Control coordinado de veh
´
ıculos a
´
ereos y
acu
´
aticos para relevamiento batim
´
etrico en aguas
poco profundas
Coordinated control of aerial and aquatic vehicles for bathymetric survey in shallow waters
Leonardo Garberoglio
∗†1
, Patricio Moreno
∗‡§2
, Ignacio Mas
∗‡3
and Juan Giribet
∗‡4
∗
Consejo Nacional de Investigaciones Cient
´
ıficas y T
´
ecnicas
Godoy Cruz 2290, Ciudad Aut
´
onoma de Buenos Aires, Argentina
†
Centro de Investigaci
´
on y Transferencia, Facultad Regional San Nicol
´
as, Universidad Tecnol
´
ogica Nacional
Col
´
on 332, San Nicol
´
as, Argentina
1
lgarberoglio@frsn.utn.edu.ar
‡
Departamento de Ingenier
´
ıa - Universidad de San Andr
´
es
Vito Dumas 284, Buenos Aires, Argentina
2
morenop@udesa.edu.ar
3
imas@udesa.edu.ar
4
jgiribet@conicet.gov.ar
Resumen—Las aplicaciones con peque
˜
nos veh
´
ıculos no tri-
pulados han crecido notablemente en los
´
ultimos a
˜
nos. Junto
a ello, el inter
´
es y la necesidad de realizar tareas utilizando
varios de estos veh
´
ıculos fue cobrando relevancia.
En este trabajo se presenta el uso de una formaci
´
on
basada en la t
´
ecnica de control en el espacio del cluster
entre un veh
´
ıculo no tripulado de superficie y uno a
´
ereo,
con el objetivo de realizar monitoreo de cuencas fluviales.
La diferente percepci
´
on del entorno que cada veh
´
ıculo
posee y la capacidad de transportar diferentes sensores son
caracter
´
ısticas fundamentales para este tipo de aplicaci
´
on. Se
presentan resultados tanto en entorno de simulaci
´
on como en
una aplicaci
´
on real con veh
´
ıculos no tripulados pertenecientes
a los grupos de investigaci
´
on.
Palabras clave: Control en el espacio del Cluster; Rob
´
otica
M
´
ovil; Veh
´
ıculo Aut
´
onomo A
´
ereo; Veh
´
ıculo aut
´
onomo de
superficie.
Abstract— Applications with small unmanned vehicles have
grown remarkably in recent years. Along with this, the interest
and the need to carry out tasks using several of these vehicles
has gained relevance.
This paper presents the use of a formation based on the
cluster space control technique between an unmanned surface
vehicle and an aerial vehicle, with the aim of monitoring
river basins. The different perception of the environment that
each vehicle has and the ability to transport different sensors
are fundamental characteristics for this type of application.
Results are presented both in a simulation environment and
in a real application with unmanned vehicles belonging to the
research groups.
Keywords: Cluster Space Control; Movile Robotics; Unmaned
Aerial Vehicle; Autonomous Surface Vessel.
I. INTRODUCCI
´
ON
El desarrollo y utilizaci
´
on de veh
´
ıculos no tripulados ha
tenido un crecimiento exponencial en los
´
ultimos a
˜
nos. La
miniaturizaci
´
on de los sensores (unidades de mediciones
inerciales, sistemas de posicionamiento global, lidars, etc.),
actuadores (motores sin escobilla) y los avances en las ba-
ter
´
ıas (Iones de Litio, Grafeno, etc.) han permitido el dise
˜
no
y puesta en marcha de peque
˜
nos veh
´
ıculos no tripulados.
Los veh
´
ıculos aut
´
onomos de superficie (ASV) han sido
utilizados en diversas aplicaciones, como ser la toma de
muestras de agua [1], contenci
´
on de derrames de petr
´
oleo
[2] y vigilancia [3], entre otras. Si bien estos peque
˜
nos
veh
´
ıculos pueden llevar un reducido n
´
umero de sensores,
son m
´
as simples de dise
˜
nar, construir y poner en marcha,
haci
´
endolos una plataforma interesante, principalmente para
aplicaciones en aguas poco profundas [4], [5], y [6]. De igual
modo, el desarrollo de los veh
´
ıculos a
´
ereos no tripulados
(UAV) ha crecido en la misma direcci
´
on. Estos veh
´
ıculos
tienen capacidades muy diferentes a los anteriores. Poseen
un campo de visi
´
on mucho m
´
as amplio y una mayor
maniobrabilidad, sin embargo pueden operar por un tiempo
limitado (del orden de algunas decenas de minutos) y su
capacidad de carga es m
´
as acotada.
El trabajo coordinado entre uno o varios UAV con ASV
ha mostrado ser muy eficiente para distintas tareas como, por
ejemplo, el monitoreo medioambiental, la caracterizaci
´
on de
costas [7], [8], la mitigaci
´
on de derrames de petroleo [9]
y la construcci
´
on de mapas de alta resoluci
´
on [5], [7]. En
[10] se utiliz
´
o un UAV junto a un ASV con el objetivo de
brindar una respuesta autom
´
atica a un siniestro marino. El
UAV fue dotado de una c
´
amara de alta resoluci
´
on con la que
se obtienen las im
´
agenes utilizadas tanto para la detecci
´
on
de v
´
ıctimas como para la ubicaci
´
on del ASV. El guiado
del ASV hacia las v
´
ıctimas fue realizado haciendo uso de
algoritmos de Visual Tracking.
En sistemas compuestos por m
´
ultiples robots, es muy
importante elegir de forma acorde la t
´
ecnica utilizada para
coordinar el movimiento individual de cada veh
´
ıculo. Se
han desarrollado una gran variedad de t
´
ecnicas en este
campo basadas en teor
´
ıa de control, rob
´
otica y biolog
´
ıa,
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
86
Recibido: 11/10/22; Aceptado: 24/11/22
Creative Commons License - Attribution-NonCommercial-
NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
https://doi.org/10.37537/rev.elektron.6.2.164.2022
Original Article
siendo aplicables en desarrollos tanto en tierra, agua, aire
y el espacio. Una t
´
ecnica usual, denominada l
´
ıder-seguidor,
consiste en definir un grupo de robots seguidores, los cuales
controlan su posici
´
on en relaci
´
on con un l
´
ıder [11], [12],
[13]. De esta manera es necesario comandar solamente la
trayectoria del l
´
ıder, y el resto de la formaci
´
on lo seguir
´
a.
