Masterstudent der Sensor Systems Technology der Hochschule Karlsruhe gewinnt Best Paper Award

Hinweis zur Verwendung von Bildmaterial: Die Verwendung des Bildmaterials zur Pressemitteilung ist bei Nennung der Quelle vergütungsfrei gestattet. Das Bildmaterial darf nur in Zusammenhang mit dem Inhalt dieser Pressemitteilung verwendet werden. Falls Sie das Bild in höherer Auflösung benötigen oder Rückfragen zur Weiterverwendung haben, wenden Sie sich bitte direkt an die Pressestelle, die es veröffentlicht hat.

Edwin Devassykutty, Masterstudent der Sensor Systems Technology der Hochschule Karlsruhe, wurde mit dem Best Paper Award auf einer internationalen Fachkonferenz in Stockholm ausgezeichnet | Quelle: Edwin Devassykutty | Download

Hinweis zur Verwendung von Bildmaterial: Die Verwendung des Bildmaterials zur Pressemitteilung ist bei Nennung der Quelle vergütungsfrei gestattet. Das Bildmaterial darf nur in Zusammenhang mit dem Inhalt dieser Pressemitteilung verwendet werden. Falls Sie das Bild in höherer Auflösung benötigen oder Rückfragen zur Weiterverwendung haben, wenden Sie sich bitte direkt an die Pressestelle, die es veröffentlicht hat.

Ermittelte Fahrroute bei ersten Feldversuchen zur Bestimmung der Position von Unterwasserfahrzeugen in einem Gewässer nahe der französischen Grenze | Quelle: Google Earth | Download

❮ ❯

Edwin Devassykutty, der aus dem südindischen Kerala stammt, studiert seit 2016 an der Hochschule Karlsruhe – Technik und Wirtschaft im englischsprachigen Masterstudiengang Sensor Systems Technology. Augenblicklich erarbeitet er am Karlsruher Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung (IOSB) seine Master-Thesis. Auf der „2nd International Conference on Industrial Automation, Robotics and Control Engineering (IARCE 2018)“ in Stockholm wurde er für seinen Beitrag „Evaluation of a high precision localization approach for a flut of unmanned deep ocean vehicles“ mit dem Best Paper Award ausgezeichnet, erhielt also einen Preis für die beste wissenschaftliche Publikation dieser Konferenz.

In seiner Abschlussarbeit entwickelt Edwin Devassykutty ein neues Konzept zur Unterwasserlokalisierung von Tiefseeobjekten wie bespielweise Robotern. Akustische Signale und Trägheitsmesstechnik werden seit langem zur Lokalisierung solcher Fahrzeuge eingesetzt, wobei es auf Basis der Technologien Long Base Line (LBL), Ultra Short Baseline (USBL) und Short Baseline (SBL) verschiedene Lösungen gibt. Doch diese haben ihre eigenen Grenzen: So verfügt LBL über die beste Positionsgenauigkeit (von wenigen Zentimetern), ist aber mit hohen Kosten für Bereitstellung, Installation und Datenabruf verbunden. USBL ist sehr robust und benötigt nur eine einmalige Kalibrierung, hat aber unter den drei Systemen die geringste Positionsgenauigkeit.

In seiner Abschlussarbeit entwickelt Edwin Devassykutty die Moving LBL-Methode, mit der er die Vorteile von Akustik- und Trägheitsmessungen kombiniert. Dabei nutzt er USBL-Messungen mit denen er eine LBL-Lokalisierung von der Oberfläche aus durchführen kann. Diese Methode ist vergleichbar mit einer GPS-Navigation über Wasser. Zunächst wurde von ihm das akustische Lokalisierungskonzept mit relevanten Gleichungen über eine mathematische Simulationssoftware (Matlab) berechnet und damit der neue Ansatz validiert. Um aussagefähige Daten zu erhalten, ginge es dann darum, einen mathematischen Algorithmus zu entwickeln. Dazu wurde die Methode des linearen Kalmanfilters ausprobiert, aber aufgrund verschiedener nicht linear verlaufender Werte konnten keine aussagekräftigen Ergebnisse erzielt werden. Aus diesem Grund wurde daraufhin die nichtlineare Kalman-Filter-Methode namens Unscented Kalman Filter (UKF) eingesetzt. Die Ergebnisse zeigten, dass dieser Filter in der Lage ist, mit verschiedenen Nichtlinearitäten umzugehen und aussagekräftige Ergebnisse zu erzeugen. Schließlich wurden in einem Feldversuch in einem Gewässer nahe der französischen Grenze Daten gesammelt, in diesen Algorithmus eingespeist und die Ergebnisse verifiziert. Obwohl bisher nur Tests in flachem Wasser durchgeführt werden konnten, ist die Berechnungsmethode über diesen Algorithmus bis zu einer Tiefe von 4 000 Metern ausgelegt. In seiner Master-Thesis wird nun Edwin Devassykutty diese Methode über weitere Feldversuche auch in größeren Tiefen überprüfen.

„Der neue Ansatz über die Kombination zweier Berechnungsmethoden zur Bestimmung der Position von Unterwasserobjekten führt zu einer geringen Abweichung und damit zu einer genaueren Positionsbestimmung“, so Prof. Dr. Thomas Westermann, an der Fakultät für Elektro- und Informationstechnik einer der Betreuer dieser Abschlussarbeit. „Wenn sich die Methode weiter bewährt, wird es möglich sein, beispielsweise Fahrzeuge unter Wasser auch in größeren Tiefen besser zu navigieren und damit besser zu steuern – was einen großen Fortschritt bedeuten würde, wofür auch die Aufmerksamkeit spricht, die seine Arbeit auf dem internationalen Wissenschaftskongress hervorrief.“

„Herr Devassykutty hat mit seiner Entwicklung einen bedeutenden Beitrag für das Team ARGGONAUTS des Fraunhofer IOSB geleistet, das auch deshalb mit seiner Tiefseedrohnen-Technologie im Finale des renommierten Shell Ocean Discovery XPRIZE steht. Es freut uns außerordentlich, dass seine allererste wissenschaftliche Veröffentlichung nun auch noch durch einen Best-Paper-Award gekrönt wird“, so Prof. Dr. habil. Jürgen Beyerer, Institutsleiter des Fraunhofer IOSB und Präsidiumsmitglied der Fraunhofer-Gesellschaft.

Die Aufgabe des mehrjährigen Wettbewerbs lautet, den Grund des Ozeans in mehreren tausend Metern Tiefe mit hoher Auflösung zu vermessen, dabei Objekte wie etwa Schiffswracks zu entdecken und von ihnen Fotos anzufertigen – und zwar mithilfe autonomer Systeme. Die ARGGONAUTS sind dabei das einzige deutsche Team unter den 9 Finalisten von ursprünglich 32 Wettbewerbsteilnehmern aus der ganzen Welt für den mit insgesamt 7 Mio. Dollar dotierten Preis.

Weitere Informationen:
https://www.hs-karlsruhe.de/home/