Advanced Autonomous Drone-based Inspection System for Accurate Paint Loss Detection and Quantification on Ship Hulls
Abstract
I denne oppgaven skal vi vise til utvikligen av et avansert autonomt drone-basert inspeksjonssystem for å identifisere og kvantifisere tap av maling på skipskrog. Tradisjonelle inspeksjonsmetoder, som dykking eller tørrdokke, er intesivt, tidskrevende og ofte unøyaktige spesielt i henhold til mengden malings tap.
Det autonome drone-baserte inspeksjonssystemet bruker droneteknologi med baneplanlegging og datasyn for å utføre mer nøyaktig og omfattende inspeksjoner, deretter beregne mengden maling som er tapt fra skroget i metriske enheter. Ved å generere en optimalisert flybane rundt en 3D modell av et skip, kan presisjons navigasjon bli utnyttet. Dermed resulteres det i høyere nøyaktighet ved kvantifisering av malingen. Resultatene viser potensialet for at systemet vil forbedre eller erstatte eksisterende systemer for skroginspeksjon, ved å redusere kostnader og forbedre miljøovervåkningen. Systemet vil samle inn og analysere bilder av store overflater på skipskroget og bruke XR teknologi for visualisering. Dette gjør det lettere for inspektører, rederi og forskere å forstå dataene. Utviklingen av en klient applikasjon gjør denne løsningen mer tilgjenglig for videre bruk.
Her er en video som forklarer prosjektet:https://www.youtube.com/watch?v=QGVbesG0HPcHer er koden til prosjektet: https://github.com/Henriknn01/flight-planner-client This thesis presents the development of an advanced autonomous drone-based inspection system designed to identify and quantify paint loss on ship hulls. Traditional paint loss inspection methods such as diver inspection or dry docking are labor-intensive, time consuming and often inaccurate at estimating the amount of loss.
The autonomous drone-based inspection system utilizes drone technology, together with path planning and computer vision to perform a more accurate and comprehensive inspection, providing quantifiable real world metrics of paint loss. By generating an optimized flight path around a 3D model of the ship, the system enables precise navigation and data collection, resulting in higher accuracy of quantification. The results demonstrate the potential for this system to improve or replace existing systems for hull inspection, to reduce cost and enhance environmental monitoring. As it would allow for image collection and analysis of large surface areas on the ship hull and use XR technologies for visualization to make it easier for inspectors, ship owners and researchers to understand the data presented. The development of a client application makes this solution more accessible for further use.
Here is a video explaining the project and software: https://www.youtube.com/watch?v=QGVbesG0HPcHere is the source code: https://github.com/Henriknn01/flight-planner-client