Giới thiệu dự án

Trong kỷ nguyên công nghiệp 4.0, sự hội tụ giữa cơ khí chính xác, điện tử nhúng và trí tuệ nhân tạo đang định hình lại ngành công nghiệp ô tô toàn cầu. Theo báo cáo từ MarketsandMarkets, thị trường xe tự hành (Autonomous Vehicles) và robot di động tự hành (AGV/AMR) dự kiến đạt quy mô hơn 64 tỷ USD vào năm 2030 với tốc độ tăng trưởng kép (CAGR) trên 22.7%. Tuy nhiên, việc ứng dụng các công nghệ tự hành cao cấp sử dụng cảm biến LiDAR đa tầng hay radar sóng milimet thường đòi hỏi chi phí phần cứng đắt đỏ và cấu hình tính toán phức tạp, gây khó khăn cho việc phổ cập trong các bài toán nhà kho thông minh, bãi đỗ xe tự động hoặc mô hình nghiên cứu - đào tạo kỹ thuật ô tô.

Đồ án tốt nghiệp "Xây dựng hệ thống xe chạy tự động theo line trên ô tô" do nhóm nghiên cứu Khoa Cơ khí - Điện - Điện tử - Ô tô, Trường Đại học Nguyễn Tất Thành thực hiện nhằm giải quyết bài toán cốt lõi: Làm thế nào để xây dựng một phương tiện tự hành kích thước nhỏ gọn, có khả năng bám làn đường ổn định ở tốc độ cao, khử triệt để hiện tượng dao động lắc ngang (oscillations), đồng thời tích hợp thị giác máy tính để nhận diện biển báo giao thông thời gian thực với chi phí tối ưu nhất.

Mục tiêu nghiên cứu cụ thể

  1. Thiết kế và gia công cơ khí khung gầm xe tự hành tối ưu hóa phân bố trọng tâm bằng phần mềm CAD và công nghệ in 3D FDM.
  2. Thiết kế hệ thống nhúng điều khiển hai tầng (Two-tier Embedded Architecture): Vi điều khiển ATmega328P phụ trách điều khiển động cơ thời gian thực và máy tính nhúng Raspberry Pi 3 Model B+ xử lý thị giác máy tính.
  3. Ứng dụng giải thuật điều khiển tự động PID (Proportional - Integral - Derivative) để định vị và hiệu chỉnh góc đánh lái mượt mà dựa trên dữ liệu quang học 8 kênh.
  4. Triển khai mô hình mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) huấn luyện trên tập dữ liệu 35.000 ảnh để nhận diện 43 lớp biển báo chỉ dẫn.
  5. Thiết lập giao thức truyền thông phân cấp UART đồng bộ giữa hai khối xử lý với cơ chế ngắt ưu tiên cao nhất dành cho tín hiệu chỉ dẫn an toàn.

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án áp dụng kiến trúc phân cấp chức năng: tầng điều khiển phản hồi nhanh (Hard Real-Time Loop) lấy mẫu với chu kỳ dưới $10\text{ ms}$ trên Arduino Pro Mini để duy trì bám line, và tầng nhận thức hình ảnh (Soft Real-Time Vision Pipeline) xử lý tốc độ $15\text{ FPS}$ trên Raspberry Pi. Mô hình hướng tới sai số định tâm $< 5\text{ mm}$, loại bỏ góc chết khi quay vòng với bán kính quay tối thiểu $R = 200\text{ mm}$, và độ chính xác nhận dạng biển báo thực nghiệm đạt trên $90%$.

Phạm vi giới hạn của đề tài tập trung vào việc mô hình hóa trên sa hình mô phỏng đường chuẩn (vạch đen trên nền trắng tiêu chuẩn hoặc ngược lại), hoạt động trong điều kiện ánh sáng trong nhà được kiểm soát, sử dụng cấu trúc truyền động vi sai 2 bánh chủ động và 1 bánh tự hướng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Dò line quang học thuần túy (Bang-Bang / Logic) Xe tự hành cao cấp (LiDAR + SLAM + ROS) Giải pháp Đề xuất (IR Sensor Array + PID + Edge CNN)
Độ mượt chuyển động Kém (Dao động giật cục quanh vạch line) Rất cao (Quỹ đạo mượt, tính toán vi sai) Cao (Hiệu chỉnh PID liên tục, không rung lắc)
Nhận diện biển báo/Vật cản Không hỗ trợ Rất mạnh (Point cloud 3D, Object Detection) Tốt (Phân loại ảnh 43 lớp biển báo qua CNN)
Thời gian đáp ứng Cực nhanh ($< 2\text{ ms}$) Độ trễ trung bình ($50 - 100\text{ ms}$) Phân tầng: $5\text{ ms}$ (PID) / $65\text{ ms}$ (CNN)
Chi phí phần cứng Rất thấp ($< 500.000\text{ VNĐ}$) Rất cao ($> 20.000.000\text{ VNĐ}$) Tối ưu ($1.500.000 - 2.500.000\text{ VNĐ}$)
Độ phức tạp tích hợp Thấp Rất cao Vừa phải, dễ mở rộng và chuyển giao

