Đồ án HCMUTE: Nghiên cứu, thiết kế Robot AGV dùng LiDAR điều hướng

Đồ án HCMUTE: Nghiên cứu, thiết kế và xây dựng robot AGV dẫn đường bằng LiDAR. Tìm hiểu về quy trình, kết quả và ứng dụng tiềm năng của đề tài.

Người đăng

Ẩn danh

Thể loại

graduation thesis

2023

131
27
0

Phí lưu trữ

35 Point

Mục lục chi tiết

GRADUATION PROJECT TASKS

TABLE OF CONTENTS

LIST OF FIGURES

LIST OF TABLES

LIST OF ABBREVIATIONS

1. CHAPTER 1: OVERVIEW

1.1. HISTORY

1.2. RESEARCH SITUATION NATIONALLY AND INTERNATIONALLY

1.3. INTRODUCTION

1.4. AGVS FOR INDUSTRIAL USE

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. Tổng Quan Đồ Án Robot AGV Dùng Lidar Cho Điều Hướng

Đồ án nghiên cứu, thiết kế và xây dựng robot AGV sử dụng cảm biến Lidar cho điều hướng là một hướng đi đầy tiềm năng trong lĩnh vực robotics và tự động hóa. AGV (Automated Guided Vehicle) là phương tiện tự hành được sử dụng rộng rãi trong các nhà máy, kho bãi, và môi trường công nghiệp để vận chuyển hàng hóa một cách tự động mà không cần sự can thiệp của con người. Việc tích hợp cảm biến Lidar vào robot AGV cho phép robot nhận biết môi trường xung quanh, xây dựng bản đồ, tự định vị, và di chuyển một cách an toàn và hiệu quả. Đồ án này tập trung vào việc ứng dụng các thuật toán SLAM (Simultaneous Localization and Mapping) và path planning để điều hướng robot AGV trong môi trường phức tạp. Sử dụng hệ điều hành ROS (Robot Operating System) giúp đơn giản hóa việc phát triển và tích hợp các thành phần khác nhau của robot. Đồ án này có tính ứng dụng cao, góp phần vào việc tự động hóa quy trình sản xuất và logistics, giảm thiểu chi phí lao động và nâng cao hiệu quả hoạt động. Dữ liệu từ cảm biến LiDAR được khai thác để tạo bản đồ 2D của môi trường, hỗ trợ phát hiện vật cản và tính toán lại đường đi. Nhóm nghiên cứu đã gặp khó khăn trong việc lựa chọn động cơ và phương án truyền động phù hợp với tải trọng và tốc độ yêu cầu. Mục tiêu của đồ án là tạo ra một chiếc robot AGV có khả năng tự điều hướng, tránh chướng ngại vật, và vận chuyển hàng hóa một cách an toàn trong môi trường thực tế.

1.1. Tầm Quan Trọng Của Robot AGV Trong Công Nghiệp 4.0

Trong bối cảnh Công nghiệp 4.0, robot AGV đóng vai trò then chốt trong việc tự động hóa các quy trình sản xuất và logistics. Việc sử dụng robot AGV giúp giảm thiểu chi phí lao động, tăng năng suất, và cải thiện độ chính xác trong vận chuyển hàng hóa. Theo báo cáo từ MINISTRY OF EDUCATION AND TRAINING HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION, robot AGV có thể hoạt động liên tục 24/7, đáp ứng nhu cầu sản xuất liên tục và giảm thời gian chờ đợi. Ngoài ra, robot AGV có thể làm việc trong môi trường nguy hiểm mà con người không thể tiếp cận, chẳng hạn như khu vực có hóa chất độc hại hoặc nhiệt độ cao. Sự linh hoạt và khả năng thích ứng của robot AGV giúp doanh nghiệp tối ưu hóa quy trình sản xuất và nâng cao khả năng cạnh tranh. HCMUTE (Đại học Sư phạm Kỹ thuật TP.HCM) là một trong những trường đại học tiên phong trong việc nghiên cứu và phát triển robot AGV tại Việt Nam.

