Carte Drone

🛩️ Projet Drone 2025 – Drone autonome piloté par IA & détection de gestes

Projet réalisé à l’IUT de Cachan – Université Paris-Saclay
Année universitaire 2024–2025

🧠 Objectif du projet

Développer un drone autonome piloté par reconnaissance gestuelle via IA, capable de se déplacer dans des zones difficiles d’accès pour effectuer des mesures sonores (niveau en dB) à proximité d'une enceinte.

🔍 Fonctions :

• 🎮 L’utilisateur dirige le drone à l’aide de gestes manuels, détectés par la caméra du drone.
• 🧠 Une IA traite les mouvements pour piloter le drone.
• 📡 Le drone embarque une carte STM32 avec capteurs GPS et niveau sonore.
• 📲 Une application Android affiche les données récupérées via Bluetooth.

🗂️ Arborescence du dépôt

Projet_Drone/
│
├── Carte_Drone/                 # ⚙️ Conception de la carte électronique (KiCad)
│
├── Code/
│   ├── Code_Drone/              # 🎥 Vision embarquée (détection main + OpenCV)
│   ├── Code_API_Drone/          # 📱 App Android pour affichage données capteurs
│   └── Code_general/            # 🔧 (Extensions futures / archives)
│
├── Documents/                   # 📄 Carte mentale, matériel, visuels, images
│   ├── Carte mentale.drawio
│   ├── Liste matériel.pdf
│   └── Projet Drone.png / .gan
│
└── README.md                    # Ce fichier

📌 Sous-projets

1. 🎥 Détection de gestes (Vision embarquée – Code_Drone/)

Traitement temps réel du flux vidéo du drone Parrot Bebop 2, détection d’un gant rouge porté par l’utilisateur, IA (TensorFlow) pour classification des gestes.

• Détection couleur (HSV)
• Contrôle du drone par position de la main
• Nettoyage automatique du cache image

👉 Voir README dédié

2. ⚙️ Carte électronique embarquée (Carte_Drone/)

Conception et soudure d’une carte sur KiCad embarquant plusieurs capteurs :

• Microcontrôleur STM32F303K8T6 (Nucleo-32)
• GPS PMOD
• Capteur de son (DFRobot V2.2)
• Module Bluetooth (ref à confirmer)
• Transmission Bluetooth vers l’app Android

3. 📱 Application Android (Code_API_Drone/)

Développement d’une application mobile (Android Studio) permettant de :

• Se connecter en Bluetooth au drone
• Lire les données (GPS + son)
• Afficher ces valeurs en temps réel
• Tester sur plusieurs plateformes (tablette & téléphone)

4. 🧠 IA pour reconnaissance gestuelle

Utilisation de TensorFlow, HuggingFace et Teachable Machine pour :

• Créer un dataset de mouvements
• Entraîner un modèle de classification
• Prédire des gestes simples
• Contrôler le drone avec ces gestes

👥 Équipe & responsabilités

⚙️ Technologies utilisées

• Drone : Parrot Bebop 2 + SDK PyParrot
• Vision / IA : Python, OpenCV, ffmpeg, TensorFlow, HuggingFace
• Carte embarquée : STM32 Nucleo-32 (C / STMCubeIDE)
• Mobile : Android Studio (Java/Kotlin)
• Électronique : KiCad
• Transmission : Bluetooth

📅 Avancement

🔐 Licence

Ce projet est sous licence Creative Commons Attribution - NonCommercial 4.0 International (CC BY-NC 4.0).
Vous êtes libre de :

• Partager — copier, distribuer et communiquer le matériel par tous moyens et sous tous formats
• Adapter — remixer, transformer et créer à partir du matériel

Sous les conditions suivantes :

• Attribution — Vous devez créditer le projet, fournir un lien vers la licence, et indiquer si des modifications ont été effectuées.
• Pas d'utilisation commerciale — Vous ne pouvez pas faire un usage commercial de ce contenu.

📖 Consulter la licence complète

🏁 Remerciements

Projet encadré par Mr. Mininger
Formation LP MECSE GEII – IUT de Cachan – Université Paris-Saclay – Promo 2025