Chương 1: Tổng quan kể khi bị quá sáng hoặc quá tối, hoặc vị trí của khuôn mặt, mắt, bàn tay bị lệch khỏi vùng ghi hình của camera. Đối với việc sử dụng EEG trong những năm qua đã trở thành một chủ đề được quan tâm để điều khiển máy móc cho những đối tượng tàn tật nặng không thể dùng giọng nói hay vận động các chi hoặc đầu để ra lệnh điều khiển [16]. Để làm như vậy, các mẫu tín hiệu EEG cần được phân loại và nhóm thành các hành động dự định. Xe lăn điều khiển bằng EEG là thiết bị thích hợp cho những bệnh nhân bị liệt hoàn toàn với bộ não khỏe mạnh để điều hướng môi trường của họ [17].
Người sử dụng sẽ được gắn các điện cực lên đầu để thu thập các tín hiệu EEG và truyền về máy tính. Tín hiệu EEG thu được là dạng tín hiệu ngẫu nhiên khá phức tạp, do đó cần sử dụng các bộ lọc và các thuật toán để trích các đặc trưng của tín hiệu, cho biết tín hiệu nào liên quan đến hoạt động của cơ thể. Nhóm nghiên cứu của Nguyễn Thanh Hải [18, 19] thu thập tín hiệu EEG từ hoạt động của mắt (mở mắt, chớp mắt, liếc trái, liếc phải) và sử dụng bộ lọc Hamming để chia tín hiệu thành các dải tần khác nhau cho từng hoạt động. Sau đó, thông qua mạng nơ-ron để huấn luyện các tín hiệu thành bốn lệnh điều khiển cho xe lăn như đi tới, đi lùi, rẽ trái, rẽ phải với tốc độ di chuyển 5km/h trong môi trường trong nhà.
Bên cạnh đó, các nghiên cứu về việc sử dụng tín hiệu EEG để điều khiển xe lăn cho người khuyết tật cũng được quan tâm phát triển với mục đích điều khiển thuận tiện cho người sử dụng với chi phí đầu tư thấp [20]. Tuy nhiên, khi sử dụng tín hiệu EEG cho điều khiển xe lăn, người dùng phải có sự kiểm soát cảm xúc và sự tập trung tốt để điều khiển hiệu quả. Đây là một gánh nặng cho người dùng mặc dù phương pháp này có thể là một lựa chọn tốt cho những người có cơ thể bị tê liệt hoàn toàn. Có lẽ giải pháp tốt nhất cho trường hợp này là dựa vào các phương pháp sử dụng nhiều tín hiệu từ người dùng và môi trường xung quanh để phân tích trước khi đưa ra lệnh mong muốn [21].
Sử dụng chiến lược này sẽ áp đặt ít gánh nặng hơn cho người dùng so với trường hợp chỉ dựa vào một đầu vào. Nhằm giảm bớt sự điều khiển của người dùng và đảm bảo an toàn, xe lăn được điều khiển tự động hoặc bán tự động là một giải pháp cần thiết. Chế độ tự động của xe lăn đồng nghĩa với việc xe lăn phải tự di chuyển đến điểm đích mà người sử dụng Trang – 3 – Chương 1: Tổng quan mong muốn, đồng thời phải tránh được những chướng ngại vật trên đường đi. Đã có nhiều phương pháp được áp dụng để xe lăn tự hành như di chuyển theo đường đi đã được vạch sẵn [22], di chuyển theo tọa độ sử dụng định vị GPS và bộ lọc Kalman [23], di chuyển theo bản đồ [24].