1.2. Giới Thiệu Cảm Biến Lidar và Ứng Dụng Trong Điều Hướng

Cảm biến Lidar là một công nghệ quan trọng trong việc điều hướng robot AGV và các phương tiện tự hành khác. Lidar sử dụng tia laser để đo khoảng cách đến các vật thể xung quanh, tạo ra bản đồ 3D chi tiết của môi trường. Dữ liệu từ cảm biến Lidar có thể được sử dụng để xây dựng bản đồ, định vị robot, phát hiện vật cản, và lập kế hoạch đường đi. So với các loại cảm biến khác như camera hoặc radar, cảm biến Lidar có độ chính xác cao hơn và ít bị ảnh hưởng bởi điều kiện ánh sáng. Theo tài liệu gốc, cảm biến Lidar có thể quét và tạo bản đồ, đồng thời phát hiện và tránh chướng ngại vật trong quá trình di chuyển. Việc lựa chọn cảm biến Lidar phù hợp là một yếu tố quan trọng để đảm bảo hiệu suất và độ tin cậy của robot AGV.

II. Thách Thức Thiết Kế AGV Robot Điều Hướng Lidar Tại HCMUTE

Việc thiết kế và xây dựng robot AGV sử dụng cảm biến Lidar cho điều hướng đặt ra nhiều thách thức kỹ thuật. Một trong những thách thức lớn nhất là tích hợp các thành phần khác nhau của robot, bao gồm cảm biến Lidar, hệ thống điều khiển, động cơ, và phần mềm điều hướng. Việc đảm bảo sự tương thích và hoạt động ổn định của các thành phần này đòi hỏi kiến thức và kỹ năng chuyên môn sâu rộng. Một thách thức khác là phát triển các thuật toán SLAMpath planning hiệu quả để điều hướng robot AGV trong môi trường phức tạp và thay đổi. Các thuật toán này phải có khả năng xử lý dữ liệu lớn từ cảm biến Lidar một cách nhanh chóng và chính xác, đồng thời đảm bảo an toàn và hiệu quả trong quá trình di chuyển. Ngoài ra, việc lựa chọn các linh kiện và vật liệu phù hợp cũng là một yếu tố quan trọng để đảm bảo độ bền và tuổi thọ của robot AGV.

2.1. Lựa Chọn Cảm Biến Lidar Phù Hợp Cho Robot AGV HCMUTE

Việc lựa chọn cảm biến Lidar phù hợp là một quyết định quan trọng trong quá trình thiết kế robot AGV. Có nhiều loại cảm biến Lidar khác nhau trên thị trường, với các thông số kỹ thuật và giá cả khác nhau. Các yếu tố cần xem xét khi lựa chọn cảm biến Lidar bao gồm phạm vi hoạt động, độ chính xác, tốc độ quét, độ phân giải, và khả năng chống nhiễu. Theo tài liệu, nhóm nghiên cứu đã sử dụng RPLIDAR để quét môi trường xung quanh. Việc lựa chọn cảm biến Lidar cũng cần phù hợp với yêu cầu cụ thể của ứng dụng, chẳng hạn như kích thước của môi trường làm việc và tốc độ di chuyển của robot AGV. HCMUTE project đòi hỏi sự cân nhắc kỹ lưỡng giữa hiệu suất và chi phí để đảm bảo tính khả thi của dự án.

2.2. Phát Triển Thuật Toán SLAM Hiệu Quả Cho Robot Tự Hành

Phát triển các thuật toán SLAM hiệu quả là một thách thức lớn trong việc điều hướng robot AGV trong môi trường phức tạp. Các thuật toán SLAM phải có khả năng xử lý dữ liệu lớn từ cảm biến Lidar một cách nhanh chóng và chính xác, đồng thời đảm bảo tính ổn định và độ tin cậy. Một trong những vấn đề phổ biến trong SLAM là sai số tích lũy, dẫn đến sự sai lệch giữa bản đồ được xây dựng và môi trường thực tế. Các thuật toán SLAM hiện đại sử dụng các kỹ thuật như lọc Kalman, bundle adjustment, và pose graph optimization để giảm thiểu sai số và cải thiện độ chính xác. Việc tối ưu hóa các thuật toán SLAM để đáp ứng yêu cầu thời gian thực của robot AGV là một bài toán khó khăn, đòi hỏi sự kết hợp giữa kiến thức toán học, kỹ thuật lập trình, và kinh nghiệm thực tế.