Una extensi
´
on de esta t
´
ecnica son las cadenas l
´
ıder-seguidor,
en las cuales los robots seguidores controlan su posici
´
on en
relaci
´
on a uno o m
´
as l
´
ıderes locales que, a su vez, siguen a
otros l
´
ıderes locales en una red que, en
´
ultima instancia, est
´
a
dirigida por un l
´
ıder designado [14]. Se ha demostrado el
uso de flotas de remolcadores automatizados y t
´
ecnicas de
navegaci
´
on en enjambre para mover otros barcos [15] o el
uso de formaciones de ASV para la detecci
´
on de fen
´
omenos
como la proliferaci
´
on de algas nocivas [16]. Muchas de estas
soluciones han sido implementadas con robots que operan
en un mismo entorno, o dominio, como son el agua, el aire,
o la tierra. Sin embargo, trabajar con sistemas compuestos
por veh
´
ıculos que operan en diferentes dominios—sistemas
multidominio—permite aumentar las capacidades del mismo
aprovechando la sinergia entre los veh
´
ıculos, lo que adem
´
as
brinda mayor flexibilidad al sistema. El ASV posee mayor
capacidad de carga, pudi
´
endose utilizar como plataforma de
despegue/aterriza/carga de bater
´
ıas para solventar la princi-
pal deficiencia de los UAV, el reducido tiempo de vuelo.
Por otra parte la percepci
´
on del entorno por parte del ASV
es limitada, pudi
´
endose complementar con la posibilidad
del UAV de tener una visi
´
on m
´
as general del entorno de
trabajo, ya sea utilizando c
´
amaras o LIDARs. Sin embargo,
la estrategia de control debe tener en cuenta las limitaciones
y la din
´
amica de cada veh
´
ıculo. El enfoque de espacio de
cluster [17] es un m
´
etodo de control de formaci
´
on que
promueve la especificaci
´
on y el monitoreo del movimiento
de un sistema m
´
ovil compuesto por m
´
ultiples robots. La
estrategia conceptualiza el sistema de n-robots como una
sola entidad, un cluster, y los movimientos deseados se
especifican en funci
´
on de los atributos del grupo, como la
posici
´
on, la orientaci
´
on y la geometr
´
ıa.
La organizaci
´
on del trabajo contin
´
ua con la secci
´
on II en
la que se describe una propuesta de monitoreo medioam-
biental haciendo uso de una formaci
´
on de veh
´
ıculos no
tripulados. A continuaci
´
on, la secci
´
on III, introduce la forma
de obtener mapas batim
´
etricos. Luego en la secci
´
on IV,
se muestra el dise
˜
no y fabricaci
´
on del veh
´
ıculo propuesto.
La secci
´
on V expone el sistema de adquisici
´
on de datos.
Finalmente en la secci
´
on VI se muestran resultados de la
formaci
´
on propuesta, tanto en simulaci
´
on como utilizando
los veh
´
ıculos reales. Finalmente se expone la puesta en
marcha del sistema de mapeo, obteniendo la batimetr
´
ıa
de una zona del arroyo Las Hermanas en la localidad de
Ramallo.
II. MONITOREO AMBIENTAL MULTIROBOT
Realizar el monitoreo de una cuenca fluvial es una tarea
compleja ya que es necesario evaluar tanto la biodiversidad
como los niveles de contaminaci
´
on en el agua y en la
costa. Estos entornos suelen ser grandes y en general con
acceso restringido para las personas. Estas tareas suelen
ser realizadas por medio de peque
˜
nos ASV [18], [19]. Sin
embargo estos veh
´
ıculos presentan un campo de visi
´
on
Figura 1: Marcos de referencia y variables de estados del
Cluster.
reducido sobre la superficie del agua. Para realizar una
navegaci
´
on segura ser
´
ıa conveniente contar con una vista
a
´
erea de la zona de trabajo.
Para enfrentar estos desaf
´
ıos, se propone realizar una
formaci
´
on entre un ASV y un UAV, con la capacidad
de tomar muestras en forma coordinada. El control de la
formaci
´
on es realizada utilizando la t
´
ecnica de Cluster Space
Control. Con esta t
´
ecnica es posible seleccionar un grupo de
variables de estado acordes para la descripci
´
on, el control
y la supervisi
´
on de la formaci
´
on propuesta. Por medio
de transformaciones cinem
´
aticas es posible transformar las
variables de estado en el espacio del cluster en variables
de estado en el espacio de cada robot. Haciendo uso de
dichas transformaciones es posible convertir los comandos
del cluster a comandos que puedan ejecutar cada uno de
los robots. De igual modo, los estados de cada uno de los
veh
´
ıculos pueden ser transformados a estados espec
´
ıficos
del cluster. Gracias a esto, un piloto o un sistema de control
aut
´
onomo, puede monitorear y modificar el movimiento de
la formaci
´
on como si fuese un cluster de veh
´
ıculos. [20]–
[22].
II-A. Definici
´
on del Cluster
En la Figura 1 se puede observar los marcos de referencia
utilizados para definir la formaci
´
on UAV-ASV as
´
ı como
tambi
´
en los par
´
ametros en el espacio del cluster.
El marco de referencia del cluster {C} ha sido ubicado
de modo tal que coincida su posici
´
on y orientaci
´
on con la
del ASV. Teniendo en cuenta esto, las variables de estado
correspondientes a la pose del ASV con tres grados de
libertad (DOF por sus siglas en ingl
´
es) y la pose del UAV
con cuatro DOF,
r = (x
ASV
, y
ASV
, θ
ASV
, x
UAV
, y
UAV
, z
UAV
, θ
UAV
)
T
son transformadas en las variables de estado en el espacio
del cluster
c = (x
c
, y
c
, θ
c
, s
c
, la
c
, of
c
, γ
c
)
T
donde (x
c
, y
c
, θ
c
) definen el marco de referencia del cluster,
el swath o ancho de la imagen es definida por s
c
, la
distancia hacia adelante/atr
´
as entre los veh
´
ıculos esta dada
por la
c
, la distancia lateral entre el ASV y el UAV es
definida por of
c
, y la orientaci
´
on del UAV esta dada por
γ
c
.
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
87
http://elektron.fi.uba.ar
Las relaciones cinem
´
aticas entre las variables del cluster
y de los robots se pueden expresar como:
x
c
= x
ASV
y
c
= y
ASV
θ
c
= θ
ASV
s
c
= 2z
UAV
tan(
F OV
h
2
)
la
c
= cos(θ
UAV
)∆
x
+ sin(θ
UAV
)∆
y
of
c
= − sin(θ
UAV
)∆
x
+ cos(θ
UAV
)∆
y
γ
c
= θ
UAV
con: ∆
x
= x
UAV
− x
ASV
y ∆
y
= y
UAV
− y
ASV
, y F OV
h
es el campo de visi
´
on horizontal de la c
´
amara a bordo del
UAV.