Bên cạnh đó, xe lăn thông minh cũng đã được cải thiện về các bộ phận điều hướng, chẳng hạn như tự động tránh chướng ngại vật, phương thức giao tiếp giữa người dùng và hệ thống điều khiển và sự thích ứng với mức độ khuyết tật [25]. Trong thập kỷ qua, một số thuật toán điều hướng đã được nghiên cứu cho các xe lăn điện thông minh và hầu hết trong số các nghiên cứu này sử dụng các cảm biến khác nhau để phát hiện và tránh chướng ngại vật. Xe lăn được phát triển cho người cao tuổi và có thể nhận ra các chướng ngại vật khác nhau bằng cách sử dụng cảm biến siêu âm [26]. Từ đó, phương pháp kết hợp các cảm biến sẽ hỗ trợ người dùng điều hướng trong các không gian hẹp.
Xe lăn điện được thiết kế có khả năng tránh chướng ngại vật và tự động đi đến các điểm đích được chọn bởi người dùng [27, 28]. Xe lăn này sử dụng một hệ thống điều khiển an toàn DSS đã được triển khai để hỗ trợ cho người dùng khiếm thị và cho phép xe lăn di chuyển theo một bức tường và vượt qua các cửa bên trong tòa nhà. Malek Njah đã sử dụng đồng thời bộ điều khiển mờ để tránh chướng ngại vật và bộ lọc Kalman mở rộng để tổng hợp dữ liệu từ cảm biến siêu âm và encoder mang lại độ chính xác cao cho hệ thống định vị [29]. Mặc dù, kỹ thuật tổng hợp dữ liệu từ nhiều loại cảm biến giúp cải thiện độ chính xác của dữ liệu và thông tin thu thập được, nhưng để triển khai và duy trì một hệ thống kết hợp nhiều cảm biến có thể tốn kém vì yêu cầu phần cứng và phần mềm phức tạp.
Hơn nữa, việc xử lý và kết hợp dữ liệu từ nhiều nguồn có thể tạo ra độ trễ trong việc tính toán, điều này là quan trọng trong các ứng dụng yêu cầu độ phản ứng nhanh [30, 31]. Điều hướng dựa trên thị giác máy ngày càng được sự chú ý mạnh mẽ như là một giải pháp thay thế cho điều hướng dựa trên cảm biến. Các phương pháp này được phân loại thành các phương pháp dựa trên thị giác lập thể (stereovision) và thị giác một mắt (monocular vision). Các phương pháp sử dụng các kỹ thuật stereovision phân biệt chướng ngại vật bằng cách sử dụng thông tin độ sâu ba chiều [32].
Hạn chế đáng Trang – 4 – Chương 1: Tổng quan kể của các phương pháp này là thời gian tính toán nhiều và chi phí phần cứng cao. Ngược lại, các hệ thống điều hướng dựa trên monocular vision sử dụng các kỹ thuật xử lý ảnh để nhận biết các chướng ngại vật, liên quan đến tất cả các vật thể khác nhau trong môi trường [33]. Gần đây, LiDAR và camera ngày càng được sử dụng nhiều do khả năng cung cấp thông tin 3 chiều (3D) về môi trường so với các loại cảm biến khác chỉ cung cấp thông tin 2 chiều (2D) như siêu âm, laser 2D. LiDAR cung cấp thông tin 3D chính xác với khoảng cách xa so với camera do ít bị ảnh hưởng bởi điều kiện ánh sáng của môi trường xung quanh, trong khi đó camera có thể cung cấp nhiều thông tin về môi trường hơn như hình ảnh, màu sắc, và ngữ nghĩa [34].
Ngoài ra, LiDAR có giá thành cao hơn nhiều so với camera. Nhóm nghiên cứu của Y.Tawil [35] và nhóm của Jordan S. Nguyen [36] đã sử dụng camera với các thuật toán áp dụng vào việc phát hiện vật cản, tìm khoảng trống để xe lăn điện vượt qua vật cản. Hệ thống này có thể giúp người sử dụng cảm thấy an toàn hơn khi di chuyển trong khu vực có nhiều chướng ngại vật.
