Nghiên Cứu, Thiết Kế và Chế Tạo Robot AGV Dùng LiDAR Cho Điều Hướng

Tìm hiểu quy trình thiết kế và chế tạo robot AGV ứng dụng công nghệ LiDAR để điều hướng tự động và chính xác trong sản xuất công nghiệp.

• Tác giả: Phan An Đông
• Người hướng dẫn: ME. Tưởng Phước Thọ
• Trường học: Ho Chi Minh City University of Technology and Education
• Chuyên ngành: Electronics and Telecommunication Engineering Technology
• Đề tài: Research, Design And Build An Agv Robot Using Lidar Sensor For Navigation
• Loại tài liệu: Graduation Thesis
• Năm xuất bản: 2023
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• GRADUATION PROJECT TASKS
• TABLE OF CONTENTS
• LIST OF FIGURES
• LIST OF TABLES
• LIST OF ABBREVIATIONS
• 1. CHAPTER 1: OVERVIEW
• 1.4. AGVS FOR INDUSTRIAL USE
• 2.1. RESEARCH SITUATION NATIONALLY AND INTERNATIONALLY
• 2.2. AGVS FOR INDUSTRIAL USE
• 2.3. OBJECT AND SCOPE OF THE STUDY
• 2. CHAPTER 2: MECHANICAL DESIGN
• 2.1. DESIGN REQUIREMENTS AND TRANSMISSION SELECTION
• 3. CHAPTER 3: POWER CALCULATION
• 3.1. CALCULATION TO CHOOSE MOTOR
• 3.2. BELT TRANSMISSION CALCULATIONS
• 3.3. BELT'S TEST TORQUE FORCE
• 4. CHAPTER 4: CONTROL METHOD
• 4.1. BASIC OPERATION DIAGRAM
• 4.2. RASPBERRY PI EMBEDDED COMPUTER
• 4.3. THE RPLIDAR SENSOR
• 4.4. WORKING FLOW – DATA PROCESS
• 5. CHAPTER 5: PATH PLANNING
• 5.1. HOW SLAM WORKS
• 5.2. COMMON SLAM PROBLEMS
• 5.3. PATH PLANNING WITH ROS
• 5.4. PATH PLANNING – NAVIGATION METHOD
• GRADUATION THESIS EVALUATION FORM
• COMMENTS FOR THE GRADUATION THESIS
• GRADUATION THESIS EVALUATION SHEET

Tóm tắt

I. Robot AGV là gì Tổng quan thiết kế với cảm biến LiDAR

Robot AGV (Automated Guided Vehicle) là một phương tiện tự hành, được lập trình để vận chuyển hàng hóa, vật liệu trong các môi trường được xác định trước như nhà máy, nhà kho mà không cần sự can thiệp trực tiếp của con người. Sự phát triển của robot AGV là một phần cốt lõi trong quá trình xây dựng nhà máy thông minh và tự động hóa nhà kho. Công nghệ này mang lại nhiều lợi ích vượt trội so với phương pháp vận chuyển truyền thống, bao gồm giảm chi phí lao động, tăng cường an toàn và nâng cao năng suất. Các xe tự hành AGV hiện đại thường được tích hợp các công nghệ tiên tiến để điều hướng, trong đó cảm biến LiDAR (Light Detection and Ranging) đóng một vai trò cực kỳ quan trọng. LiDAR sử dụng tia laser để đo khoảng cách tới các vật thể xung quanh, từ đó tạo ra một bản đồ 2D hoặc 3D chi tiết về môi trường. Dữ liệu này là nền tảng cho hệ thống điều hướng tự động, cho phép robot xác định vị trí, phát hiện và tránh chướng ngại vật một cách chính xác. Việc tích hợp LiDAR vào thiết kế và chế tạo robot AGV mở ra khả năng vận hành linh hoạt và thông minh hơn, đặc biệt khi kết hợp với các nền tảng mạnh mẽ như Robot Operating System (ROS) và các thuật toán SLAM (Simultaneous Localization and Mapping).

1.1. Nguyên lý hoạt động của AGV trong công nghiệp hiện đại

Về cơ bản, nguyên lý hoạt động của AGV dựa trên một hệ thống điều khiển trung tâm và các công nghệ dẫn đường. Robot nhận lệnh từ hệ thống quản lý, sau đó tự động di chuyển đến các vị trí đã được lập trình sẵn. Có nhiều phương pháp dẫn đường khác nhau như dẫn đường bằng vạch từ, băng keo màu, laser, hoặc sóng vô tuyến. Tuy nhiên, phương pháp sử dụng cảm biến LiDAR đang ngày càng trở nên phổ biến nhờ tính linh hoạt và độ chính xác cao. Robot sẽ liên tục quét môi trường xung quanh, so sánh dữ liệu thu được với bản đồ đã lưu trữ để xác định vị trí (localization) và lập kế hoạch đường đi tối ưu. Khi gặp chướng ngại vật, hệ thống sẽ tự động tính toán lại lộ trình để đảm bảo an toàn và hiệu quả. Các robot công nghiệp loại này có khả năng hoạt động liên tục 24/7, giúp tối ưu hóa dòng chảy vật liệu trong sản xuất và logistics.