Las ecuaciones de la cinem
´
atica inversa permiten trans-
formar las variables de estado en el espacio del cluster en
variables de estado en el espacio de los robots:
x
ASV
= x
c
y
ASV
= y
c
θ
ASV
= θ
c
x
UAV
= x
c
+ la
c
cos(γ
c
) − of
c
sin(γ
c
)
y
UAV
= y
c
+ la
c
sin(γ
c
) + of
c
cos(γ
c
)
z
UAV
=
s
c
2tan(
F OV
h
2
)
θ
UAV
= γ
c
Derivando las ecuaciones de la cinem
´
atica directa e
inversa, se pueden obtener f
´
acilmente las correspondientes
matrices Jacobianas, con las que se puede relacionar las
velocidades en el espacio del cluster con las mismas en el
espacio de los robots.
Para mayor detalle ver [23].
II-B. Definici
´
on de la formaci
´
on
En este trabajo se ha decidido utilizar una versi
´
on redu-
cida del cluster previamente presentado. Con el objetivo de
utilizar un sistema de guiado externo para el ASV se redu-
jeron los grados de libertad de la formaci
´
on. En este caso el
sistema de control del cluster no actuar
´
a sobre el ASV, quien
ser
´
a comandado por otro sistema que controla y monitorea
la misi
´
on a realizar. Es necesario, por lo tanto, realizar
las siguientes modificaciones en las entradas al sistema de
control del cluster ref
x
c
= x
c
, ref
y
c
= y
c
, ref
θ
c
= θ
c
,
donde ref
x
c
, ref
y
c
, ref
θ
c
son los valores deseados de la
posici
´
on y orientaci
´
on del cluster. En la Figura 2 puede
observarse el esquema del sistema de control de la formaci
´
on
presentada.
Introduciendo estos cambio se da al cluster un formato
similar al de una formaci
´
on tipo l
´
ıder-seguidor, en donde el
ASV es propuesto como l
´
ıder y el UAV lo sigue mantenien-
do los par
´
ametros establecidos para el sistema de control.
III. BATIMETR
´
IA EN AGUAS POCO PROFUNDAS
En los
´
ultimos a
˜
nos han habido grandes avances en la
tecnolog
´
ıa de sonar, la capacidad de posicionamiento global
Figura 2: Esquema del sistema de control de la formaci
´
on
propuesto.
y el poder de procesamiento de las computadoras que han
revolucionado el mapeo y la exploraci
´
on del fondo marino.
Aunque la batimetr
´
ıa es utilizada hoy en d
´
ıa para medir
las profundidades de los oc
´
eanos y mares, tambi
´
en hay
muchas aplicaciones en aguas poco profundas como ser
lagos, represas, r
´
ıos y arroyos. Un ejemplo t
´
ıpico puede
ser el mapeo de fondo de plantas hidroel
´
ectricas, cuya
infraestructura necesita ser monitoreada peri
´
odicamente. Es
de gran importancia conocer el volumen total disponible y la
distribuci
´
on de la profundidad de la cuenca, particularmente
cerca de la compuerta de descarga de la represa. Otra
aplicaci
´
on similar es el relevamiento del fondo en lagos
artificiales creados en plantas industriales para el tratamiento
de aguas residuales. En todos estos casos el uso de una
embarcaci
´
on tripulada, por m
´
as peque
˜
na que sea, no resulta
adecuado, ya sea por el costo operativo, por el dif
´
ıcil acceso
que suelen tener dichos reservorios o por la imposibilidad
operativa cuando la profundidad del agua en la que se debe
trabajar es muy baja. Esta
´
ultima situaci
´
on se ha visto en
numerosas oportunidades, un ejemplo reciente es la actual
bajante hist
´
orica del r
´
ıo Paran
´
a.
En [24] se desarroll
´
o un ASV (Veh
´
ıculo aut
´
onomo de
Superficie) con el objetivo de realizar batimetr
´
ıa de forma
aut
´
onoma. En [25] se ha utilizado un veh
´
ıculo comercial,
el Kingfisher de la empresa ClearPath Robotics [26], en el
cual se ha montado una costosa ecosonda multihaz junto a
una c
´
amara monocular con el objeto de obtener un mosaico
3D de alta resoluci
´
on del fondo marino. En el
´
ambito
local, el grupo de investigaci
´
on CIFICEN de la Universidad
Nacional del Centro de la Provincia de Buenos Aires y el
CONICET, desde hace varios a
˜
nos viene trabajando en el
desarrollo de su ASV denominado MACABOT [6], [27]
y recientemente ha publicado un software para el an
´
alisis
de se
˜
nales de ecosondas [28], no solo con funcionalidades
para la detecci
´
on del fondo sino tambi
´
en para la detecci
´
on
de card
´
umenes, muy
´
util para la pesca. El Instituto de
Autom
´
atica de la Universidad de San Juan y CONICET
tambi
´
en est
´
a desarrollando un ASV basado en una estructura
comercial tipo kayak para la inspecci
´
on de diques.
En nuestro grupo de investigaci
´
on se ha construido un
ASV utilizando impresi
´
on 3D, con el objetivo de realizar
un mapa batim
´
etrico en cauces de aguas calmas. Para ello
se ha dotado al veh
´
ıculo de una ecosonda de simple haz.
Dado que este tipo de sensores realizan mediciones en un
solo punto y aprovechando la alta tasa de datos provista,
se propone utilizar un dispositivo capaz de rotar al sensor
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
88
http://elektron.fi.uba.ar
en un movimiento de vaiv
´
en con el fin de obtener un
barrido similar al producido por un sensor de tipo multihaz.
Particularmente, se construye sobre el trabajo realizado
anteriormente por los autores [5] con el objetivo de obtener
un veh
´
ıculo de superficie no tripulado que opere en forma
aut
´
onoma.