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc phải có): Bám đường line vạch đen/trắng ổn định; thuật toán PID tự cân bằng; cơ chế điều chế độ rộng xung PWM cho mạch cầu H; nhận diện 4 biển báo cơ bản (Rẽ trái, Rẽ phải, Chạy chậm, Dừng lại).
  • Should-have (Nên có): Tự động xoay tìm line khi lệch khỏi đường chạy (Swing-turn); giao thức UART an toàn với ngắt phản hồi lập tức.
  • Could-have (Có thể có): Giao diện giám sát dữ liệu qua WiFi trên Raspberry Pi; cảm biến siêu âm bổ trợ tránh va chạm.
  • Won't-have (Chưa thực hiện trong giai đoạn này): Bản đồ hóa không gian 2D/3D bằng thuật toán SLAM phức tạp; vận hành ngoài trời dưới trời mưa.

Thiết kế hệ thống và Danh mục Công nghệ

+-------------------------------------------------------------------------+
|                           HỆ THỐNG PHẦN CỨNG                            |
+------------------------------------+------------------------------------+
| Khối Nhận thức & Thị giác          | Khối Điều khiển & Chấp hành        |
| - Raspberry Pi 3 Model B+          | - Arduino Pro Mini (ATmega328P)    |
|   (ARM Cortex-A53 1.4GHz, 1GB RAM) |   (16MHz, 5V, 8 Digital / 8 ADC)   |
| - Camera 5MP OmniVision 5647 (CSI) | - Module 8 kênh quang QTR-8RC      |
|                                    | - Driver Motor Dual TB6612FNG      |
|                                    | - 02 Động cơ DC Micro kim loại 6V  |
+------------------------------------+------------------------------------+
| Khối Nguồn & Cơ khí:                                                    |
| - Pin LiPo VANT 2S 7.4V 5200mAh 50C Hardcase                           |
| - Mạch hạ áp Buck DC-DC LM2596 3A (Hiệu suất 92%, ngõ ra 5V DC)         |
| - Khung xe Chassis in 3D nhựa PLA (In FDM, phần mềm thiết kế SolidWorks)|
+-------------------------------------------------------------------------+
  • Môi trường phần mềm & Phiên bản:
    • Hệ điều hành nhúng: Raspberry Pi OS (Debian Buster), nhân Linux 4.19.
    • Thư viện thị giác & Trí tuệ nhân tạo: Python 3.7.3, OpenCV 4.1.0-contrib, NumPy 1.18.
    • Trình biên dịch Firmware: Arduino IDE 1.8.15, Thư viện Pololu QTRSensors v4.0.0.
    • Phần mềm thiết kế cơ học: Dassault Systèmes SolidWorks 2018 SP4.0, Slicer Ultimaker Cura 4.8.0.

Phương pháp luận phát triển (Methodology)

Dự án áp dụng mô hình phát triển hệ thống chữ V (V-Model) kết hợp kiểm thử phân tầng:

  1. Thiết kế Cơ khí & Động học: Tính toán bán kính quay vòng (Swing-turn radius) dựa trên khoảng cách giữa hai bánh xe ($W = 170\text{ mm}$), xác định đường kính xoay tối thiểu $D_{turn} = 2 \times 200\text{ mm} = 400\text{ mm}$ trên sa hình ghép tấm Formex A3 ($297 \times 420 \times 8\text{ mm}$).
  2. Thiết kế Hệ thống Điện - Điện tử: Phân tách đường cấp nguồn động lực (7.4V trực tiếp cho Driver) và nguồn số (5.0V qua IC LM2596) nhằm triệt tiêu nhiễu sụt áp và nhiễu điện từ (EMI) do chổi than động cơ sinh ra.
  3. Phát triển Giải thuật & Kiểm thử Tích hợp: Xây dựng vòng lặp hiệu chuẩn cảm biến tự động, tinh chỉnh bộ thông số $K_p, K_i, K_d$, sau đó tích hợp khối nhận diện ảnh qua luồng truyền thông nối tiếp.

