A tarefa de operar um veículo submarino durante missões de inspeção de ambientes estruturados como, por exemplo, duto de usinas hidrelétricas, é feita principalmente por meio de referências visuais e uma bússola magnética. Porém alguns ambientes desse tipo podem apresentar uma combinação de baixa visibilidade e anomalias ferromagnéticas que inviabilizaria esse tipo de operação. Este trabalho, motivado pelo desenvolvimento de um veículo submarino operado remotamente (ROV) para ser usado em ambientes com essas restrições, propõe um sistema de navegação que utiliza o conhecimento prévio das dimensões do ambiente para corrigir o estado do veículo por meio da correlação dessas dimensões com os dados de um sonar de imageamento 2D. Para fazer essa correlação é utilizado o ltro de partículas, que é uma implementação não paramétrica do ltro Bayesiano. Esse ltro faz a estimação do estado com base nos métodos sequenciais de Monte Carlo e permite trabalhar de uma maneira simples com modelos não lineares. A desvantagem desse tipo de fusão sensorial é o seu alto custo computacional o que geralmente o impede de ser utilizado em aplicações de tempo real. Para que seja possível utilizar esse ltro em tempo real, será proposto neste trabalho uma implementação paralela utilizando uma unidade de processamento gráco (GPU) da NVIDIA e a arquitetura CUDA. Neste trabalho também será feito um estudo da utilização de duas congurações de sensores no sistema de navegação proposto neste trabalho.

The task of navigating a Remotely Operated underwater Vehicles (ROV) during inspection of man-made structures is performed mostly by visual references and occasionally a magnetic compass. Yet, some environments present a combination of low visibility and ferromagnetic anomalies that negates this approach. This paper, motivated by the development of a ROV designed to work on such environment, proposes a navigation method for this kind of vehicle. As the modeling of the system is nonlinear, the method proposed uses a particle lter to represent the vehicle state that is a nonparametric implementation of the Bayes lter. This method to work needs a priori knowledge of the environment map and to make the data association with this map, a 2D image sonar is used. The drawback of the sensor fusion used in this work is its high computational cost which generally prevents it from being used in real time applications. To be possible for this lter to be used in real time application, in this work is proposed a parallel implementation using a graphics processing unit (GPU) from NVIDIA and CUDA architecture. In this work is also made a study of two types of sensors conguration on the navigation system proposed in this work.