Los sistemas aut
´
onomos para realizar estudios hidrogr
´
afi-
cos son relativamente nuevos, siendo el primero de este tipo
de estudios realizado en Reino Unido en 2017 [29]. En
dicho trabajo se utilizaron un veh
´
ıculo a
´
ereo no tripulado
(UAV) y un ASV. El primero se utiliz
´
o para recopilar datos
de alta resoluci
´
on cerca de la costa, generando un mapa
topogr
´
afico por sobre el nivel del mar, mientras que el ASV
se utiliz
´
o aguas adentro, generando un modelo batim
´
etrico
digital. De este modo es posible utilizar la informaci
´
on
del UAV para fijar la l
´
ınea costera y delimitar el
´
area de
trabajo del ASV. Considerando este tipo de actividades,
resulta interesante estudiar la planificaci
´
on de la ruta del
ASV, en tiempo real, a partir de las im
´
agenes tomadas
por un veh
´
ıculo a
´
ereo cooperando con el ASV [23], [30],
[31]. En este trabajo se presenta el sistema multirrob
´
otico
aut
´
onomo de monitoreo de cauces hidrogr
´
aficos, compuesto
por un UAV y ASV, cuya coordinaci
´
on permite aprovechar
la sinergia entre ambos veh
´
ıculos para realizar relevamientos
aut
´
onomos en forma segura y con alta resoluci
´
on.
IV. DISE
˜
NO Y CONSTRUCCI
´
ON DEL ASV
Partiendo de la experiencia previa en el dise
˜
no y puesta en
marcha del ASV Yaguaron [5] se procedi
´
o al desarrollo de
un nuevo veh
´
ıculo. Este nuevo dise
˜
no tuvo como objetivos
principales obtener un veh
´
ıculo de muy bajo costo, con di-
mensiones reducidas para facilitar su transporte y colocaci
´
on
en el agua, de f
´
acil construcci
´
on y reproducci
´
on en caso
de requerir veh
´
ıculos adicionales. Se opt
´
o por un dise
˜
no
tipo catamar
´
an con dos pontones debido a su estabilidad,
facilidad de manejo en modo diferencial y capacidad de
carga. Para el modelado del veh
´
ıculo se utiliz
´
o un software
de CAD/CAM. En la figura 3 puede observarse el dise
˜
no
preliminar del ASV. Este software permite obtener los
modelos en formato STL. La manufactura de los pontones se
realiz
´
o utilizando tecnolog
´
ıa de impresi
´
on 3D. Las distintas
partes fueron impresas utilizando filamento de ABS. Luego
del montaje de los anclajes necesarios para los motores de
propulsi
´
on y la estructura de uni
´
on de los pontones, se
procedi
´
o a la uni
´
on de las diversas piezas. Finalmente la
impermeabilizaci
´
on y rigidez de las estructuras fue obtenida
por medio de varias capas de fibra de vidrio y resina de
poli
´
ester. En la figura 4 puede observarse parte de este
proceso.
La propulsi
´
on del ASV se realiza por medio de dos thrus-
ters brushless, modelo BT-100 de la empresa BlueRobotics,
estos aportan un empuje m
´
aximo de 50 N con lo que se
obtiene una velocidad m
´
axima de 2 m/s. Dichos motores
son manejados por Controladores Electr
´
onicos de Velocidad
o ESC por sus siglas en ingl
´
es. La fuente de energ
´
ıa del
veh
´
ıculo proviene de dos bater
´
ıas de pol
´
ımero de iones de
litio de 14,8 V y 5 Ah cada una, conectadas en paralelo.
A velocidad crucero, el ASV consume 5 A, por lo que
es posible realizar misiones de alrededor de dos horas de
duraci
´
on. En la figura 5 puede verse el veh
´
ıculo terminado.
Figura 3: Modelo del ASV en software CAD/CAM.
(a) Impresi
´
on 3D (b) Pontones terminados
Figura 4: Manufactura de los pontones con impresi
´
on 3D y
fibra de vidrio.
V. SISTEMA DE MEDICI
´
ON
Para realizar un mapa batim
´
etrico es necesario contar con
un sistema de adquisici
´
on de datos con el cual se pueda
obtener mediciones de profundidad de agua y geolocalizar
de forma precisa dichas mediciones. Para lo primero se ha
utilizado una ecosonda simple haz de la firma EchoLogger,
en particular el modelo ECT400 [32]. Este sensor funciona
con una frecuencia ac
´
ustica de 450 KHz, un ancho de haz
de 5
◦
, permite realizar mediciones de entre 0,15 m y 100 m
y posee una tasa m
´
axima de mediciones de 10 Hz. Con
el objetivo de tomar lecturas en distintos puntos, aprove-
chando la tasa de mediciones del sensor, se ha dise
˜
nado
un sistema de vaiv
´
en en el cual se ha montado el sensor.
Este dispositivo permite rotar la ecosonda un determinado
´
angulo respecto de la vertical. Dicho movimiento se realiza
por medio de un Servo Inteligente, en este caso se opt
´
o
por el modelo DRS0101 de la firma Herkulex. Este servo
posee comunicaci
´
on serial full-duplex por medio de la cual
es posible configurar la referencia de posici
´
on deseada y leer
la posici
´
on real del servo en cada instante. De este modo es
posible conocer, de forma precisa, la inclinaci
´
on del sensor
al momento de realizar una medici
´
on. En la figura 6 se
muestra el dispositivo que permite el movimiento de vaiv
´
en
de la ecosonda.
Para la geolocalizaci
´
on de las mediciones se ha utilizado
el sistema de GPS con correcciones RTK, para ello se
utilizaron m
´
odulos desarrollados por la empresa Ardusimple
[33], basados en el receptor uBlox F9P. Para obtener la
orientaci
´
on del veh
´
ıculo se ha utilizado un segundo receptor
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
89
http://elektron.fi.uba.ar
Figura 5: Veh
´
ıculo terminado.
Figura 6: Sistema de vaiv
´
en para la ecosonda.
GPS configurado en la modalidad Base M
´
ovil. En esta con-
figuraci
´
on ambos receptores son instalados en el veh
´
ıculo,
con las antenas a una distancia mayor de 0,4 m. La base
m
´
ovil env
´
ıa mensajes de correcci
´
on al receptor denominado
rover quien puede calcular la posici
´
on relativa Norte, Este,
Abajo entre ellos y por lo tanto obtener, de forma precisa,
la orientaci
´
on respecto del Norte geogr
´
afico. Si adem
´
as se
agrega al sistema un receptor configurado como Base Fija,
el cual env
´
ıa mensajes de correcci
´
on de posici
´
on es posible
obtener la localizaci
´
on del veh
´
ıculo con precisi
´
on del orden
del cent
´
ımetro.