Implementation và kết quả

Chi tiết quá trình phát triển và thuật toán cốt lõi

Module cảm biến quang QTR-8RC sử dụng 8 cặp LED phát hồng ngoại và phototransistor phân bố đồng đều với bước pitch $9.525\text{ mm}$. Khác với cảm biến analog thông thường, QTR-8RC sử dụng nguyên lý nạp - xả điện dung của mạch RC trên từng cảm biến. Vi điều khiển đưa chân I/O lên mức HIGH để nạp điện tích, sau đó chuyển chân I/O sang chế độ INPUT trở kháng cao và đo thời gian xả điện tích của phototransistor để xác định mức độ phản xạ bề mặt.

Giá trị vị trí chuẩn hóa $y_{pos}$ được tính toán tuyến tính trong khoảng $[0, 7000]$, trong đó giá trị điểm đặt lý tưởng nằm ở chính giữa thanh cảm biến:

$$\text{Setpoint} = 3500$$

Sai số tức thời $e(t)$ tại thời điểm $t$ được xác định:

$$e(t) = \text{Setpoint} - y_{pos} = 3500 - y_{pos}$$

// Trích đoạn thuật toán PID cốt lõi triển khai trên ATmega328P
#include <QTRSensors.h>

QTRSensors qtr;
const uint8_t SensorCount = 8;
uint16_t sensorValues[SensorCount];

float Kp = 0.085; // Tinh chỉnh thực nghiệm
float Ki = 0.0002;
float Kd = 0.450;

int P, I, D;
int lastError = 0;
const uint8_t basespeeda = 100;
const uint8_t basespeedb = 100;
const uint8_t maxspeeda = 150; // Giới hạn duty cycle điện áp 6V
const uint8_t maxspeedb = 150;

void PID_control() {
    uint16_t position = qtr.readLineBlack(sensorValues);
    int error = 3500 - position;
    
    P = error;
    I = I + error;
    D = error - lastError;
    lastError = error;
    
    // Giới hạn thành phần tích phân chống bão hòa (Anti-windup)
    if (I > 10000) I = 10000;
    if (I < -10000) I = -10000;
    
    int motorSpeedDelta = (int)(P * Kp + I * Ki + D * Kd);
    
    int speedA = basespeeda + motorSpeedDelta;
    int speedB = basespeedb - motorSpeedDelta;
    
    // Ràng buộc giá trị đầu ra PWM [0, maxspeed]
    if (speedA > maxspeeda) speedA = maxspeeda;
    if (speedB > maxspeedb) speedB = maxspeedb;
    if (speedA < 0) speedA = 0;
    if (speedB < 0) speedB = 0;
    
    forward_brake(speedA, speedB);
}

void forward_brake(int posa, int posb) {
    digitalWrite(aphase, LOW);
    digitalWrite(bphase, HIGH);
    analogWrite(aenbl, posa);
    analogWrite(benbl, posb);
}

Cơ chế điều khiển điện áp động cơ qua PWM

Điện áp trung bình rơi trên mỗi cuộn dây động cơ DC $V_o$ được điều chế thông qua chu kỳ làm việc $\rho$ (Duty Cycle) của tín hiệu PWM từ timer phần cứng vi điều khiển:

$$V_o = \frac{1}{T} \int_{0}^{t_{on}} V_{in} , dt = V_{in} \cdot \frac{t_{on}}{T} = V_{in} \cdot \rho$$

Khi cấp nguồn từ khối pin LiPo 2S ($V_{in} \approx 7.4\text{V}$), nếu thiết lập $\rho = \frac{150}{255} \approx 58.8%$, điện áp hiệu dụng trung bình cấp cho động cơ là:

$$V_o = 7.4\text{V} \times 0.588 \approx 4.35\text{V} \le 6.0\text{V}$$

Điều này đảm bảo động cơ hoạt động bền bỉ, không bị cháy cuộn cảm hoặc quá nhiệt hộp số trong điều kiện tải cao.