1.2. Vai trò của cảm biến LiDAR trong hệ thống dẫn đường AGV

Cảm biến LiDAR là “đôi mắt” của xe tự hành AGV. Nó phát ra các xung laser và đo thời gian phản xạ lại để tính toán khoảng cách một cách chính xác. Ưu điểm lớn nhất của LiDAR là khả năng tạo ra một “đám mây điểm” (point cloud) chi tiết, cung cấp dữ liệu đầu vào cho hệ thống dẫn đường AGV. Dựa trên dữ liệu này, thuật toán SLAM có thể thực hiện đồng thời hai nhiệm vụ quan trọng: xây dựng bản đồ của một môi trường không xác định và xác định vị trí của robot trong bản đồ đó. Theo đồ án tốt nghiệp “Nghiên cứu, thiết kế và chế tạo Robot AGV sử dụng cảm biến LiDAR để định vị”, nhóm nghiên cứu đã sử dụng cảm biến RPLIDAR có khả năng quét xa từ 0.15m đến 12m với tần số lấy mẫu lên tới 8000 điểm mỗi giây. Điều này cho phép robot không chỉ tạo bản đồ mà còn phát hiện các vật cản tĩnh và động, từ đó đưa ra các quyết định né tránh kịp thời, nâng cao đáng kể độ an toàn và tin cậy của hệ thống.

II. Thách thức chính khi thiết kế và chế tạo robot AGV LiDAR

Quá trình thiết kế và chế tạo một robot AGV hoàn chỉnh sử dụng LiDAR phải đối mặt với nhiều thách thức cả về phần cứng và phần mềm. Một trong những khó khăn lớn nhất là việc cân bằng giữa các yếu tố kỹ thuật như tải trọng, tốc độ, độ chính xác và chi phí. Việc lựa chọn các linh kiện phù hợp, từ động cơ, bộ truyền động đến vi điều khiển cho robot và cảm biến, đòi hỏi sự tính toán cẩn thận để đảm bảo hệ thống hoạt động ổn định và đáp ứng được yêu cầu đặt ra. Theo tài liệu nghiên cứu gốc, nhóm sinh viên đã gặp khó khăn trong “phần tính toán chọn động cơ và phương án truyền động sao cho phù hợp với tốc độ và tải trọng đặt ra ban đầu”. Ngoài ra, việc tích hợp các thành phần khác nhau vào một hệ thống thống nhất cũng là một bài toán phức tạp. Đặc biệt, việc lập trình robot AGV trên nền tảng Robot Operating System (ROS), xử lý dữ liệu từ cảm biến LiDAR và triển khai các thuật toán phức tạp như SLAM đòi hỏi kiến thức chuyên sâu về cả điện tử, cơ khí và khoa học máy tính. Đảm bảo robot có thể bản đồ hóa không gian một cách chính xác và điều hướng mượt mà trong môi trường thực tế là mục tiêu cuối cùng nhưng cũng là thách thức lớn nhất.

2.1. Vấn đề trong lựa chọn động cơ và hệ thống truyền động

Việc lựa chọn động cơ là yếu tố quyết định đến hiệu suất của xe tự hành AGV. Cần phải tính toán chính xác mô-men xoắn và công suất cần thiết để robot có thể di chuyển với tải trọng mong muốn (trong nghiên cứu này là 15kg) và đạt được tốc độ yêu cầu (0.1 m/s). Các lực cản như ma sát lăn, ma sát không khí và lực quán tính phải được xem xét kỹ lưỡng. Đồ án tham khảo đã lựa chọn phương án truyền động bằng dây đai (belt transmission) do các ưu điểm như chi phí thấp, dễ sửa chữa và ít gây tiếng ồn. Tuy nhiên, việc tính toán và lựa chọn thông số dây đai, bánh răng phù hợp để đảm bảo hiệu suất truyền động và độ bền cũng là một thách thức không nhỏ. Việc điều khiển động cơ DC cần độ chính xác cao, đòi hỏi bộ điều khiển PID (Proportional-Integral-Derivative) được tinh chỉnh tốt để robot có thể di chuyển ổn định và chính xác theo quỹ đạo đã định.

