A determinação da localização de veículos autônomos submarinos em condição submersa é uma tarefa desafiadora, especialmente devido à impossibilidade de utilização de sistemas de localização por satélites. Fatores como o alinhamento inicial, que determina a orientação do veículo, e os erros dos sensores de navegação degradam significativamente o desempenho da navegação em condição submersa, demandando um estudo adequado para a compreensão da influência destes fatores no resultado da navegação. Neste sentido, este trabalho apresenta o desenvolvimento de uma metodologia de alinhamento e calibração sensorial para sistemas de navegação de veículos autônomos submarinos, que integra diferentes situações que precedem a execução da navegação do veículo em condição submersa. A metodologia é embasada na normalização da matriz de covariância dos erros dos estados, de modo a avaliar a influência de movimentos efetuados pelo veículo, bem como de diferentes tipos de integração sensorial com filtro de Kalman, no processo de estimação das variáveis de navegação. Resultados de simulações e de testes experimentais realizados em campo são apresentados. Estes mostram um comparativo de desempenho, em termos de tempo de convergência e exatidão de estimação, considerando diferentes métodos de alinhamento grosseiro, os quais fornecem uma estimativa preliminar da orientação do veículo, aplicados a condições estacionárias e não estacionárias. Também é apresentado neste trabalho um comparativo de desempenho da estimação das variáveis de navegação e de calibração dos sensores, considerando diferentes condições de movimento (manobras). Para o caso do alinhamento grosseiro, os resultados mostram que os métodos baseados na decomposição da matriz de rotação foram os mais adequados para a condição não estacionária. Já para o alinhamento fino e calibração sensorial, os resultados mostram que a manobra de corte de relva foi a mais adequada para esta finalidade.

The location estimative of autonomous underwater vehicles in a submerged condition is a challenging task, due to the impossibility of using satellite positioning systems. The initial alignment, which determines the vehicles orientation, and the errors of the navigation sensors are key factors that significantly degrade the navigation performance in submerged conditions, demanding an adequate study to understand the influence of these factors on the navigation result. In this sense, this work presents the development of alignment and sensory calibration methodology for underwater autonomous vehicle navigation systems, which integrates different situations that precede the execution of the vehicles navigation in submerged condition. The proposed methodology is based on the normalization of the covariance matrix of the errors of the states, in order to evaluate the influences of the vehicle motions and the different types of sensory integration with Kalman filter in the estimation process of the navigation variables. Simulations and experimental tests results are presented. These show a performance comparison, in terms of convergence time and estimation accuracy, considering different coarse alignment methods, which provide a preliminary estimate of the vehicles orientation, applied to stationary and non-stationary conditions. Also, a performance comparison of the estimation of the navigation variables carried out by the fine alignment and sensory calibration process is presented, considering different conditions of motion (maneuvers). Considering the coarse alignment process, the results show that the methods based on the decomposition of the rotation matrix were the most adequate for the non-stationary condition. Regarding the fine alignment and sensory calibration, the results show that the lawn mower was the most suitable maneuver for this purpose.