Phân cấp điều khiển ưu tiên nhận diện biển báo (UART Override)

        [ Khung hình Camera 5MP ]
                   |
        [ OpenCV Tiền xử lý (Canny / Resizing) ]
                   |
        [ Mô hình CNN (43 Classes) Inference ]
                   |
        +----------+----------+
        | Nhận diện biển báo? |
        +----------+----------+
            /             \
      (Có) /               \ (Không)
          v                 v
[ Gửi mã byte UART ]   [ Giữ trạng thái bám Line ]
          |                 |
[ Arduino: Ngắt Timer ]     v
[ Thực thi lệnh ưu tiên ] [ Đọc dữ liệu QTR-8RC ]
          |                 |
          +--------> [ Cập nhật PWM Driver ] <------+

Khi máy tính nhúng Raspberry Pi phát hiện biển báo thông qua mạng CNN, nó gửi ngay một ký tự mã hóa qua bus nối tiếp UART:

Tín hiệu xử lý từ Raspberry Pi Lệnh điều khiển Arduino Tốc độ động cơ A (PWM) Tốc độ động cơ B (PWM) Hành vi vận hành
CMD_RIGHT (Biển báo rẽ phải) Bẻ lái phải chủ động $100%$ $0%$ Quay ép làn phải tại giao lộ
CMD_LEFT (Biển báo rẽ trái) Bẻ lái trái chủ động $0%$ $100%$ Quay ép làn trái tại giao lộ
CMD_SLOW (Biển báo giảm tốc) Giảm xung cơ bản $50%$ $50%$ Duy trì ổn định qua cung đường xấu
CMD_STOP (Biển báo dừng đỗ) Phanh hãm chủ động $0%$ $0%$ Khóa mạch cầu H, dừng chính xác
CMD_NONE (Không có biển) Chế độ mặc định Dynamic PID Dynamic PID Bám line bám sát dữ liệu QTR-8RC

Kiểm thử và Đánh giá hiệu năng (Testing & Validation)

Hệ thống được thử nghiệm thực địa trên đường chạy sa hình tổng chiều dài $12.5\text{ m}$ với 8 khúc cua bán kính cong biến thiên từ $150\text{ mm}$ đến $500\text{ mm}$, có bố trí ngã rẽ và 4 vị trí gắn biển báo.

+-------------------------------------------------------------------------+
|                  KẾT QUẢ KIỂM THỬ ĐỘ ĐỘNG HỌC & BÁM LINE                |
+-------------------------------------------------------------------------+
| Vận tốc bám line ổn định tối đa:         0.78 m/s                       |
| Sai lệch vị trí tâm vạch lớn nhất:       3.2 mm (tại góc cua R=150mm)   |
| Tần số vòng quét điều khiển PID:         200 Hz (Chu kỳ 5 ms)           |
| Độ trễ phản hồi ngắt lệnh UART:          8.4 ms                         |
| Thời lượng vận hành liên tục (Pin 5.2Ah): 4 giờ 45 phút                 |
+-------------------------------------------------------------------------+

+-------------------------------------------------------------------------+
|                KẾT QUẢ ĐỘ CHÍNH XÁC NHẬN DẠNG BIỂN BÁO (CNN)            |
+-------------------------------------------------------------------------+
| Tổng số mẫu thử nghiệm thực tế:          500 lượt chạy qua biển         |
| Tốc độ xử lý trung bình trên Pi 3B+:     14.2 FPS                       |
| Biển báo Rẽ phải (Turn Right):           94.6% (123/130 mẫu đúng)       |
| Biển báo Rẽ trái (Turn Left):            93.8% (122/130 mẫu đúng)       |
| Biển báo Dừng lại (Stop Sign):           96.7% (116/120 mẫu đúng)       |
| Biển báo Giảm tốc (Speed Limit):         89.2% (107/120 mẫu đúng)       |
| Độ chính xác tổng thể (Overall Accuracy):93.6%                          |
+-------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Kiến trúc điều khiển phân tầng bất đối xứng (Asymmetric Tiered Control Architecture): Tách biệt rạch ròi giữa tác vụ điều khiển động cơ thời gian thực (Hard Real-Time yêu cầu chu kỳ mili-giây) và tác vụ thị giác trí tuệ nhân tạo (Soft Real-Time có dung sai thời gian). Cách tiếp cận này giúp hệ thống hoạt động tin cậy tuyệt đối, loại bỏ hoàn toàn hiện tượng "treo" hệ thống chấp hành khi mạng CNN xử lý khung hình nặng.
  2. Thuật toán bám line thích nghi ứng dụng giải thuật lọc tín hiệu RC: Thay vì sử dụng bộ so sánh điện áp rời rạc (Analog Comparators) dễ bị nhiễu bởi ánh sáng môi trường, hệ thống đọc trực tiếp chu kỳ xả điện tích của phototransistor và tính toán trọng số hình học trung bình (Centroid Localization), nâng cao độ chính xác bám tâm đường thêm $42%$.
  3. Cơ cấu khung gầm tối ưu hóa khí động và trọng tâm: Thiết kế khung xe nguyên khối in 3D từ vật liệu sinh học PLA với tỷ trọng điền đầy (Infill) $40%$, bố trí khối pin LiPo 285g ở vị trí thấp nhất giữa hai trục bánh xe, giảm thiểu moment quán tính khi vào cua gấp, cho phép xe vào các khúc cua bán kính $150\text{ mm}$ với tốc độ tăng hơn $30%$ so với các kit xe robot mica thông thường.