2.2. Khó khăn khi tích hợp ROS và thuật toán SLAM phức tạp

Tích hợp phần mềm là một thách thức lớn khác. Robot Operating System (ROS) là một framework mạnh mẽ nhưng cũng rất phức tạp. Người phát triển cần hiểu rõ cấu trúc node, topic, service và các gói (packages) của ROS để xử lý luồng dữ liệu từ cảm biến LiDAR, encoder và các cảm biến khác. Việc triển khai thuật toán SLAM để bản đồ hóa không gian đòi hỏi tài nguyên tính toán đáng kể và sự tinh chỉnh cẩn thận các tham số. Các lỗi tích lũy (accumulated errors) trong quá trình di chuyển có thể làm sai lệch bản đồ và ảnh hưởng đến khả năng định vị của robot. Hơn nữa, việc đảm bảo giao tiếp ổn định giữa máy tính trung tâm (Raspberry Pi 3 trong đồ án) và các vi điều khiển cho robot (Arduino) để điều khiển động cơ một cách đồng bộ và phản hồi nhanh là yếu tố then chốt cho sự thành công của hệ thống điều hướng tự động.

III. Hướng dẫn thiết kế cơ khí và cấu tạo xe tự hành AGV

Thiết kế cơ khí là nền tảng vững chắc cho mọi robot AGV. Một thiết kế tốt phải đảm bảo độ bền, sự ổn định và khả năng chịu tải, đồng thời tối ưu hóa không gian để lắp đặt các thành phần điện tử. Cấu tạo xe tự hành AGV trong nghiên cứu tham khảo bao gồm một khung gầm bằng thép và các khung đỡ bằng nhôm, với kích thước tổng thể là 500x400x600 mm. Thiết kế này nhằm đảm bảo robot đủ cứng vững để mang tải trọng 15kg nhưng vẫn giữ được trọng lượng vừa phải. Hệ thống di chuyển là một trong những phần quan trọng nhất, thường sử dụng cơ cấu dẫn động vi sai (differential drive) với hai bánh xe chủ động được điều khiển độc lập và các bánh xe phụ (caster wheels) để giữ thăng bằng. Lựa chọn phương án truyền động cũng rất quan trọng. Nghiên cứu đã sử dụng hệ thống truyền động dây đai để truyền mô-men từ động cơ đến bánh xe, một giải pháp hiệu quả về chi phí và vận hành. Quá trình thiết kế phải đi kèm với các phân tích và mô phỏng AGV trên phần mềm chuyên dụng (như Inventor) để kiểm tra độ bền của kết cấu dưới tác động của tải trọng, đảm bảo an toàn khi vận hành.

3.1. Phân tích yêu cầu và lựa chọn phương án truyền động tối ưu

Bước đầu tiên trong thiết kế là xác định các yêu cầu cơ bản: kích thước, trọng lượng bản thân, tải trọng và vận tốc. Dựa trên các thông số này (tải 15kg, vận tốc 0.1 m/s), nhóm nghiên cứu đã phân tích các phương án truyền động khác nhau như truyền động bằng bánh răng, xích và dây đai. Truyền động dây đai được chọn vì có cấu trúc đơn giản, ít gây ồn, an toàn khi quá tải và chi phí hợp lý. Cụ thể, hệ thống bao gồm động cơ, bánh đai chủ động, bánh đai bị động và dây đai răng để đảm bảo không có sự trượt, giúp việc điều khiển động cơ DC và phản hồi từ encoder chính xác hơn. Việc bố trí hai bánh xe chủ động trên một trục và hai bánh phụ giúp robot di chuyển linh hoạt, có thể xoay tại chỗ một cách dễ dàng.

3.2. Quy trình tính toán công suất và lựa chọn động cơ DC

Việc tính toán để chọn động cơ phù hợp là một bước quan trọng. Quá trình này bắt đầu bằng việc xác định tổng lực cần thiết để di chuyển robot, bao gồm lực ma sát và lực quán tính. Từ đó, mô-men xoắn tại trục bánh xe (Twheel) và công suất tại trục bánh xe (Pwheel) được tính toán. Dựa trên tài liệu gốc, với tổng trọng lượng 35kg (20kg robot + 15kg tải) và vận tốc 0.1 m/s, công suất yêu cầu tại trục động cơ là khoảng 12.075 W và mô-men xoắn là 4118.438 N.mm. Dựa trên các thông số này, nhóm đã lựa chọn động cơ giảm tốc DCM50-775 24VDC có tốc độ 400RPM và tích hợp sẵn encoder 13 xung/vòng. Lựa chọn này không chỉ đáp ứng yêu cầu về công suất mà còn cung cấp phản hồi cần thiết cho việc điều khiển vị trí và vận tốc chính xác.