Un punto importante para conseguir precisi
´
on en la obten-
ci
´
on del mapa batim
´
etrico es la sincronizaci
´
on de los datos
de los diversos sensores que forman parte del sistema. En
esta aplicaci
´
on, es necesario sincronizar el dato de posici
´
on
y orientaci
´
on entregado por el GPS con el dato de posici
´
on
angular del servo inteligente y con el dato de profundidad
entregado por la ecosonda. Los tres sensores mencionados
se comunican con la computadora de bajo nivel Choriboard
[34], [35] por medio de puertos serie asincr
´
onicos. Debido
a que la ecosonda posee una entrada de disparo externo,
la cual permite solicitar una medici
´
on al sensor y teniendo
en cuenta que la posici
´
on del servo inteligente es posible
consultarla en cualquier momento con un simple comando,
se eligi
´
o al GPS como sensor principal para la sincroni-
zaci
´
on de los mensajes. De este modo cada vez que una
Figura 7: Modelos del UAV y ASV en Gazebo.
nueva soluci
´
on de posici
´
on es decodificada se realiza una
solicitud de interrupci
´
on por software, IRQ por sus siglas en
ingl
´
es. En la rutina de atenci
´
on de la interrupci
´
on, ISR por
sus siglas en ingl
´
es, se env
´
ıa un disparo externo solicitando
una medici
´
on de profundidad a la ecosonda. Acto seguido
se obtiene la posici
´
on angular actual del servo inteligente.
Toda esta informaci
´
on es enviada a una computadora de alto
nivel para su procesamiento y visualizaci
´
on. De este modo
el usuario puede supervisar en tiempo real los puntos del
mapa que se est
´
an adquiriendo. Dicha informaci
´
on puede
ser utilizada, tambi
´
en, por un nodo encargado del guiado
del veh
´
ıculo para, en caso de detectarse un nivel de agua
muy bajo para la navegaci
´
on, realizar las correspondientes
maniobras de evasi
´
on.
Para evaluar el sistema de recolecci
´
on de datos batim
´
etri-
cos se realizaron una serie de ensayos en una pileta en la
cual se sumergieron objetos con dimensiones conocidas para
validar las mediciones obtenidas con el ASV y la ecosonda,
los primeros resultados de estas pruebas fueron presentados
en [36].
VI. RESULTADOS
Con el objetivo de validar la formaci
´
on propuesta se
realizaron pruebas en un entorno de simulaci
´
on y luego
utilizando los veh
´
ıculos reales.
VI-A. Entorno de Simulaci
´
on
En una primer instancia, los algoritmos propuestos fueron
evaluados en un entorno de simulaci
´
on, compuesto por el
Sistema Operativo Rob
´
otico (ROS) y el motor de f
´
ısica e
interfaz gr
´
afica Gazebo. El modelo del UAV utilizado, en
forma de plugin para Gazebo, fue el desarrollado por el
Autonomous System Lab of ETH Z
¨
urich University [37],
el cual representa al quadrotor IRIS de la empresa 3D-
Robotics y el firmware de PX4. Dicho firmware hace uso
de la interface MAVROS para comunicarse con ROS. Para
el modelo del ASV y del terreno se utilizaron herramientas
de la firma learPath Robotics [26], en particular el corres-
pondiente al Heron ASV. El control en el espacio del cluster
fue programada en el lenguaje Python como nodos de ROS.
En la Figura 7 se puede observar una vista del entorno
de simulaci
´
on con los veh
´
ıculos.
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
90
http://elektron.fi.uba.ar
Figura 8: Primera simulaci
´
on s
c
= 6 m, of
c
= 0 m, la
c
=
0 m, γ
c
= 0
◦
.
Figura 9: Segunda simulaci
´
on s
c
= 6 m, of
c
= 0 m, la
c
=
0 m, γ
c
= θ
c
.
Figura 10: Tercer simulaci
´
on s
c
= 6 m, of
c
= 0 m, la
c
=
−3 m, γ
c
= θ
c
.
La Figura 8 muestra el resultado de la primera forma-
ci
´
on simulada. En este caso se eligieron como par
´
ametros
s
c
= 6 m, of
c
= 0 m, la
c
= 0 m, γ
c
= 0
◦
. De este modo
Figura 11: Diagrama de bloques del setup para las pruebas
experimentales
el UAV sigue al ASV desde arriba, con un swath de 6m
y manteniendo la orientaci
´
on en todo el recorrido. Este
escenario es ideal para realizar ajustes en los lazos de control
de la formaci
´
on. En la segunda simulaci
´
on, Figura 9, se
toma como referencia de orientaci
´
on del UAV, el valor de
la orientaci
´
on del cluster. Finalmente la tercera formaci
´
on,
Figura 10, es realizada con s
c
= 6 m, of
c
= 0 m, la
c
=
−3 m, γ
c
= θ
c
, esto es, el UAV siguiendo al ASV, 3 m detr
´
as
de este.
Estos y otros escenarios permitieron ajustar los lazos de
control de la formaci
´
on. Los valores obtenidos fueron el
punto de partida para lo la obtenci
´
on de los par
´
ametros
utilizados en las pruebas con los veh
´
ıculos reales.
VI-B. Pruebas experimentales
La validaci
´
on experimental fue llevada a cabo utilizando
un ASV [36] desarrollado por el grupo, junto a un hexa-rotor
armado a partir de un frame de la empresa DJI. La compu-
tadora de bajo nivel de ambos veh
´
ıculos es un pixhawk,
mientras que la computadora de alto nivel es una Raspberry
Pi modelo 3B+, corriendo el sistema operativo Ubuntu 16.04
junto al meta sistema operativo ROS kinetic. Los algoritmos
de control del cluster, programados como nodos de ROS,
corrieron en una laptop ubicada en tierra, la cu
´
al posee el
sistema operativo Ubuntu 18.04 junto a ROS Melodic. La
comunicaci
´
on entre las tres computadoras fue realizada por
medio de una red WiFi. Cada uno de los veh
´
ıculos posee una
placa de red inal
´
ambrica, externa, conectada por medio de un
cable USB a sus respectivas Raspberry Pi. La computadora
en tierra es conectada al router WiFi por medio de un cable
ethernet, de este modo se establece la comunicaci
´
on entre
las tres computadoras. La orientaci
´
on de las antenas en los
veh
´
ıculos es crucial para obtener buena se
˜
nal entre el router
en tierra y los veh
´
ıculos. Para el sistema de posicionamiento
de los veh
´
ıculos se utiliz
´
o GPS con correcciones RTK,
para ello se utilizaron m
´
odulos desarrollados por la empresa
Ardusimple, basados en el receptor uBlox F9P. Los mensajes
de correcci
´
on entre la base fija y los veh
´
ıculos son enviados
por medio de un enlace XBee de largo alcance. La Figura 11
muestra un diagrama con los componentes descriptos. Las
pruebas fueron realizadas en el arroyo ”Las Hermanas”, en
la localidad de Ramallo, en la guarder
´
ıa n
´
autica Nautilus.