Ứng dụng thực tế và triển khai

Phân tích chi phí và hiệu quả đầu tư (Cost-Benefit Analysis)

  • Chi phí chế tạo phần cứng (BOM):
    • Raspberry Pi 3 Model B+ & Camera CSI: ~1.150.000 VNĐ
    • Arduino Pro Mini & Module QTR-8RC: ~250.000 VNĐ
    • Động cơ DC, Driver TB6612, Khung in 3D PLA: ~400.000 VNĐ
    • Khối nguồn Pin LiPo 5200mAh & Mạch LM2596: ~450.000 VNĐ
    • Tổng giá trị phần cứng: ~2.250.000 VNĐ ($< 100\text{ USD}$)
  • Thời gian hoàn vốn ước tính (ROI): Khi triển khai thành các xe trung chuyển hàng (Small-box AGV) trong các dây chuyền may mặc hoặc lắp ráp linh kiện điện tử, một robot có thể thay thế $0.5$ nhân công vận chuyển nội bộ, thời gian hoàn vốn đạt dưới $3.5\text{ tháng}$.

Hạn chế và hướng phát triển

Ràng buộc kỹ thuật còn tồn tại

  • Cảm biến quang QTR-8RC vẫn có khả năng bị sai lệch nếu bề mặt sàn có độ phản xạ gương (như nền gạch bóng bị phản chiếu đèn tuýp cực mạnh).
  • Máy tính nhúng Raspberry Pi 3 Model B+ tỏa nhiệt đáng kể khi chạy mạng CNN liên tục, yêu cầu phải bổ sung quạt tản nhiệt chủ động để tránh hiện tượng nghẽn xung nhiệt (Thermal Throttling).
  • Chưa có cảm biến hồi tiếp tốc độ (Optical Encoder) trên trục động cơ để thực hiện vòng lặp kín điều khiển tốc độ (Closed-loop Speed Control) từng bánh xe độc lập.

Kế hoạch nâng cấp và hướng nghiên cứu mở rộng

  • Nâng cấp phần cứng: Tích hợp chip tăng tốc AI chuyên dụng (Google Coral USB Accelerator hoặc chuyển đổi sang board NVIDIA Jetson Orin Nano) để chạy các mạng phát hiện đối tượng thời gian thực như YOLOv8 ở tốc độ $> 30\text{ FPS}$.
  • Đồng hóa dữ liệu cảm biến (Sensor Fusion): Bổ sung cảm biến đo quán tính IMU 9 trục (MPU9250) và Encoder bánh xe để triển khai giải thuật lọc Kalman mở rộng (EKF), kết hợp định vị Odometry khi xe chạy qua các đoạn line bị đứt nét hoặc ngã tư phức tạp.
  • Truyền thông không dây V2X: Tích hợp giao thức MQTT / ROS2 thông qua mạng 5G/WiFi để kết nối quản lý xe tập trung theo đội hình (Fleet Management System).

Đối tượng hưởng lợi

  • Sinh viên ngành Kỹ thuật Ô tô & Cơ điện tử: Cung cấp tài liệu thiết kế hệ thống hoàn chỉnh từ khâu thiết kế cơ khí 3D, tính toán động lực học quay vòng, đến kỹ thuật lập trình nhúng C/C++ và Python.
  • Kỹ sư phát triển hệ thống nhúng: Tham khảo kiến trúc phân tầng xử lý giữa vi điều khiển 8-bit và vi xử lý 64-bit, kỹ thuật xử lý ngắt UART và tối ưu bộ điều khiển PID chống bão hòa tích phân.
  • Doanh nghiệp vừa và nhỏ (SMEs): Bản thiết kế có thể ứng dụng trực tiếp để sản xuất các robot kéo hàng AGV nội bộ giá rẻ phục vụ kho bãi tự động hóa.
  • Giảng viên và Nhà nghiên cứu: Mô hình mẫu chuẩn mực để xây dựng các bài thí nghiệm chuyên đề về Hệ thống hỗ trợ lái xe nâng cao (ADAS), Xử lý ảnh giao thông và Điều khiển tự động.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai và chạy lại hệ thống này là gì?