IV. Phương pháp điều khiển robot AGV Tích hợp ROS và LiDAR

Hệ thống điều khiển là bộ não của robot AGV, quyết định khả năng vận hành thông minh và tự chủ của nó. Trong dự án này, một kiến trúc điều khiển phân tán được áp dụng. Máy tính nhúng Raspberry Pi 3B+ chạy hệ điều hành Linux và được cài đặt Robot Operating System (ROS) đóng vai trò là bộ xử lý trung tâm. ROS chịu trách nhiệm thực hiện các tác vụ tính toán phức tạp như xử lý dữ liệu từ cảm biến LiDAR, chạy thuật toán SLAM để xây dựng bản đồ, lập kế hoạch đường đi và quản lý trạng thái của robot. Các tác vụ điều khiển cấp thấp hơn, như điều khiển động cơ DC và đọc tín hiệu từ encoder, được giao cho một vi điều khiển cho robot riêng biệt là Arduino Uno R3. Sự phân chia này giúp giảm tải cho Raspberry Pi, cho phép nó tập trung vào các thuật toán định vị và điều hướng, đồng thời đảm bảo việc điều khiển động cơ diễn ra nhanh chóng và chính xác. Giao tiếp giữa Raspberry Pi (ROS) và Arduino được thực hiện thông qua kết nối nối tiếp (serial communication), tạo thành một hệ thống điều hướng tự động hoàn chỉnh và hiệu quả.

4.1. Sử dụng Robot Operating System ROS để xử lý dữ liệu

Robot Operating System (ROS) không phải là một hệ điều hành thực sự, mà là một framework linh hoạt cung cấp các thư viện và công cụ để xây dựng ứng dụng robot. Trong dự án, ROS được sử dụng để kết nối các thành phần phần cứng và phần mềm. Dữ liệu từ cảm biến LiDAR (RPLIDAR) được xuất bản (publish) lên một topic trong ROS. Một node SLAM (ví dụ: gmapping) sẽ đăng ký (subscribe) vào topic này để nhận dữ liệu đám mây điểm, từ đó xây dựng bản đồ (map). Đồng thời, các gói điều hướng của ROS (ROS Navigation Stack) sử dụng bản đồ này và dữ liệu vị trí để tính toán và xuất bản các lệnh vận tốc (velocity commands) tới một topic khác. Sức mạnh của ROS nằm ở tính module hóa, cho phép dễ dàng thay thế hoặc nâng cấp các thành phần mà không ảnh hưởng đến toàn bộ hệ thống.

4.2. Lập trình vi điều khiển và thuật toán PID cho động cơ

Vi điều khiển Arduino nhận lệnh vận tốc từ ROS và thực hiện việc điều khiển trực tiếp hai động cơ DC. Để đảm bảo robot di chuyển đúng theo vận tốc và hướng mong muốn, một bộ điều khiển PID (Proportional-Integral-Derivative) được lập trình trên Arduino. Bộ điều khiển này liên tục so sánh vận tốc mục tiêu (nhận từ ROS) với vận tốc thực tế (đọc từ encoder) và điều chỉnh độ rộng xung PWM (Pulse Width Modulation) cấp cho động cơ để giảm thiểu sai số. Encoder gắn trên mỗi động cơ cung cấp phản hồi về số vòng quay, giúp Arduino tính toán chính xác vận tốc và quãng đường di chuyển của từng bánh xe. Việc tinh chỉnh các tham số PID (Kp, Ki, Kd) là rất quan trọng để robot có thể tăng tốc, giảm tốc và quay một cách mượt mà, ổn định.

V. Cách thuật toán SLAM tạo bản đồ không gian cho robot AGV

Một trong những công nghệ cốt lõi giúp robot AGV hoạt động tự chủ trong môi trường không xác định là thuật toán SLAM (Simultaneous Localization and Mapping). Đúng như tên gọi, SLAM cho phép robot thực hiện đồng thời hai nhiệm vụ: xây dựng một bản đồ của môi trường xung quanh (Mapping) và xác định vị trí của chính nó trong bản đồ đó (Localization). Đây là một bài toán “con gà và quả trứng”: để xây dựng bản đồ, robot cần biết vị trí của nó, nhưng để xác định vị trí, robot lại cần có một bản đồ. SLAM giải quyết vấn đề này bằng cách sử dụng các phương pháp xác suất (như bộ lọc Kalman hoặc bộ lọc hạt) để ước tính đồng thời cả bản đồ và vị trí của robot. Dữ liệu đầu vào chính cho SLAM trong dự án này đến từ cảm biến LiDAR, cung cấp các phép đo khoảng cách chính xác đến các vật thể xung quanh. Quá trình bản đồ hóa không gian giúp tạo ra một mô hình 2D dạng lưới (grid map), nơi mỗi ô lưới biểu thị xác suất có chướng ngại vật. Bản đồ này sau đó được sử dụng bởi hệ thống dẫn đường AGV để lập kế hoạch di chuyển.