III. Giải Pháp Kỹ Thuật Thiết Kế Xây Dựng Robot AGV Lidar

Để giải quyết các thách thức trên, đồ án này đề xuất một giải pháp kỹ thuật toàn diện cho việc thiết kế và xây dựng robot AGV sử dụng cảm biến Lidar cho điều hướng. Giải pháp này bao gồm việc lựa chọn các linh kiện và vật liệu phù hợp, phát triển các thuật toán SLAMpath planning hiệu quả, và tích hợp các thành phần khác nhau của robot một cách tối ưu. Theo tài liệu, robot AGV được thiết kế có kích thước 500x400x600 (mm) và có khả năng chở tải trọng khoảng 15kg. Việc lựa chọn động cơ và hệ thống truyền động phù hợp là một yếu tố quan trọng để đảm bảo hiệu suất và độ tin cậy của robot AGV. Ngoài ra, việc phát triển một giao diện người dùng thân thiện cũng là một yếu tố quan trọng để giúp người dùng dễ dàng điều khiển và giám sát robot AGV.

3.1. Thiết Kế Cơ Khí Robot AGV Yêu Cầu và Lựa Chọn Vật Liệu

Thiết kế cơ khí của robot AGV phải đáp ứng các yêu cầu về độ bền, độ ổn định, và khả năng chịu tải. Theo tài liệu, robot AGV được thiết kế có khả năng chở tải trọng từ 10-15 kg. Việc lựa chọn vật liệu phù hợp là một yếu tố quan trọng để đảm bảo độ bền và tuổi thọ của robot AGV. Các vật liệu thường được sử dụng trong thiết kế robot AGV bao gồm thép, nhôm, và nhựa. Việc lựa chọn vật liệu cũng cần phù hợp với yêu cầu cụ thể của ứng dụng, chẳng hạn như môi trường làm việc và điều kiện vận hành. Thiết kế khung gầm và hệ thống treo cũng cần được xem xét kỹ lưỡng để đảm bảo sự ổn định và khả năng di chuyển linh hoạt của robot AGV.

3.2. Phát Triển Hệ Thống Điều Khiển Robot AGV Dùng ROS

Hệ thống điều khiển là một thành phần quan trọng của robot AGV, chịu trách nhiệm điều khiển các động cơ và cảm biến, đồng thời thực hiện các thuật toán SLAMpath planning. ROS là một hệ điều hành phổ biến trong lĩnh vực robotics, cung cấp nhiều công cụ và thư viện để phát triển các ứng dụng robot. Việc sử dụng ROS giúp đơn giản hóa việc phát triển và tích hợp các thành phần khác nhau của robot AGV, đồng thời cung cấp một môi trường phát triển linh hoạt và dễ dàng mở rộng. Hệ thống điều khiển robot AGV cần có khả năng xử lý dữ liệu lớn từ cảm biến Lidar một cách nhanh chóng và chính xác, đồng thời đảm bảo an toàn và hiệu quả trong quá trình di chuyển.

IV. Ứng Dụng Thực Tế Kết Quả Nghiên Cứu AGV Robot Lidar

Đồ án này đã đạt được những kết quả nghiên cứu đáng khích lệ trong việc thiết kế và xây dựng robot AGV sử dụng cảm biến Lidar cho điều hướng. Robot AGV đã được thử nghiệm trong môi trường thực tế và cho thấy khả năng tự điều hướng, tránh chướng ngại vật, và vận chuyển hàng hóa một cách an toàn và hiệu quả. Theo tài liệu, robot AGV có thể phát hiện vật cản và thiết lập lại đường đi để tránh né. Tuy nhiên, đồ án cũng còn một số hạn chế, chẳng hạn như khả năng phát hiện vật cản nhỏ hơn tầm quét của cảm biến Lidar. Những hạn chế này sẽ là hướng phát triển cho các nghiên cứu tiếp theo.

4.1. Thử Nghiệm Robot AGV Trong Môi Trường Thực Tế Tại HCMUTE

Để đánh giá hiệu quả của robot AGV, nhóm nghiên cứu đã thực hiện các thử nghiệm trong môi trường thực tế tại HCMUTE. Các thử nghiệm bao gồm việc di chuyển robot AGV trong các khu vực khác nhau của trường, chẳng hạn như hành lang, phòng thí nghiệm, và nhà xưởng. Trong quá trình thử nghiệm, robot AGV đã được yêu cầu thực hiện các nhiệm vụ khác nhau, chẳng hạn như vận chuyển hàng hóa từ điểm A đến điểm B, tránh các chướng ngại vật, và điều hướng trong môi trường phức tạp. Kết quả thử nghiệm cho thấy robot AGV có khả năng hoạt động ổn định và hiệu quả trong môi trường thực tế. Tuy nhiên, đồ án cũng ghi nhận một số vấn đề cần cải thiện, chẳng hạn như khả năng phát hiện vật cản nhỏ và khả năng điều hướng trong môi trường có ánh sáng yếu.

