Utilizing Drones for Enhanced Indoor Parking Management

Abstract

I denne masteroppgaven undersøker vi hvordan droner kan øke verdien for brukere og operatører i innendørs parkeringsadministrasjon. I prosjektet brukte vi en DJI Tello-drone og jobbet med åpen kildekode for å oppnå autonom navigasjon. Vi undersøker hvordan droner kan erstatte rutinemessige menneskelige oppgaver eller fungere som et alternativ til eksisterende teknologi i innendørs parkeringsadministrasjon. Undersøkelsen omfatter utvikling av et system som kan utføre bildeanalyse og opprette et webgrensesnitt som viser operatørene meningsfull informasjon, for eksempel dronestatus, avvik eller en generell oversikt over parkeringshuset.

Målet med denne forskningen var ikke bare å identifisere oppgaver der droner kan være nyttige, men også å fastslå de praktiske kravene til et verdifullt dronebasert system. Vi utnyttet innsikten fra utviklingen av prototypen til å veilede fremtidige systemforbedringer, med sikte på å forbedre innendørs parkeringsadministrasjon i virkelige scenarier.

Studien benyttet flere ulike forskningsmetoder som ekspertintervjuer, brukervennlighetstester og bildeanalysetesting. Ekspertintervjuer ga verdifull innsikt fra fagfolk i bransjen, mens brukervennlighetstester evaluerte droneapplikasjonens brukervennlighet. I tillegg ble det utført bildeanalysetester på dronefotograferte bilder for å evaluere påliteligheten til droner og forhåndstrente KI-modeller for deteksjon av om en parkingsplass er opptatt, samt gjenkjenning av bilskilt.

Funnene fra ekspertintervjuene fremhever at droner har potensial til å erstatte manuelle rutineoppgaver, tilføre ny funksjonalitet og redusere feil i eksisterende systemer. Brukervennlighetstestene viste at brukerapplikasjonen er intuitiv og tilgjengelig for ikke-ekspertbrukere. Testingen av modellene og metodene brukt for bildeanalyse viser at droner kan telle ledighetsgraden av parkeringer med stor nøyaktighet.

Utfordringene var blant annet å sikre pålitelig autonom navigering i komplekse innemiljøer. Til tross for disse utfordringene gir studien et godt grunnlag for fremtidig forskning. Fremtidig arbeid bør fokusere på å forbedre den autonome navigeringen, undersøke samspillet mellom mennesker og droner, samt undersøke hvordan ferdig utviklede systemer påvirker brukeropplevelsen ved innendørs parkeringsstyring.

In this master's thesis, we explore how drones can enhance user and operator value in indoor parking management. The project involved using a DJI Tello Drone and working with open-source software to achieve autonomous flight. We examine how drones can replace routine human tasks or serve as an alternative to existing technologies in indoor parking management. The examination includes developing a system that can perform image analysis and create a web interface showing the operators meaningful information, such as drone status, deviations, and a general overview of the parking garage.

The objective of this research was not only to identify tasks where drones could be beneficial, but also to determine the practical requirements for a valuable drone-based system. We leveraged insights from prototype development to guide future system improvements, aiming to improve indoor parking management in real-world scenarios.

The study utilized a comprehensive mixed-method approach, incorporating expert interviews, usability tests, and image analysis testing. The expert interviews offered valuable insights from industry professionals, while usability tests assessed the drone application's user-friendliness. Image analysis testing was conducted on drone-captured images to evaluate the reliability of using drones and pre-trained artificial intelligence models for parking lot occupancy detection and license plate recognition.

Findings from the expert interviews highlight that drones have the potential to replace manual routine jobs, add new functionalities, and reduce errors in existing systems. The usability tests revealed that the user application is intuitive and accessible to non-expert users. Testing of the image analysis models and methods demonstrated that drones can accurately count parking occupancy.

Challenges encountered included ensuring reliable autonomous navigation in complex indoor environments. Despite these challenges, the study provides a strong foundation for future research. Future work should focus on improving autonomous navigation, investigating human-drone interaction in indoor parking, and exploring how fully developed systems affect user experience in indoor parking management.