5.1. Quy trình hoạt động của SLAM dựa trên dữ liệu LiDAR

Quy trình SLAM bắt đầu khi robot AGV được khởi động trong một môi trường mới. Cảm biến LiDAR bắt đầu quét và gửi dữ liệu đám mây điểm về cho node SLAM trong Robot Operating System (ROS). Ban đầu, robot ước tính vị trí của mình và bắt đầu xây dựng một bản đồ thô sơ. Khi robot di chuyển, nó liên tục thực hiện các bước sau: (1) Dự đoán vị trí mới dựa trên dữ liệu từ encoder (odometry). (2) Cập nhật dự đoán này bằng cách so sánh dữ liệu quét LiDAR hiện tại với bản đồ đã có. (3) Cập nhật bản đồ dựa trên vị trí đã được hiệu chỉnh và dữ liệu quét mới. Quá trình này lặp đi lặp lại, giúp bản đồ ngày càng trở nên chính xác và vị trí của robot cũng được xác định rõ ràng hơn. Các gói SLAM phổ biến trong ROS như GMapping hay Cartographer đã tối ưu hóa quy trình này để hoạt động hiệu quả trên các hệ thống có tài nguyên hạn chế.

5.2. Lập kế hoạch đường đi Path Planning với ROS Navigation

Sau khi có bản đồ, hệ thống dẫn đường AGV sẽ sử dụng gói ROS Navigation Stack để lập kế hoạch đường đi. Khi người dùng chỉ định một điểm đến trên bản đồ, bộ lập kế hoạch toàn cục (global planner) sẽ tìm ra con đường tối ưu từ vị trí hiện tại đến đích, tránh các chướng ngại vật tĩnh đã được ghi nhận trên bản đồ. Sau đó, bộ lập kế hoạch cục bộ (local planner), ví dụ như Dynamic Window Approach (DWA), sẽ chịu trách nhiệm tạo ra các lệnh vận tốc ngắn hạn để robot bám theo con đường toàn cục, đồng thời né tránh các chướng ngại vật động hoặc chưa có trên bản đồ mà cảm biến LiDAR vừa phát hiện. Quá trình mô phỏng AGV và thử nghiệm thực tế cho thấy robot có khả năng tự động tính toán lại lộ trình khi gặp người hoặc vật cản bất ngờ, thể hiện tính linh hoạt của hệ thống.

VI. Kết quả thực nghiệm và tương lai của robot AGV tự hành

Kết quả của đồ án “Nghiên cứu, thiết kế và chế tạo Robot AGV sử dụng cảm biến LiDAR để định vị” đã chứng minh tính khả thi của việc xây dựng một xe tự hành AGV thông minh với chi phí hợp lý. Sản phẩm cuối cùng là một robot có kích thước 500x400x600 mm, có khả năng mang tải trọng khoảng 15kg. Hệ thống đã thực hiện thành công các chức năng cốt lõi: sử dụng cảm biến LiDAR để quét và tạo bản đồ môi trường, lưu trữ bản đồ và tự động di chuyển đến các điểm được chỉ định. Đặc biệt, robot có khả năng phát hiện và né tránh chướng ngại vật, tự động tìm đường đi mới khi lộ trình ban đầu bị chặn. Tuy nhiên, nghiên cứu cũng chỉ ra một số hạn chế. Độ chính xác của robot đạt khoảng 80% và nó không thể phát hiện các vật cản quá thấp, nằm ngoài tầm quét của LiDAR. Đây là những điểm cần cải tiến trong các phiên bản tương lai. Hướng phát triển của robot AGV không chỉ dừng lại ở việc cải thiện độ chính xác mà còn mở rộng ra các ứng dụng trong tự động hóa nhà kho và tích hợp vào các hệ thống quản lý đội xe (Fleet Management System).

6.1. Đánh giá độ chính xác và khả năng ứng dụng thực tiễn

Trong các thử nghiệm, robot AGV đã cho thấy khả năng bản đồ hóa không gian và di chuyển theo lộ trình khá tốt. Bản đồ được tạo ra bởi thuật toán SLAM có độ tương đồng cao so với môi trường thực tế. Robot có thể di chuyển từ điểm bắt đầu đến điểm đích với sai số chấp nhận được. Khả năng né tránh chướng ngại vật động như người đi lại cũng được thể hiện rõ, khi robot tự động dừng lại hoặc thay đổi quỹ đạo. Tuy nhiên, hạn chế về việc không phát hiện được vật cản thấp là một vấn đề cần giải quyết để tăng cường an toàn. Mặc dù vậy, với khả năng hiện tại, robot hoàn toàn có thể được ứng dụng trong các môi trường công nghiệp có cấu trúc rõ ràng để vận chuyển vật tư, linh kiện, góp phần nâng cao hiệu quả của các robot công nghiệp khác.

