ETD

• droni
• veicoli autonomi subacquei

Il lavoro di tesi si concretizza nello sviluppo e nella sperimentazione di un sistema
multi-robot per il monitoraggio autonomo dei fondali marini, con particolare riferimento
alle praterie di Posidonia oceanica. Il sistema integra l’impiego coordinato di
due veicoli robotici: un veicolo autonomo subacqueo (AUV – Autonomous Underwater
Vehicle), denominato “Zeno”, ed un aeromobile a pilotaggio remoto (APR – Aeromobile
a Pilotaggio Remoto), nello specifico un drone DJI Mavic 2 Pro.
L’utilizzo congiunto di questi strumenti ha consentito la raccolta di immagini aeree, subacquee ed acustiche per caratterizzare l’estensione e lo stato di conservazione delle praterie di Posidonia oceanica (con particolare riferimento all’individuazione del limite inferiore di distribuzione, localizzato intorno ai 12 m di profondita),sia sulla morfologia del fondale marino. Per l’analisi della forma geometrica della posidonia e della morfologia del fondale, si è utilizzato un Side Scan Sonar installato sull'AUV, in quanto è uno strumento efficace per mappare l’estensione e la condizione della Posidonia(cioè individuarne i segni degli impatti). Essendo stato l’obiettivo principale dell’attività sperimentale quello di integrare e raccordare i dati provenienti dalle due diverse piattaforme, si è fatta particolare attenzione alla corretta georeferenziazione delle immagini subacquee. Infatti, le immagini ottiche ottenute dal drone forniscono una visione d’insieme ad alta risoluzione, utile per l’analisi dell’estensione spaziale delle praterie, ma non consentono di valutare in modo dettagliato lo stato di salute delle stesse. Al contrario, le immagini subacquee acquisite dal robot Zeno offrono un elevato livello di dettaglio a livello di tessitura e copertura della Posidonia, risultando fondamentali per una valutazione ecologica puntuale. Tuttavia, le immagini subacquee acquisite dal veicolo autonomo presentano un limite legato alla precisione del posizionamento, in quanto il sistema di navigazione del veicolo si basa sull’integrazione di un sensore DVL (Doppler Velocity Log), che misura la velocità rispetto al fondale, e di un sistema AHRS (Attitude and Heading Reference System), che stima l’assetto del veicolo in acqua.Per ovviare a questo problema, le immagini acquisite dal drone sono state utilizzate
come base georiferita di riferimento. La sovrapposizione delle immagini subacquee ottiche
a quelle aeree, effettuata in ambiente GIS (QGIS), ha permesso non solo di correggere
la posizione spaziale delle immagini del robot, ma anche di trasferire la corretta georeferenziazione
alle immagini acustiche provenienti dal side scan sonar, anch’esse soggette
agli stessi limiti di posizionamento del veicolo subacqueo. Attraverso questa operazione di allineamento spaziale dei dati multisorgente,è stato possibile stimare lo scostamento medio tra le posizioni rilevate dal drone e quelle del robot subacqueo, e utilizzare tale informazione come base per future correzioni di navigazione autonoma, in vista di operazioni in assenza di collegamento via cavo.In sintesi, la sperimentazione ha seguito un percorso metodologico articolato in diverse
fasi interconnesse, finalizzate all’integrazione e all’ottimizzazione dei dati multisorgente
per il monitoraggio delle praterie di Posidonia oceanica.