• Autonomous Underwater Vehicles
• Ispezione Strutture
• Monitoraggio Fondale
• Perception
• Percezione
• Seafloor Monitoring
• Structure Inspection
• Veicoli Autonomi Subacquei

I Veicoli Autonomi Sottomarini (AUV) sono sistemi robotici avanzati progettati per operare sott'acqua senza intervento umano diretto. Nonostante i vantaggi in termini di sicurezza e costi, vengono spesso impiegati solo per la raccolta passiva di dati. Per sfruttarne appieno il potenziale, è fondamentale potenziarne l’autonomia, permettendo loro di interagire dinamicamente con l’ambiente e adattarsi ai dati raccolti in tempo reale.

Questa tesi sviluppa algoritmi basati su percezione visiva e acustica per migliorare l’autonomia degli AUV in due ambiti: monitoraggio del fondale marino e ispezione di infrastrutture sommerse. Per il monitoraggio, viene proposto un sistema di navigazione visivo a basso costo, basato su un filtro di Kalman Esteso (EKF) che integra assetto, profondità e velocità lineare, quest’ultima ottenuta tramite Visual Odometry (VO) applicata alle immagini di bordo. Sono state sviluppate due soluzioni VO, monoculare e stereo, con un sensore acustico per risolvere l’ambiguità della scala metrica nella versione monoculare.

Per l’ispezione di infrastrutture, viene introdotto un framework visivo-acustico che permette agli AUV di adattarsi autonomamente alla superficie da ispezionare, utilizzando telecamere ed eco-scandaglio a singolo fascio. Ciò consente ispezioni senza conoscenza preliminare della struttura, aumentando sicurezza ed efficienza.

Entrambe le soluzioni sono state validate con test offline e sperimentazioni in mare, dimostrando l’efficacia dei metodi proposti.



Autonomous Underwater Vehicles (AUVs) are advanced robotic systems designed to operate underwater without direct human intervention. Despite their advantages in safety and cost reduction, they are often limited to passive data collection. Enhancing their autonomy is essential to enable dynamic interaction with the environment and real-time adaptation based on collected data.

This thesis develops vision- and acoustics-based algorithms to improve AUV autonomy in two applications: seafloor monitoring and submerged infrastructure inspection. For seafloor monitoring, a cost-effective visual-based navigation system is proposed, using an Extended Kalman Filter (EKF) to integrate attitude, depth, and linear velocity data. The latter is obtained via Visual Odometry (VO) techniques applied to onboard camera images. Two VO solutions—monocular and stereo—were developed, with the monocular VO incorporating an acoustic range sensor to resolve scale ambiguity.

For infrastructure inspection, a visual-acoustic framework is introduced, allowing AUVs to autonomously adapt their movement relative to the inspection surface using cameras and a single-beam echo sounder. This enables inspections without prior knowledge of the structure, improving safety and efficiency.

Both solutions were validated through offline testing and at-sea experiments, demonstrating the effectiveness of the proposed approaches.