Luận văn thạc sĩ về cải thiện độ chính xác hệ thống định vị cho robot di động

• Người hướng dẫn: PGS.TS Nguyễn Văn A
• Trường học: Trường Đại Học Bách Khoa
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Cải Thiện Độ Chính Xác Hệ Thống Định Vị Robot Di Động Bằng Phương Pháp Hợp Nhất Cảm Biến
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2023
• Địa điểm: Thành Phố Hồ Chí Minh

• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Cấu trúc của Luận
• 1.2. Các nghiên cứu liên quan
• 2. CHƯƠNG 2: MÔ HÌNH TOÁN VÀ LÝ THUYẾT
• 2.1. Mô hình toán của hệ thống Robot
• 2.2. Lý thuyết bộ lọc Kalman mở rộng (EKF)
• 3. CHƯƠNG 3: THIẾT KẾ HỆ THỐNG
• 3.1. Thiết kế phần cứng
• 3.2. Thiết kế phần mềm
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 4.1. Mô phỏng trên Matlab và Python
• 4.2. Thực nghiệm trên hệ thống thực tế
• 5. CHƯƠNG 5: KẾT LUẬN VÀ ĐỀ XUẤT
• 5.1. Kết luận
• 5.2. Đề xuất hướng nghiên cứu tiếp theo
• PHỤ LỤC
• TÀI LIỆU THAM KHẢO

I. Giới thiệu

Trong bối cảnh hiện đại, định vị robot trở thành một yếu tố then chốt trong việc phát triển các hệ thống tự động. Đặc biệt, robot di động cần có khả năng xác định vị trí chính xác để thực hiện các nhiệm vụ phức tạp trong môi trường không quen thuộc. Hệ thống định vị truyền thống thường gặp khó khăn trong việc xử lý thông tin từ nhiều nguồn khác nhau, dẫn đến độ chính xác thấp. Do đó, việc cải thiện độ chính xác của hệ thống định vị robot di động thông qua hợp nhất cảm biến là một vấn đề quan trọng. Nghiên cứu này tập trung vào việc áp dụng các phương pháp hợp nhất cảm biến như bộ lọc Kalman mở rộng (EKF) để tối ưu hóa quá trình định vị.

II. Các phương pháp định vị

Các phương pháp định vị robot thường sử dụng nhiều loại cảm biến robot khác nhau, bao gồm cảm biến quang học, cảm biến siêu âm và cảm biến IMU. Mỗi loại cảm biến có những ưu điểm và nhược điểm riêng. Ví dụ, cảm biến quang học có thể cung cấp thông tin chính xác về khoảng cách và vị trí, nhưng lại bị ảnh hưởng bởi ánh sáng và điều kiện môi trường. Ngược lại, cảm biến siêu âm có thể hoạt động tốt trong môi trường tối, nhưng độ chính xác lại không cao. Việc hợp nhất cảm biến giúp tận dụng những ưu điểm của từng loại cảm biến, từ đó nâng cao độ chính xác cảm biến và cải thiện khả năng định vị của robot. Các thuật toán như EKF được áp dụng để xử lý và kết hợp dữ liệu từ nhiều cảm biến, giúp giảm thiểu sai số trong quá trình định vị.

III. Hệ thống định vị và cảm biến

Hệ thống định vị robot thường bao gồm các thành phần chính như cảm biến, bộ xử lý và thuật toán định vị. Các cảm biến như Encoder, IMU, UWB và Lidar được sử dụng để thu thập dữ liệu về vị trí và chuyển động của robot. Mỗi loại cảm biến đóng vai trò quan trọng trong việc cung cấp thông tin cần thiết cho quá trình định vị. Ví dụ, cảm biến Lidar có khả năng quét môi trường xung quanh và tạo bản đồ 3D, trong khi cảm biến IMU cung cấp thông tin về gia tốc và góc quay. Việc kết hợp dữ liệu từ các cảm biến này thông qua các phương pháp như EKF giúp cải thiện độ chính xác của hệ thống định vị, cho phép robot hoạt động hiệu quả hơn trong môi trường thực tế.

IV. Kết quả và thảo luận

Kết quả từ các thí nghiệm cho thấy việc áp dụng phương pháp hợp nhất cảm biến giúp nâng cao đáng kể độ chính xác cảm biến trong hệ thống định vị robot. Các thử nghiệm cho thấy rằng robot có thể xác định vị trí của mình với độ chính xác cao hơn so với các phương pháp định vị truyền thống. Việc sử dụng các cảm biến khác nhau kết hợp với thuật toán EKF đã giúp giảm thiểu sai số trong quá trình định vị. Điều này mở ra hướng đi mới cho việc phát triển các hệ thống robot tự động trong tương lai, đặc biệt là trong các ứng dụng như giao hàng tự động, thám hiểm và cứu hộ. Kết quả nghiên cứu này không chỉ có giá trị lý thuyết mà còn có tính ứng dụng thực tiễn cao trong các lĩnh vực công nghệ và robot.