Para el guiado del ASV, el l
´
ıder de la formaci
´
on, se utiliz
´
o
el software MissionPlanner [38] con el fin de programar
una misi
´
on, compuesta por cuatro waypoints y con una
repetici
´
on de cinco vueltas, como se observa en la Figura 12.
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
91
http://elektron.fi.uba.ar
Figura 12: Misi
´
on del experimento llevado a cabo.
Figura 13: Primeras dos vueltas del experimento realizado.
En esta prueba experimental se tomaron como referencias
de las variables de estado de la formaci
´
on s
c
= 35 m, of
c
=
0 m, la
c
= 0 m y γ
c
= θ
ASV
para la primera vuelta
y s
c
= 30 m, of
c
= 0 m, la
c
= 0 m y γ
c
= θ
ASV
para la segunda vuelta del recorrido. Todos los datos de
la formaci
´
on son logueados en la computadora donde se
corren los algoritmos. En la Figura 13 se puede observar
el recorrido realizado por cada uno de los veh
´
ıculos. Las
l
´
ıneas de trazo punteado magenta unen las poses de los
veh
´
ıculos en el mismo instante de tiempo. Se puede ver
c
´
omo el ASV sigue la trayectoria comandada por el piloto
autom
´
atico uniendo los cuatro waypoints mientras que el
UAV sigue dicho movimiento manteniendo los par
´
ametros
de la formaci
´
on.
En la Figura 14 observamos el control del par
´
ametro
swath del cluster as
´
ı como el cambio de referencia en
el tiempo t = 130 s. Puede verse tambi
´
en el correcto
funcionamiento del controlador dado el acotado error en
dicho par
´
ametro durante el experimento.
La Figura 15 muestra el comportamiento de este par
´
ame-
tro as
´
ı como el error respecto de la referencia. Si bien el
error est
´
a acotado, se puede notar un sesgo de alrededor
de 0,5 m. Esto puede ser atribuido a una deficiencia en el
0 50 100 150 200 250
t [s]
28
30
32
34
36
s
c
[m]
s
c
ref
s
0 50 100 150 200 250
t [s]
-6
-4
-2
0
error [m]
Figura 14: Par
´
ametro s
c
de la formaci
´
on.
0 50 100 150 200 250
t [s]
-1.5
-1
-0.5
0
0.5
1
la
c
[m]
la
c
ref
l
a
0 50 100 150 200 250
t [s]
-1
-0.5
0
0.5
1
1.5
error [m]
Figura 15: Par
´
ametro la
c
de la formaci
´
on.
0 50 100 150 200 250
t [s]
-1
-0.5
0
0.5
of
c
[m]
of
c
ref
o
f
0 50 100 150 200 250
t [s]
-0.5
0
0.5
1
error [m]
Figura 16: Par
´
ametro of
c
de la formaci
´
on.
t
´
ermino integral del controlador PID.
Las Figuras 16 y 17 muestran el comportamiento de los
par
´
ametros of
c
y γ
c
, respectivamente, as
´
ı como el error
respecto de las referencias. Puede observarse un muy buen
desempe
˜
no del controlador de la formaci
´
on.
En la Figura 18 puede observarse la formaci
´
on conforma-
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
92
http://elektron.fi.uba.ar
0 50 100 150 200 250
t [s]
-4
-2
0
2
4
c
[rad]
c
ref
0 50 100 150 200 250
t [s]
-2
0
2
4
6
error [rad]
Figura 17: Par
´
ametro γ
c
de la formaci
´
on.
Figura 18: Veh
´
ıculos reales durante una prueba de campo
(ASV navegando en el arroyo y UAV sobrevol
´
andolo).
da por ambos robots.
VI-C. Relevamiento del arroyo ”Las Hermanas”
El siguiente experimento consisti
´
o en el relavamiento
batim
´
etrico de una zona del arroyo ”Las Hermanas”. El
marco de referencia en el cual se representan los datos
obtenidos es ENU (East-North-Up). El origen de dicho
marco fue ubicado en el punto Latitud = −33,4975331,
Longitud = −60,0013008 y Altura = 25,367, correspon-
diente a la bajada de embarcaciones de la guarder
´
ıa n
´
autica
Nautilus.
Para el relevamiento se utiliz
´
o el sistema de guiado por
Waypoints del piloto autom
´
atico Pixhawk [39] utilizando el
firmware Ardurover [40]. La generaci
´
on de los puntos fue
realizada con el software MissionPlanner y corregidos in-
situ debido al desplazamiento de las coordenadas en el mapa
usado como base, en este caso los provistos por Google
Maps. La figura 19 muestra la misi
´
on generada para este
experimento.
Figura 19: Waypoints y trayectoria de la misi
´
on.
La figura 20 muestra la superposici
´
on de los puntos
relevados con una imagen de alta resoluci
´
on de la zona, pro-
ducto del relevamiento realizado con un UAV. Dicha imagen
fue ensamblada utilizando el paquete OpenDroneMap [41],
y es parte del proyecto de monitoreo aut
´
onomo utilizando
un UAV y un ASV para misiones extensas [5], [31].
Figura 20: Superposici
´
on de las mediciones con una imagen
de la zona.
Para el post-procesamiento de los datos obtenidos se
utiliz
´
o el software QGIS [42], un sistema de informaci
´
on
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
93
http://elektron.fi.uba.ar
geogr
´
afica libre, versi
´
on 3.22.3-Białowie
˙
za. Con QGIS se
cre
´
o una malla para la superficie que se observa en la
figura 21, mediante la interpolaci
´
on de los puntos relevados
utilizando el m
´
etodo TIN [43].
Figura 21: Mapa de contornos de profundidad de la zona
relevada. Imagen obtenida desde el UAV.
VII. CONCLUSI
´
ON Y TRABAJOS FUTUROS
En este trabajo presentamos una formaci
´
on entre un UAV
y un ASV basada en la t
´
ecnica Cluster Space Control.
Gracias a dicha t
´
ecnica fue posible elegir par
´
ametros con los
que modificar la posici
´
on y orientaci
´
on del UAV respecto
del ASV, de forma simple. Con este tipo de formaci
´
on
es posible realizar monitoreo de cuencas fluviales. Como
trabajo futuro, se planea dotar al ASV con sensores tales
como una ecosonda, un sensor de temperatura y pH o incluso
un sistema de toma de muestras de agua, mientras que el
UAV puede realizar estudios del aire, tomar im
´
agenes para
fotogrametr
´
ıa o mapas digitales de elevaci
´
on y utilizar este
sistema multirobot para la recolecci
´
on de datos ambientales
y su posterior procesamiento y an
´
alisis. La formaci
´
on pro-
puesta pudo ser validada tanto en un entorno de simulaci
´
on
como con los veh
´
ıculos reales.