4.2. Đánh Giá Độ Chính Xác Và Khả Năng Ổn Định Của Robot

Độ chính xác và khả năng ổn định là hai yếu tố quan trọng để đánh giá hiệu suất của robot AGV. Độ chính xác được đo bằng sai số giữa vị trí thực tế của robot AGV và vị trí được ước tính bởi hệ thống điều hướng. Khả năng ổn định được đo bằng khả năng duy trì vị trí và hướng của robot AGV trong quá trình di chuyển. Theo tài liệu, sai số vị trí của robot AGV nằm trong khoảng cho phép. Việc cải thiện độ chính xác và khả năng ổn định của robot AGV là một mục tiêu quan trọng trong các nghiên cứu tiếp theo. Các kỹ thuật như hiệu chỉnh cảm biến, lọc Kalman, và PID control có thể được sử dụng để cải thiện độ chính xác và khả năng ổn định của robot AGV.

V. Kết Luận Hướng Phát Triển Tương Lai Robot AGV Lidar

Đồ án nghiên cứu, thiết kế và xây dựng robot AGV sử dụng cảm biến Lidar cho điều hướng đã đạt được những thành công nhất định, góp phần vào việc phát triển công nghệ robotics và tự động hóa tại Việt Nam. Tuy nhiên, đồ án cũng còn nhiều hạn chế và cần được tiếp tục phát triển trong tương lai. Việc tích hợp thêm các cảm biến khác như camera và radar có thể giúp cải thiện khả năng nhận biết môi trường và điều hướng của robot AGV. Ngoài ra, việc phát triển các thuật toán SLAMpath planning tiên tiến hơn cũng là một hướng đi đầy tiềm năng.

5.1. Tích Hợp Camera Để Nhận Diện Vật Cản Kích Thước Nhỏ

Một trong những hạn chế của đồ án là khả năng phát hiện vật cản nhỏ hơn tầm quét của cảm biến Lidar. Để giải quyết vấn đề này, nhóm nghiên cứu đề xuất việc tích hợp thêm camera vào robot AGV. Camera có thể được sử dụng để nhận diện các vật cản kích thước nhỏ, chẳng hạn như chai nước, hộp giấy, hoặc dây điện. Việc kết hợp dữ liệu từ cảm biến Lidar và camera có thể giúp cải thiện khả năng nhận biết môi trường và điều hướng của robot AGV.

5.2. Nghiên Cứu Phát Triển Thuật Toán SLAM Path Planning Tiên Tiến

Các thuật toán SLAMpath planning đóng vai trò then chốt trong việc điều hướng robot AGV. Việc phát triển các thuật toán SLAMpath planning tiên tiến hơn có thể giúp cải thiện độ chính xác, khả năng ổn định, và hiệu quả của robot AGV. Các thuật toán SLAM hiện đại sử dụng các kỹ thuật như deep learning, reinforcement learning, và graph neural networks để cải thiện hiệu suất. Việc nghiên cứu và phát triển các thuật toán SLAMpath planning tiên tiến hơn sẽ là một hướng đi đầy tiềm năng cho các nghiên cứu tiếp theo.

21/09/2025

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 SKL010878 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 oMinh: 0795234178 o Lộc: 0966486148 - Email: oĐông: andong0108@gmail.com oMinh: anhminh0305@gmail.com o Lộc: jackreagan110@gmail.com - Address: oĐông: 806 Lô A chung cư Hà Đô, Nguyễn Văn Công, p3 Gò Vấp Tp.HCM oMinh: 228/1 Thống Nhất phường 10 Gò Vấp, Tp Hồ Chí Minh oLộc: 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. Then more robots continue to be born and grow, they can find their own charging source when the battery is weak, built into the camera to move along the white line, or perform laning work. From 1966 to 1972 the Stanford Research Institute was building and conducting research on Shakey the Robot. Shakey has cameras, rangefinders, collision sensors and radio links.

Shakey was the first robot to deduce its actions.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