Bối cảnh và vấn đề nghiên cứu

Phát triển hạ tầng giao thông đồng bộ và hiện đại đóng vai trò then chốt đối với sự phát triển kinh tế - xã hội. Trong hệ thống hạ tầng đó, báo hiệu đường bộ là cấu phần quan trọng nhằm duy trì trật tự và an toàn lưu thông. Việc nghiên cứu ứng dụng giao thông thông minh (Intelligent Transportation Systems - ITS) để giảm thiểu ùn tắc, tai nạn giao thông và tối ưu hóa nguồn lực đã được thảo luận tại các diễn đàn công nghệ lớn ở Việt Nam, tiêu biểu như Diễn đàn cấp cao Công nghệ Thông tin – Truyền thông Việt Nam (Vietnam ICT Summit 2015). Trên thế giới, công nghệ tự hành và các hệ thống hỗ trợ lái xe tiên tiến đang được phát triển và thử nghiệm rộng rãi tại nhiều quốc gia phát triển như Hoa Kỳ, Nhật Bản, Singapore và Qatar. Tuy nhiên, tại Việt Nam, các công trình nghiên cứu và ứng dụng thực nghiệm hệ thống nhận dạng biển báo đường bộ đặc thù vẫn còn nhiều hạn chế. Xuất phát từ bối cảnh đó, đề tài tốt nghiệp mã số CDT-66 được thực hiện nhằm nghiên cứu, thiết kế và phát triển mô hình hệ thống cảnh báo sớm trên xe tự lái.

Mục tiêu nghiên cứu của đề tài được xác định cụ thể gồm 03 mục tiêu:

  1. Xử lý ảnh để xác định làn đường (lane) và điều khiển xe bám theo làn đường.
  2. Phát hiện và nhận dạng biển báo giao thông trong quá trình di chuyển.
  3. Phát hiện chướng ngại vật và thực hiện thao tác dừng hoặc né tránh vật cản.

Để đạt được các mục tiêu trên, nhóm tác giả thực hiện 06 nhiệm vụ nghiên cứu chính:

  1. Nghiên cứu tổng quan về kỹ thuật xử lý ảnh số và thị giác máy tính.
  2. Tìm hiểu kiến trúc phần cứng và phương thức lập trình trên kit Raspberry Pi.
  3. Khảo sát nguyên lý hoạt động của kit vi điều khiển Arduino Uno và các linh kiện ngoại vi liên quan.
  4. Lập trình giải thuật xử lý thị giác máy tính trên kit Raspberry Pi.
  5. Viết chương trình điều khiển phần cứng và giao tiếp trên Arduino Uno.
  6. Thiết kế, chế tạo mô hình xe tự lái tích hợp hệ thống cảm biến cảnh báo sớm tránh vật cản và nhận diện biển báo giao thông.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Mô hình phương tiện tự hành kích thước nhỏ; hệ thống cảm biến môi trường (camera quan sát, cảm biến siêu âm); thuật toán thị giác máy tính và học máy; các giao thức truyền thông dữ liệu liên bo mạch.
  • Phạm vi nghiên cứu:
    • Về không gian và điều kiện thực nghiệm: Đồ án tập trung thiết kế xe mô hình kích thước 26cm x 16cm x 22cm, chạy thử nghiệm trên sa bàn làn đường mô phỏng làm bằng bìa cát-tông trong điều kiện môi trường trong nhà.
    • Về nội dung nhận dạng: Giới hạn bài toán nhận dạng trong tập dữ liệu gồm 03 biển báo hiệu lệnh chuẩn của hệ thống báo hiệu đường bộ Việt Nam.
    • Về thời gian thực hiện: Đề tài được hoàn thành trong học kỳ 2 năm học 2023 - 2024, bảo vệ vào tháng 07 năm 2024 tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của đồ án dựa trên sự tích hợp đa ngành giữa trí tuệ nhân tạo, xử lý ảnh số, lý thuyết điều khiển tự động và kỹ thuật ghép nối phần cứng:

  • Xử lý ảnh số và thị giác máy tính: Cơ sở lý thuyết về điểm ảnh (pixel), mức xám, không gian màu (RGB, HSV), các kỹ thuật lọc nhiễu tuyến tính (lọc trung bình, lọc Gauss) và lọc phi tuyến (lọc trung vị). Trọng tâm là giải thuật tách biên Canny (được John F. Canny đề xuất năm 1986 tại phòng thí nghiệm MIT) với 4 bước tiêu chuẩn: làm mịn ảnh bằng bộ lọc Gauss, tính toán độ lớn và hướng gradient, khử các điểm không phải cực đại địa phương (non-maximal suppression), và phân ngưỡng kép (hysteresis thresholding) dựa trên hai ngưỡng $T_1$ và $T_2$ để liên kết các điểm biên mạnh và yếu theo 8 hướng lân cận.
  • Không gian màu và phân đoạn ảnh: Kỹ thuật chuyển đổi từ RGB sang không gian màu HSV (Hue - Saturation - Value) nhằm trích xuất vùng màu xanh lam đặc trưng của biển báo hiệu lệnh, kết hợp các đặc trưng hình học để loại bỏ các vùng biên giả.
  • Nguyên lý đo khoảng cách bằng sóng siêu âm: Sử dụng định luật truyền sóng âm trong không khí với vận tốc $v \approx 340\text{ m/s}$. Cảm biến phát chùm sóng âm tần số 40kHz, ghi nhận thời gian phản hồi $t$ từ khi phát đến khi nhận sóng phản xạ từ vật cản để xác định cự ly theo công thức: $d = (t \times v) / 2$.
  • Lý thuyết điều khiển động cơ và truyền thông nối tiếp: Ứng dụng điều chế độ rộng xung (PWM) để kiểm soát điện áp cấp cho động cơ một chiều (DC), kết hợp mạch cầu H nhằm đảo chiều quay. Giao thức truyền thông nối tiếp bất đồng bộ UART (Universal Asynchronous Receiver-Transmitter) được sử dụng để ghép nối truyền nhận dữ liệu giữa máy tính nhúng và vi điều khiển.