Se present
´
o el dise
˜
no, el proceso de construcci
´
on y la
puesta en marcha de un veh
´
ıculo no tripulado de superficie
equipado con un sensor de bajo costo para realizar batimetr
´
ıa
en aguas poco profundas. El sensor esta formado por una
ecosonda de simple haz, montada en un dispositivo rotatorio
que permite un barrido de mediciones para aumentar de
esta forma la capacidad del sistema. La plataforma fue
validada experimentalmente en un entorno controlado y en
un escenario natural.
Como trabajo futuro se puede mencionar el estudio del
impacto de posibles retardos en las comunicaciones, en
especial las establecidas en la red WiFi, as
´
ı como el an
´
alisis
de perturbaciones medioambientales, como ser el viento o
la corriente del cauce de agua en donde opera el ASV.
AGRADECIMIENTOS
Este trabajo fue financiado en parte por los proyectos
PICT-2019-2371 y PICT-2019-0373 de la Agencia Nacional
de Investigaciones Cient
´
ıficas y Tecnol
´
ogicas, UBACyT
0421 de la Universidad de Buenos Aires (UBA), Argentina
y el proyecto PID CCUTISN0007731TC de la Universidad
Tecnol
´
ogica Nacional.
Los autores quieren dar un especial agradecimiento al
se
˜
nor Francisco Salazar, due
˜
no de la guarder
´
ıa n
´
autica Nau-
tilus, quien puso a disposici
´
on del grupo las instalaciones
donde se desarrollaron todas las pruebas del presente trabajo.
REFERENCIAS
[1] M. Dunbabin, A. Grinham, and J. Udy, “An autonomous surface
vehicle for water quality monitoring,” in Australasian Conference on
Robotics and Automation (ACRA 2009), S. Scheding, Ed. Sydney,
Australia: Australian Robotics and Automation Association, 2009, pp.
1–6.
[2] S. Bhattacharya, H. Heidarsson, G. Sukhatme, and V. Kumar, “Coope-
rative control of autonomous surface vehicles for oil skimming and
cleanup,” in Robotics and Automation (ICRA), 2011 IEEE Interna-
tional Conference on. IEEE, 2011, pp. 2374–2379.
[3] J. Melo and A. Matos, “Guidance and control of an asv in auv tracking
operations,” in OCEANS 2008. IEEE, 2008, pp. 1–7.
[4] P. Kimball, J. Bailey, S. Das, R. Geyer, T. Harrison, C. Kunz, K. Man-
ganini, K. Mankoff, K. Samuelson, T. Sayre-McCord et al., “The whoi
jetyak: An autonomous surface vehicle for oceanographic research
in shallow or dangerous waters,” in 2014 IEEE/OES Autonomous
Underwater Vehicles (AUV). IEEE, 2014, pp. 1–7.
[5] L. Garberoglio, P. Moreno, I. Mas, and J. I. Giribet, “Autonomous
vehicles for outdoor multidomain mapping,” in 2018 IEEE Biennial
Congress of Argentina (ARGENCON), June 2018, pp. 1–8.
[6] G. G. Acosta, B. Menna, R. de La Vega, L. Arrien, H. Curti, S. Villar,
R. Leegstra, M. D. Paula, I. Carlucho, F. Solari, and A. Rozenfeld,
“MACABOT: prototipo de vehiculo autonomo de superficie (ASV),”
in XI Jornadas Argentinas de Robotica, Nov. 2017.
[7] A. Mancini, E. Frontoni, P. Zingaretti, and S. Longhi, “High-
resolution mapping of river and estuary areas by using unmanned
aerial and surface platforms,” in 2015 International Conference on
Unmanned Aircraft Systems (ICUAS), June 2015, pp. 534–542.
[8] T. Marques, K. Lima, M. Ribeiro, A. S. Ferreira, J. B. Sousa, and
R. Mendes, “Characterization of highly dynamic coastal environ-
ments, employing teams of heterogeneous vehicles: A holistic case
study,” in 2018 OCEANS - MTS/IEEE Kobe Techno-Oceans (OTO),
May 2018, pp. 1–8.
[9] D. Pedrosa, A. Dias, A. Martins, J. Almeida, and E. Silva, “Control-
law for oil spill mitigation with an autonomous surface vehicle,” in
2018 OCEANS - MTS/IEEE Kobe Techno-Oceans (OTO), May 2018,
pp. 1–6.
[10] X. Xiao, J. Dufek, T. Woodbury, and R. Murphy, “Uav assisted usv
visual navigation for marine mass casualty incident response,” in 2017
IEEE/RSJ International Conference on Intelligent Robots and Systems
(IROS), 2017, pp. 6105–6110.
[11] Z. Wang and D. Gu, “A local sensor based leader-follower flocking
system,” in 2008 IEEE International Conference on Robotics and
Automation. IEEE, 2008, pp. 3790–3795.
[12] R. Fierro, A. Das, J. Spletzer, J. Esposito, V. Kumar, J. P. Ostrowski,
G. Pappas, C. J. Taylor, Y. Hur, R. Alur et al., “A framework and
architecture for multi-robot coordination,” The International Journal
of Robotics Research, vol. 21, no. 10-11, pp. 977–995, 2002.
[13] B. Smith, A. Howard, J.-M. McNew, J. Wang, and M. Egerstedt,
“Multi-robot deployment and coordination with embedded graph
grammars,” Autonomous Robots, vol. 26, no. 1, pp. 79–98, 2009.
[14] A. K. Das, R. Fierro, V. Kumar, J. P. Ostrowski, J. Spletzer, and
C. J. Taylor, “A vision-based formation control framework,” IEEE
transactions on robotics and automation, vol. 18, no. 5, pp. 813–825,
2002.
[15] J. Esposito, M. Feemster, and E. Smith, “Cooperative manipulation
on the water using a swarm of autonomous tugboats,” in 2008 IEEE
International Conference on Robotics and Automation. IEEE, 2008,
pp. 1501–1506.
[16] J. Dolan, G. Podnar, S. Stancliff, K. Low, A. Elfes, J. Higinbotham,
J. Hosler, T. Moisan, and J. Moisan, “Cooperative aquatic sensing
using the telesupervised ocean sensor fleet,” Proceedings of Remote
Sensing of the Ocean, Sea Ice, and Large Water Regions, vol. 7473,
pp. 1–12, 2009.