Lĩnh vực vẽ bản đồ và định vị đã và đang được nghiên cứu rộng rãi cho xe lăn hay robot tự hành. Xe lăn hay robot tự hành phải được cung cấp chi tiết về bản đồ di chuyển để có thể được định vị trong không gian di chuyển. Hơn nữa, tọa độ hiện tại của xe lăn hay robot được dùng làm cơ sở thu thập thêm những thông tin mới trong quá trình di chuyển [37]. Các thuật toán vẽ bản đồ dần được phát triển như thuật toán bản địa hóa và bản đồ hóa đồng thời (SLAM) được áp dụng để vẽ bản đồ 3D [38].
Để định vị xe lăn hay robot trong không gian di chuyển, có nhiều phương pháp được thực hiện. Đầu tiên là những phương pháp định vị 2D sử dụng những thông tin khoảng cách thu về từ sóng WiFi [39], cảm biến laser [40], cảm biến laser kết hợp với RFID [41]. Cùng với đó, các phương pháp xử lý ảnh cũng đã được sử dụng trong định vị robot [42]. Phương pháp xử lý ảnh được sử dụng để nhận biết các vật mốc nhân tạo cố định được xây dựng sẵn trong không gian di chuyển [43], từ đó áp dụng vào việc xác định vị trí hiện tại của xe lăn trên một bản đồ đã được xây dựng trước trong quá trình di chuyển.
Alcantarilla và các cộng sự đề xuất phương pháp mạnh mẽ và nhanh chóng định vị cho xe lăn dựa vào thị giác máy tính, trong đó các đặc trưng của hình Trang – 5 – Chương 1: Tổng quan ảnh được trích xuất, kết hợp với các thành phần bản đồ để đưa ra vị trí hiện tại của robot tự hành [44]. Trong thực tế, bản đồ hóa cho robot di động trong môi trường là một thách thức lớn do dữ liệu thu được từ môi trường và thuật toán được áp dụng trên chúng [45, 46]. Với các robot di động dựa trên thông tin mang tính bước ngoặt, việc chọn các vật mốc như cửa ra vào, cầu thang, tường, trần nhà, sàn nhà và trích xuất các đặc trưng của chúng để nhận dạng đóng vai trò quan trọng [47, 48]. Do đó, để phát hiện các đối tượng dựa trên các đặc trưng, người ta có thể dựa trên màu sắc, kết cấu, độ sáng, kích thước đối tượng.
Từ phân tích tổng quan, xe lăn điện đã trở thành phương tiện di chuyển quan trọng cho người khuyết tật nặng. Tuy nhiên, các tai nạn có thể xảy ra khi người dùng tự điều khiển, bao gồm lỗi thao tác không chủ ý hoặc cảm giác căng thẳng khi điều khiển xe lăn trong thời gian dài. Để giải quyết vấn đề này, nghiên cứu và phát triển hệ thống tự động lái xe đã được tiến hành để đảm bảo an toàn cho xe lăn điện. Nghiên cứu này tập trung vào phát triển các thiết bị có thể được lắp vào xe lăn điện hiện có như các phụ kiện bổ sung để ngăn ngừa tai nạn với chi phí thấp.
Cụ thể, sự kết hợp của một chiếc xe lăn điện, hệ thống máy tính, thiết bị thu thập tín hiệu điện não EEG, hệ thống camera 3D và bản đồ cần thiết được nghiên cứu để cho phép người sử dụng xe lăn cảm thấy thuận lợi hơn trong việc điều khiển và an toàn hơn khi di chuyển trong môi trường trong nhà. Người khuyết tật có thể tự điều khiển xe lăn thông qua tín hiệu EEG, tránh vật cản tự động trong những trường hợp khẩn cấp khi người sử dụng không thể phản ứng kịp thời thông qua hệ thống camera. Với hệ thống camera và bản đồ, xe lăn có thể nhận dạng vật mốc, tính toán khoảng cách và góc lệch giữa vật mốc và định vị trên bản đồ dựa vào vật mốc. Với vị trí được xác định trên bản đồ, xe lăn có thể đưa ra quyết định di chuyển phù hợp để đến đích mong muốn.