tubazioni mediante un Robot con Sensoristica Minima

Problematica
L'ispezione autonoma di condotte sommerse (ad esempio, argini, condotti, oleodotti) è ostacolata da geometrie confinate, alta torbidità e assenza di GPS. Le soluzioni esistenti spesso si affidano a complessi crawler meccanici, densi array di sensori (inclusi Doppler Velocity Logs e sonar multi-sensore) o sistemi basati sulla visione che falliscono in acque torbide. Tali approcci aumentano i costi, l'onere operativo e i requisiti computazionali. È necessario un sistema leggero e computazionalmente efficiente capace di mantenere un robot a nuoto centrato all'interno di un tubo utilizzando una sensoristica minima.

Metodologia
Gli autori propongono un framework che utilizza un Blue Robotics BlueROV2 dotato di un set di sensori minimi: un'unità di misura inerziale (IMU), un sensore di pressione, un sonar a fascio singolo rivolto verso il basso (Ping1D) e un sonar a fascio singolo a 360° meccanicamente rotante (Ping360). Il sistema opera sotto l'assunto che il raggio del tubo sia noto a priori.

1. Stima della Distanza Sonar:
   Il sonar rotante a 360° fornisce profili di intensità acustica grezzi piuttosto che dati di distanza espliciti. Gli autori hanno sviluppato una pipeline di elaborazione del segnale computazionalmente efficiente per estrarre le distanze delle pareti da tali profili:

• Soppressione del campo vicino: Scarto dei campioni iniziali corrotti dal ring-down del trasduttore.
• Riduzione del rumore e potenziamento dei bordi: Applicazione di uno smoothing gaussiano seguito dalla convoluzione con un kernel a rastremazione lineare per evidenziare i bordi di salita delle riflessioni delle pareti.
• Rilevamento dei picchi: Identificazione del primo picco valido che supera una soglia per determinare l'eco della parete.
• Smoothing temporale: Utilizzo di un filtro di Kalman scalare per garantire la coerenza.
  Questo metodo raggiunge un errore quadratico medio (RMSE) di 0,02 m rispetto alla verità di base (ground truth), gestendo efficacemente il rumore e le interferenze da multipath senza ricorrere al deep learning.

2. Stima del Centro Geometrico:
   Il sistema stima il centro del tubo utilizzando un modello geometrico a forma chiusa basato su due punti: il ritorno sonar verso il basso e il ritorno sonar a 360° in uno specifico azimut.

• Dato il raggio $r$ noto del tubo e due punti della parete, l'algoritmo calcola due centri circolari candidati.
• Una logica di selezione sceglie il centro fisicamente coerente in base a un test "dentro-fuori" (assicurando che il robot sia all'interno del cerchio) e alla prossimità alla stima precedente.
• Un filtro di Kalman discreto smussa la traiettoria del centro.

3. Controllo Adattivo Pesato sulla Confidenza:
   L'accuratezza della stima del centro dipende dalla separazione angolare tra i due fasci sonar. Il sistema modella la varianza della misurazione come funzione di questo angolo (varianza elevata quando i fasci sono colineari, bassa quando sono ortogonali).

• Scalatura consapevole dell'incertezza: I pesi di confidenza ($w_x, w_z$) sono derivati dalle varianze stimate. Questi pesi scalano l'output dei controllori Proporzionale-Derivativo (PD).
• Strategia di controllo:
  • Laterale/Verticale: I controllori PD minimizzano lo spostamento dal centro stimato, scalati dai pesi di confidenza per evitare sovrareazioni a dati inaffidabili.
  • Movimento in avanti: Abilitato solo quando il robot si trova entro una tolleranza rispetto alla linea centrale.
  • Assetto: I controllori PD stabilizzano rollio e beccheggio; l'imbardata è mantenuta utilizzando esclusivamente il feedback giroscopico, evitando letture di magnetometro inaffidabili in ambienti metallici.

Contributi Chiave

1. Estrazione della Distanza Efficiente: Un algoritmo di elaborazione del segnale che estrae distanze di parete affidabili da profili di intensità sonar a fascio singolo grezzi con un overhead computazionale minimo, evitando i costi degli approcci di deep learning.
2. Formulazione Geometrica con Sensoristica Minima: Un metodo a forma chiusa per stimare il centro del tubo utilizzando solo due punti sonar e un raggio noto, eliminando la necessità di array di sensori complessi o tracciamenti esterni.
3. Framework di Controllo Adattivo: Un sistema di controllo PD pesato sulla confidenza che regola dinamicamente l'attuazione in base all'affidabilità geometrica delle misurazioni sonar.
4. Validazione Sperimentale: Dimostrazione riuscita di centratura stabile e traversamento in un tubo sommerso, flessibile e deformabile utilizzando una piattaforma robotica a basso costo.

Risultati
Il sistema è stato validato attraverso tre fasi:

• Elaborazione Sonar: Su dati reali provenienti da un tubo di diametro 0,46 m, il metodo di stima della distanza ha raggiunto un RMSE di 0,02 m.
• Simulazione: In una simulazione geometrica 2D con rumore aggiunto, il robot è convergente entro 0,05 m dal centro reale in una media di 10 step di aggiornamento, mantenendo un errore a regime di circa 0,029 m.
• Esperimenti sul Campo: Il BlueROV2 ha centrato autonomamente la propria posizione dopo uno spostamento manuale e ha attraversato un tubo di tessuto flessibile e sommerso. Il sistema ha mantenuto un allineamento stabile nonostante il flusso d'acqua ambientale, la curvatura del tubo e una deformazione verso l'interno localizzata (costrizione) nella parete del tubo.

Significatività e Rivendicazioni
Il documento afferma che una navigazione e un'ispezione in tubazioni affidabili possono essere ottenute con un'architettura leggera e computazionalmente efficiente che non richiede Doppler Velocity Logs, tracciamento esterno o array di sensori complessi. Sfruttando una sensoristica minima (IMU, pressione, due sonar) e un ragionamento geometrico efficiente, l'approccio proposto migliora la praticità dell'ispezione subacquea autonoma in ambienti confinati e privi di GPS. Gli autori osservano che, sebbene il sistema operi in modo robusto, esso assume un allineamento approssimativo iniziale con l'asse del tubo e una sezione trasversale circolare nota, e richiede una calibrazione attenta dei guadagni dei filtri e delle soglie. Il lavoro futuro è diretto verso l'estensione del metodo a reti di tubazioni complesse e il miglioramento della robustezza in condizioni di flusso più forti.