[17] C. A. Kitts and I. Mas, “Cluster space specification and control of
mobile multirobot systems,” IEEE/ASME Transactions on Mechatro-
nics, vol. 14, no. 2, pp. 207–218, 2009.
[18] M. Dunbabin, A. Grinham, and J. Udy, “An autonomous surface
vehicle for water quality monitoring,” in Australasian conference on
robotics and automation (ACRA). Citeseer, 2009, pp. 2–4.
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
94
http://elektron.fi.uba.ar
[19] M. Caccia, R. Bono, G. Bruzzone, E. Spirandelli, G. Veruggio,
A. Stortini, and G. Capodaglio, “Sampling sea surfaces with sesamo:
an autonomous craft for the study of sea-air interactions,” IEEE
robotics & automation magazine, vol. 12, no. 3, pp. 95–105, 2005.
[20] T. Adamek, C. A. Kitts, and I. Mas, “Gradient-based cluster space
navigation for autonomous surface vessels,” IEEE/ASME Transactions
on Mechatronics, vol. 20, no. 2, pp. 506–518, April 2015.
[21] I. Mas and C. Kitts, “Cooperative tasks using teams of mobile
robots,” in IAENG Transactions on Engineering Technologies,
ser. Lecture Notes in Electrical Engineering, H. K. Kim, S.-
I. Ao, M. A. Amouzegar, and B. B. Rieger, Eds. Springer
Netherlands, 2014, vol. 247, pp. 83–99. [Online]. Available:
http://dx.doi.org/10.1007/978-94-007-6818-5
[22] P. Mahacek, C. Kitts, and I. Mas, “Dynamic guarding of marine
assets through cluster control of automated surface vessel fleets,”
Mechatronics, IEEE/ASME Transactions on, vol. 17, no. 1, pp. 65
–75, Feb 2012.
[23] L. Garberoglio, P. Moreno, I. Mas, and J. I. Giribet, “Coordinated
asv-uav control for marine collision-free navigation,” in 2019 XVII
Workshop on Information Processing and Control (RPIC). IEEE,
2019, pp. 1–6.
[24] C. Specht, E.
´
Switalski, and M. Specht, “Application of an
autonomous/unmanned survey vessel (asv/usv) in bathymetric
measurements,” Polish Maritime Research, vol. 24, no. 3, pp. 36–44,
2017. [Online]. Available: https://doi.org/10.1515/pomr-2017-0088
[25] E. Iscar and M. Johnson-Roberson, “Autonomous surface vehicle 3d
seafloor reconstruction from monocular images and sonar data,” in
OCEANS 2015 - MTS/IEEE Washington, 2015, pp. 1–6.
[26] Clear Path Robotics. Heron usv. [Online]. Available: https:
//www.clearpathrobotics.com/heron-unmanned-surface-vessel/
[27] B. Menna, M. S. Villar, and G. Acosta, “Navigation system for MA-
CABOT an autonomous surface vehicles using GPS aided strapdown
inertial navigation system,” IEEE Latin America Transactions, vol. 17,
no. 6, pp. 1009–1019, 2019.
[28] S. A. Villar, A. Madirolas, A. G. Cabreira, A. Rozenfeld, and
G. G. Acosta, “ECOPAMPA: A new tool for automatic fish schools
detection and assessment from echo data,” Heliyon, vol. 7, no. 1, pp.
2405–8440, 2021.
[29] D. Mallace, “World’s first fully autonomous hydrographic survey,” 2
2018. [Online]. Available: https://tinyurl.com/mallace2018
[30] E. Pinto, F. Marques, R. Mendonc¸a, A. Lourenc¸o, P. Santana, and
J. Barata, “An autonomous surface-aerial marsupial robotic team
for riverine environmental monitoring: Benefiting from coordinated
aerial, underwater, and surface level perception,” in 2014 IEEE In-
ternational Conference on Robotics and Biomimetics (ROBIO 2014).
IEEE, 2014, pp. 443–450.
[31] L. Garberoglio, P. Moreno, I. Mas, and J. I. Giribet, “Navegaci
´
on
fluvial aut
´
onoma asistida por visi
´
on a
´
erea,” in X Jornadas Argentinas
de Rob
´
otica, 11 2019.
[32] EchoLogger. Ecosonda ECT400. [Online]. Available: https://www.
echologger.com/products/single-frequency-echosounder-deep
[33] ArduSimple. Ardusimple GPS-RTK. [Onli-
ne]. Available: https://www.ardusimple.com/product/
simplertk2b-heading-basic-starter-kit-ip67/
[34] L. Garberoglio, M. Meraviglia, C. D. Pose, J. I. Giribet, and I. Mas,
“Choriboard III: A small and powerful flight controller for autono-
mous vehicles,” in 2018 Argentine Conference on Automatic Control
(AADECA), 2018, pp. 1–6.
[35] L. Garberoglio, C. D. Pose, J. I. Giribet, and I. Mas, “Dise
˜
no de un
autopiloto para peque
˜
nos veh
´
ıculos no tripulados,” Elektron, vol. 3,
no. 1, pp. 29–38, 2019.
[36] L. Garberoglio, P. Moreno, I. Mas, and J. I. Giribet, “Veh
´
ıculo de
superficie no tripulado para batimetr
´
ıa aut
´
onoma,” in XI Jornadas
Argentinas de Rob
´
otica, 03 2022.
[37] F. Furrer, M. Burri, M. Achtelik, and R. Siegwart, RotorS – A Modular
Gazebo MAV Simulator Framework. Springer, Cham, 01 2016, vol.
625, pp. 595–625.
[38] Mission Planner. Mission planner. [Online]. Available: https:
//ardupilot.org/planner/
[39] Pixhawk. Pixhawk autopilot. [Online]. Available: https://pixhawk.org/
[40] Ardurover. Ardurover firmware. [Online]. Available: https://ardupilot.
org/rover/
[41] OpenDroneMap. Software de mapeo con drones opendronemap.
[Online]. Available: https://www.opendronemap.org/
[42] QGIS. Qgis un sistema de informaci
´
on geogr
´
afica libre y de c
´
odigo
abierto. [Online]. Available: https://www.qgis.org/es/site/
[43] TIN. Triangulated irregular network. [Online]. Available:
https://docs.qgis.org/3.22/en/docs/gentle gis introduction/spatial
analysis interpolation.html#triangulated-irregular-network-tin
Revista elektron, Vol. 6, No. 2, pp. 86-95 (2022)
ISSN 2525-0159
95
http://elektron.fi.uba.ar