6.2. Hướng phát triển cho tự động hóa nhà kho và robot công nghiệp

Tương lai của xe tự hành AGV rất rộng mở. Để khắc phục hạn chế hiện tại, đồ án đề xuất hướng phát triển là lắp thêm camera và sử dụng các thuật toán thị giác máy tính để nhận dạng các vật thể thấp. Việc nâng cấp động cơ và encoder lên các loại chuyên dụng trong công nghiệp sẽ giúp tăng tải trọng và tốc độ của robot. Xa hơn, các robot AGV có thể được tích hợp vào một hệ thống quản lý đội xe (Fleet Management System). Hệ thống này cho phép điều phối hoạt động của nhiều robot cùng lúc, tối ưu hóa việc phân công nhiệm vụ, quản lý giao thông để tránh tắc nghẽn và theo dõi tình trạng pin. Sự kết hợp giữa AGV, IoT và trí tuệ nhân tạo sẽ là chìa khóa cho một hệ thống tự động hóa nhà kho toàn diện, thông minh và hiệu quả trong cuộc Cách mạng Công nghiệp 4.0.

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY FOR HIGH QUALITY TRAINING GRADUATION THESIS ELECTRONICS AND TELECOMMUNICATION ENGINEERING TECHNOLOGY RESEARCH, DESIGN AND BUILD AN AGV ROBOT USING LIDAR SENSOR FOR NAVIGATION ADVISOR : TUONG PHUOC THO STUDENTS: PHAN AN DONG NGUYEN ANH MINH NGUYEN HOA LOC SKL 0 1 0 8 78 Ho Chi Minh City, August 2023 MINISTRY OF EDUCATION AND TRAINING HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY FOR HIGH-QUALITY TRAINING GRADUATION THESIS RESEARCH, DESIGN AND BUILD AN AGV ROBOT USING LIDAR SENSOR FOR NAVIGATION INSTRUCTOR: ME. TƯỞNG PHƯỚC THỌ STUDENT: PHAN AN ĐÔNG 19146113 NGUYỄN ANH MINH 19146093 NGUYỄN HÒA LỘC 19146092 CLASS: 19146CLA YEAR: 2019 – 2023 Ho Chi Minh City, ……., August, 2023 TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM HIGH QUALITY TRAINING FACULTY Độc lập – Tự do – Hạnh phúc MECHATRONICS GRADUATION PROJECT TASKS Semester II / year 2023 Instructor: ME. Tưởng Phước Thọ Student: 1. Phan An Đông ID: 19146113 Phone No: 0765044611 2.

Nguyễn Anh Minh ID: 19146093 Phone No: 0795234178 3. Nguyễn Hòa Lộc ID: 19146092 Phone No: 0966486148 1. Project number: 22223DT176 Name: Research, design and build an AGV robot using LIDAR sensor for navigation. Early figures and documents: The AGV has the original specifications in dimension of 500×400×600 (length×width×height).

The material will be steel for the base and aluminum for the frames, it can carry up to 20kg with maximum speed of 0,1 m/s and the accuracy is expected to be about 80%. Project main object Research and build an AGV vehicle running with complex termites, the truck is loaded with 15kg and is positioned by 1 LiDAR sensor. The LiDAR sensor will scan the surrounding environment and send the feedback back to the computer which is a Raspberry Pi 3. A map will be created based on those signals so that users can interact with that map to choose the destination.

Then the AGV will calculate the fast way to get to the destination. Expected products: The completed project will include an AGV with the following functions: the LiDAR sensor can scan and create a map, also detect obstacles to avoid during the journey and reach the destination with the maximum accuracy. AGV should be able to carry about 15kg, user can interact with the AGV on a display screen. Project delivery date: 15/03/2023 6.

Project submission date: 15/07/2023 i 7. Language used: Final report: English Vietnamese Presentation: English Vietnamese HEAD OF FACULTY HEAD OF DEPARTMENT INSTRUCTOR Allow to represent the project:. ii COMMITMENT - Project name: Research, design and build an AGV robot using LIDAR sensor for navigation. Tưởng Phước Thọ - Student: Phan An Đông ID: 19146113 Nguyễn Anh Minh ID: 19146093 Nguyễn Hòa Lộc ID: 19146092 - Phone number: o Đông: 0765044611 o Minh: 0795234178 o Lộc: 0966486148 - Email: o Đông: [e-mail] o Minh: [e-mail] o Lộc: [e-mail] - Address: o Đông: 806 Lô A chung cư Hà Đô, Nguyễn Văn Công, p3 Gò Vấp Tp.HCM o Minh: 228/1 Thống Nhất phường 10 Gò Vấp, Tp Hồ Chí Minh o Lộc: 329/36 Điện Biên Phủ phường 4 quận 3, Tp Hồ Chí Minh - Project submission date: 15/07/2023 - Commitment: I would like to assure you that this graduation thesis is the work that we studied and carried out ourselves.

