Obstacle detection and avoidance system for USV FishOtter

Abstract

Denne avhandlingen har som målsetning å utvikle og implementere en algoritme for kollisjonsunngåelse for et lite ubemannet marint fartøy (USV). Fartøyet brukes i et prosjekt ved Norges Teknisk-Naturvitenskapelige Universitet kalt "Robotic Fish Tracking Project", hvilket har som målsetning å bruke autonome farkoster til å spore marine ressurser. Algoritmen bruker en optisk sensor med lav kostnad, hvilket er valgt ut som en del av dette prosjektet.

Et litteraturstudie som ser på ulike algoritmer for objektdeteksjon og avstandsestimering er gjennomført. En metode for avstandsestimering er så valgt ut og modifisert for prosjektet. Den valgte metoden er en modifisert versjon av den som er beskrevet i Helgesen et al. (2020). Den bruker først en objektdeteksjonsalgoritme kalt YOLO til å detektere og lokalisere objekter i bildet. Deretter estimerer den avstanden til disse objektene basert på hvor de er plassert i bildet og høyden til kameraets plassering.

Et datasett med video og GPS-koordinater ble spilt inn med USVen i Trondheimsfjorden. Videostrømmen inneholder bilder av båter, brygger og bøyer, som det er tiltenkt at algoritmen, presentert i denne avhandlingen, skal detektere. GPS dataene inneholder posisjonen til USVen og de relevante gjenstandene. Datasettet er så brukt til å teste algoritmen med en ekstern datamaskin. Det konkluderes med at algoritmen på nåværende stadium ikke er tilstrekkelig nøyaktig til å bli brukt til kollisjonsunngåelse. Den viser likevel noe potensialet ved at den oppdager de fleste relevante gjenstandene, og klarer å gi et omtrentlig estimat av avstanden til dem. Arbeidet i denne avhandlingen kan derfor brukes som et utgangspunkt for videre arbeid som kan lede til et fullverdig system for kollisjonsunngåelse.

This thesis aims to develop a collision avoidance algorithm for a small Unmanned Surface Vehicle (USV) used in the Robotic Fish Tracking project at the Norwegian University of Science and Technology. The algorithm uses a low cost camera sensor which is chosen for this project and is mounted on the USV.

A literature review of object detection algorithms, as well as georeferencing methods using camera sensors, is conducted. Based on this review a georeferencing method is chosen and modified for the specific purpose of this project. The method chosen is based on the work of Helgesen et al. (2020). It utilizes a single stage object detection algorithm called YOLO which detects and locates objects in the image. Based on the objects' position in the image and the camera's elevation, the distance between the USV and the detected objects are estimated.

A data set containing a video stream and GPS coordinates is recorded in the Trondheims fjord using the USV. The video stream contains images of boats, docs and buoys which are intended to be detected by the algorithm presented in this thesis. The GPS data contain coordinates of the USV's position and the relevant objects. The data set is later used to test the accuracy of the algorithm on an external computer. It is concluded that the accuracy is too low to function as a collision avoidance system at the current stage. However, it shows some promise in that it is able to detect the majority of the relevant objects and provides a "ballpark" estimation of the distance to these objects. In future work it can be used as a starting point for further development of an algorithm which avoids collisions during operation.