AutoDrone Competition Autonomous Surface Drone
Abstract
Dette er en bacheloroppgave skrevet av to studenter som studerer Automatisering og Intelligente Systemer ved NTNU i Ålesund. Oppgaven går ut på å forbedre en autonom sjødrone som skal konkurere i en konkurranse mellom flere universiteter i Norge. NTNU i Ålesund har deltatt på denne konkuransen flere tidligere år, men i fjor gikk noe galt og de fikk ikke muligheten til å prøve dronen mot de andre universitetene.
Dronen bruker YOLO bildegjennkjenning sammen med ett ZED2i kamera for å automatiskt detektere bøyer. Bruk av GPS og en ArduPilot lar dronen navigere igjennom forskjellige oppgaver som en del av konkuransen.
I dette prosjektet har det blitt utviklet en bedre og mer effektiv kode, samt gjort dronen mer modulær. En har avdekket flere tekniske problemer, særlig basert på hvordan den tidligere gruppen forklarte hvordan de løste oppgaven. Disse inkluderer blant annet valg av softwareversjoner, og oppkobling av ArduPiloten. Dette har ledet til at gruppen selv har fått sterk redusert vindu til sjøtesting av dronen. This bachelor thesis is written by two automation students at NTNU in Ålesund. It concerns the improvement and further development of an Automated Sea Drone (ASD) made to compete in the 2024 AutoDrone competition held in Horten in Norway. This is a competition that NTNU has competed in previously, however last year the drone ended up flipped when it was launched for the competition. The previous group was therefore unable to compete against other universities.
The drone uses YOLO image recognition run on a Jetson Nano, together with a ZED2i camera to automatically detect buoys. A GPS and an ArduPilot CubeOrange are used to navigate the drone through multiple tasks set up in the competition.
In this project one has developed a better and more effective code, alongside lightening the drone and improving its modularity. Unfortunately technically issues have resulted in problems, especially concerning the software and what versions are used, and the use of the ArduPilot. These have greatly reduced the window of opportunity for ocean testing.