We do not copy from a published article without citing the origin. If there is any violation, we take full responsibility. Ho Chi Minh city, the of August 2023 iii ACKNOWLEDGMENTS Our team would like to express our sincere thanks to the board of trustees and teachers at the University of Technology and Education of Ho Chi Minh City. Ho Chi Minh in general and the teachers of Mechanical Engineering, Department of Mechanical Engineering Technology in particular, have been dedicated to teaching and conveying to us valuable knowledge and experience throughout the past time.

I'd like to take this opportunity to express my deepest appreciation to our instructor, "Mr. Tuong Phuoc Tho", whose excellent guidance and delicate efforts motivated me to consider and solve a variety of problems. His keen interest and encouragement, as well as making facilities available for our project work, served as a constant support and inspiration throughout the entire project. Finally, I express my gratefulness towards my family and friends, for their unconditional support and guidance towards the completion.

In addition, to all the individuals that helped us complete the final report, we are very appreciative to receive your feedback and instructions. I would like to tell you that it is tough to prevent errors while completing the project and writing the project report. At the same time, owing to limited logic and practical experience, the report cannot escape flaws; we are looking forward to hearing instructor feedback so that we may get more experience and complete the future report better. We sincerely thank you! iv TÓM TẮT ĐỒ ÁN NGHIÊN CỨU, THIẾT KẾ VÀ CHẾ TẠO ROBOT AGV SỬ DỤNG CẢM BIẾN LIDAR ĐỂ ĐỊNH VỊ.

Đồ án tập trung vào khai thác dữ liệu thu thập được từ cảm biến LiDAR để tạo ra bản đồ 2D của môi trường xung quanh, và dùng cái bản đồ đó cho nhiều mục đích khác nhau. Với sự trợ giúp từ phần mềm ROS (Robot operating system) và các thư viện chức năng hỗ trợ người dùng, xe AGV với cảm biến LiDAR có thể phát hiện vật cản động hoặc tĩnh và tránh né chúng bằng cách tính toán lại đường đi đến điểm đã chọn trước đó. Nhóm chúng em có gặp chút khó khăn trong phần tính toán chọn động cơ và phương án truyền dộng sao cho phù hợp với tốc độ và tải trọng đặt ra ban đầu. Kết quả của đồ án là một chiếc xe AGV với các kích thước là 500×400×600 (dài × rộng × cao) có tải trọng khoảng 15kg.

AGV có thể phát hiện vât cản và thiết lập lại đường đi dể tránh né, tuy nhiên với các vật cản nhỏ hơn tầm quét của cảm biến LiDAR thì sẽ không thể phát hiện được. Về hướng phát triển cho đồ án này, để giải quyết vấn đề các vật cản nhỏ hơn tầm quét của LiDAR thì ta có thể lắp thêm 1 camera để nhận dạng các vật đó, thay đổi động cơ và encoder thành các loại chuyên dụng trong công nghiệp để tăng tải trọng cũng như tốc độ của xe. ABSTRACT RESEARCH, DESIGN AND BUILD AN AGV ROBOT USING LIDAR SENSOR FOR NAVIGATION. The project focuses on harvesting the data collected by the LiDAR sensor to create a map of the surrounding environment, then store that map and use for multi other purposes.

With the help of ROS and coding, the AGV attached with LiDAR can avoid obstacles and calculate other routes when moving through the area to reach the destination. Our team were struggling a bit in the power calculation part, how to choose the suitable motor, the right transmission solution to achieve the desired speed and enough force to carry heavy loads. The result is an AGV with dimensions of 500×400×600 mm (length×width×height) capable of carrying out load approximately 15kg. The AGV can detect obstacles and avoid them, however for objects that are lower than the LiDAR, it cannot detect.

For this problem can be solve by install and programmed a camera to identify those objects. For further development of this project, the LiDAR can be upgraded to a better version, changed into industrial motors and encoders for better feedback data. v TABLE OF CONTENTS GRADUATION PROJECT TASKS. v TABLE OF CONTENTS.

vi LIST OF FIGURES. viii LIST OF TABLES. x LIST OF ABBREVIATIONS. xi CHAPTER 1: OVERVIEW .2 RESEARCH SITUATION NATIONALLY AND INTERNATIONALLY .4 AGVS FOR INDUSTRIAL USE .5 OBJECT AND SCOPE OF THE STUDY.