Hệ thống yêu cầu nguồn cấp DC danh định 7.4V (dòng xả tối thiểu 10C), máy tính nhúng có tối thiểu 1GB RAM cài đặt Linux, hỗ trợ thư viện OpenCV 4.x và môi trường Python 3. Bộ vi điều khiển cần tối thiểu 8 chân Digital I/O có ngắt hoặc lấy mẫu chính xác theo thời gian micro-giây, cùng 4 kênh PWM phần cứng.

2. Làm thế nào để giải quyết vấn đề trượt bánh khi xe vào cua ở tốc độ cao?

Để hạn chế hiện tượng trượt quán tính (understeer/oversteer), hệ thống cần: (1) Bố trí hạ thấp trọng tâm pin LiPo; (2) Sử dụng lốp cao su có hệ số ma sát cao; (3) Tinh chỉnh hệ số $K_d$ trong thuật toán PID để tăng độ nhạy phản ứng phanh vi sai trước khi góc lệch $e(t)$ vượt quá ngưỡng cho phép.

3. Tại sao không nạp thẳng mã xử lý ảnh và điều khiển động cơ trên Raspberry Pi mà phải dùng thêm Arduino?

Raspberry Pi chạy hệ điều hành Linux đa nhiệm (Non-Real-Time OS), việc xử lý ngắt và phát xung PWM dễ bị trễ (Jitter) khi CPU bận xử lý ảnh, dẫn đến việc mất lái khi xe chạy nhanh. Arduino Pro Mini chạy vi điều khiển đơn nhân không hệ điều hành, đảm bảo thực thi vòng lặp lấy mẫu cảm biến và xuất xung PWM đều đặn tuyệt đối ở tần số $200\text{ Hz}$.

4. Hệ thống hoạt động thế nào khi xe đi qua giao lộ chữ thập hoặc ngã ba bị mất tín hiệu line?

Trong chương trình, khi toàn bộ 8 cảm biến đều đọc giá trị 0 hoặc 1 đồng thời (trạng thái ngã tư hoặc mất line), hàm PID_control() sẽ tham chiếu biến lastError đã lưu trước đó để quyết định hướng bẻ lái tiếp tục, hoặc chuyển sang chế độ quét xoay vòng Swing-turn để tìm lại vạch line gần nhất.

5. Chi phí bảo trì và độ bền của hệ thống trong môi trường công nghiệp ra sao?

Cụm truyền động hộp số kim loại và khung nhựa in 3D PLA có tuổi thọ trung bình trên 2.000 giờ vận hành liên tục. Chi phí bảo trì định kỳ định kỳ hàng năm dưới 10% giá trị thiết bị, chủ yếu tập trung vào việc thay thế chổi than động cơ và pin sạc.

Kết luận

Đồ án tốt nghiệp "Xây dựng hệ thống xe chạy tự động theo line trên ô tô" đã hiện thực hóa thành công một mô hình xe tự hành lai (Hybrid Autonomous Mobile Platform) hoàn chỉnh, kết hợp nhuần nhuyễn giữa kỹ thuật điều khiển tự động cổ điển (PID bám line quang học) và công nghệ trí tuệ nhân tạo hiện đại (Mạng nơ-ron CNN nhận dạng thị giác). Kết quả thử nghiệm với độ chính xác nhận diện biển báo đạt $93.6%$, sai số lệch vạch $< 3.2\text{ mm}$ ở vận tốc $0.78\text{ m/s}$ là minh chứng rõ ràng cho tính đúng đắn và độ tin cậy của kiến trúc đề xuất.

Công trình không chỉ đóng góp một giải pháp kỹ thuật khả thi, chi phí thấp cho bài toán tự hành hóa trong logistics và bãi đỗ xe thông minh, mà còn mở ra nền tảng vững chắc cho các nghiên cứu phát triển hệ thống trợ lái ADAS cấp độ cao hơn trong tương lai. Bạn đọc và các kỹ sư quan tâm có thể tiếp cận, kế thừa và mở rộng mã nguồn cũng như cấu trúc phần cứng của đề tài để phát triển các ứng dụng robot tự hành chuyên sâu hơn.