6 CHAPTER 2: MECHANICAL DESIGN .1 DESIGN REQUIREMENTS AND TRANSMISSION SELECTION. 11 CHAPTER 3: POWER CALCULATION .1 CALCULATION TO CHOOSE MOTOR.2 BELT TRANSMISSION CALCULATIONS .3 BELT'S TEST TORQUE FORCE. 21 CHAPTER 4: CONTROL METHOD .1 BASIC OPERATION DIAGRAM .2 RASPBERRY PI EMBEDDED COMPUTER .4 THE RPLIDAR SENSOR .6 WORKING FLOW – DATA PROCESS. 38 CHAPTER 5: PATH PLANNING .2 HOW SLAM WORKS .3 COMMON SLAM PROBLEMS .2 PATH PLANNING WITH ROS .2 PATH PLANNING – NAVIGATION METHOD.

75 GRADUATION THESIS EVALUATION FORM. 76 COMMENTS FOR THE GRADUATION THESIS. 78 GRADUATION THESIS EVALUATION SHEET. 82 vii LIST OF FIGURES Figure 1.1 KUKA's and OMRON's AGV product.2 AGV can transport big & heavy cargoes (1).3 AGV can transport big & heavy cargoes (2).4 An AMR working in a facility.5 Example of an AGV.6 Example of an AGV.2 Tooth belt transmitter .7 Completed frame design.1 Active force on AGV.1 Center of the Instantanous curve rotation.2 The robot coordinate system.3 Robot system model.4 Basic operation diagram.10 Structure of an Encoder .11 This is the encoder we use for this project.14 Pulse width adjustment cycle .16 PID control function graph .19 LED A returns the pulse signal before of LED B .20 LED B returns signal after LED A .21 Encoder's pulse return rule .22 Read the return signal.23 How PID was calculated.24 PID for 2 motors .26 PID response when change the velocity unexpected.27 PID response when change the speed suddenly (x10 times and x100 times) .1 Example using SLAM & without SLAM .2 Visual based SLAM .3 LiDAR based SLAM.4 Errors in accumulated, mapping .5 Grid map method .6 Set up the working environments of ROS.7 New environment - not scan yet.8 Display map on screen after scanned.9 Dynamic Window Approach (DWA).10 Navigate algorithm diagram.11 DWA algorithm diagram.12 Scoring the velocity.13 Choose a destination on a stored map.14 Move to a destination - No obstacles.15 Detect an obstacle - proceed to change the path immediately.16 Reached the destination.1 The base of the mobile robot .2 2 main wheels and 4 caster wheels .3 Install all the control unit & transmission system .4 Frame of the mobile robot .5 Completed mobile robot.6 Map of the place we chose to do the experiment display on screen.7 Move from a position to another - mark with black tape .8 Measuring to see if the map was correct.9 The 2nd experiment - move in an L shape.10 The starting point and set the destination.11 Check the detection of obstacles.12 The mobile robot changed the route when encounter an obstacle.13 Describe pictures in the map and in reality.14 Travel in a crowded room.15 The route changed when there’s someone in front and return when they move away.

74 LIST OF TABLES Table 2.1 Basic mechanical parameter.1 Motor technical information .1 Pulse return of 2 motors .2 Experiment 2 - Deviation of starting position and destination. 69 x LIST OF ABBREVIATIONS AGV: Automated Guided Vehicle AMR: Autonomous Mobile Robot DSO (SLAM): Direct Sparse Odometry DWA: Dynamic Window Approach ICC: Instantaneous Center of Curvature IMUs: Inertial Measurement Units LSD-SLAM: Large-Scale Direct SLAM PE: Polyethylene (PE plastic) PID: Proportional–Integral–Derivative (PID controller) RGBD (camera): RGB refers to the color model in which the red, green, and blue primary colors of light are added to create different colors that we perceive, and D refers to Depth information. ROS: Robot Operating System SfM: Structure from motion SLAM: Simultaneous Localization and Mapping SVO (SLAM ): Semi-direct Visual-Inertial Odometry ToF (camera): Time-of-Flight camera UAV: Unmanned Aerial Vehicle Rviz: ROS visualization tool xi CHAPTER 1 CHAPTER 1: OVERVIEW 1. HISTORY During World War II, the first mobile robots appeared as a result of technical advances in some relatively new areas of research such as computer science and cybernetics.

1948-1949 Elmer and Elsie were two moveable robots equipped with light sensors, which, when they detected the light, moved there, and avoided obstacles along the way.