Phương pháp nghiên cứu thực tế gồm:

  • Phương pháp phân tích và thiết kế hệ thống: Đặc tả các khối chức năng từ phần cứng cơ khí, mạch điện tử đến phần mềm điều khiển thời gian thực.
  • Phương pháp tích hợp phần cứng - phần mềm: Tách bạch nhiệm vụ tính toán nặng (xử lý ảnh) trên máy tính nhúng Raspberry Pi và nhiệm vụ điều khiển chấp hành thời gian thực (đọc cảm biến, điều khiển động cơ) trên vi điều khiển Arduino Uno.
  • Phương pháp thực nghiệm kiểm chứng: Đo đạc thực tế tỷ lệ nhận diện biển báo, khoảng cách phát hiện biển báo, và thời gian trễ của cảm biến siêu âm khi đối mặt với các loại vật cản có chất liệu khác nhau.

Nguồn dữ liệu của nghiên cứu:

  • Dữ liệu hình ảnh luồng video thu nhận trực tiếp thời gian thực từ Camera USB Dahua gắn trên đầu xe mô hình.
  • Tập mẫu 03 biển hiệu lệnh đường bộ Việt Nam được nhóm tác giả tự chuẩn bị để đối chiếu mẫu đặc trưng.
  • Dữ liệu thời gian phản hồi xung siêu âm đo được từ chân Echo của cảm biến HC-SR04.

Thiết kế và triển khai hệ thống

Hệ thống cảnh báo sớm trên xe tự lái được thiết kế theo cấu trúc phần cứng phân tầng và phần mềm xử lý song song, bảo đảm khả năng hoạt động đồng bộ giữa thị giác máy tính và cơ cấu truyền động.

Khối chức năng Phần cứng / Module sử dụng Nhiệm vụ kỹ thuật
Xử lý trung tâm Raspberry Pi 3 Tiếp nhận luồng ảnh từ camera, chạy thuật toán Canny bám làn đường, phân đoạn màu HSV và nhận diện biển báo; gửi lệnh điều hướng sang Arduino qua UART.
Điều khiển chấp hành Arduino Uno R3 Nhận tín hiệu điều hướng từ Raspberry Pi, liên tục đọc xung Echo từ cảm biến HC-SR04, phát xung PWM điều khiển tốc độ và hướng quay động cơ.
Thu nhận hình ảnh Camera USB Dahua Ghi hình liên tục sa bàn làn đường và không gian phía trước xe với tốc độ khung hình thời gian thực.
Cảm biến chướng ngại vật Cảm biến siêu âm HC-SR04 Phát sóng siêu âm 40kHz khi nhận kích hoạt xung Trigger $10\mu\text{s}$, đo khoảng cách từ đầu xe đến vật cản.
Công suất động cơ Module cầu H L298N Cách ly quang và khuếch đại dòng điện điều khiển các động cơ DC kéo bánh xe dựa trên lệnh logic từ Arduino.
Cơ cấu chấp hành Động cơ DC 12V & Động cơ Servo Động cơ DC tạo lực đẩy di chuyển; động cơ servo điều chỉnh góc quay của cụm dẫn hướng phía trước.
Nguồn điện Khối pin sạc Lithium-Ion Cung cấp nguồn độc lập cho bo mạch logic và hệ thống động cơ thông qua hộp pin và mạch ổn áp.
Khung gầm cơ khí Kết cấu khung 2 tầng Kích thước 26cm x 16cm x 22cm, gồm tấm đế, tấm gá bánh xe, tấm gá tầng 1 và tầng 2 bằng vật liệu nhẹ.

Quy trình vận hành phần mềm của hệ thống:

  1. Thuật toán bám làn đường: Luồng ảnh thu nhận từ Camera Dahua được đổi sang ảnh mức xám (Grayscale). Thuật toán Canny thực hiện tách đường biên của vạch kẻ đường trên sa bàn. Hệ thống xác định độ lệch tâm của xe so với tâm làn đường để tính toán góc bẻ lái tương ứng.
  2. Thuật toán nhận dạng biển báo: Khung hình RGB được chuyển đổi sang không gian màu HSV. Bộ lọc màu lọc dải giá trị màu xanh đặc trưng nhằm tách vùng biển báo hiệu lệnh ra khỏi nền cảnh. Thuật toán Canny trích xuất đường viền bao. Sau đó, thuật toán áp dụng các tiêu chí hình học để loại bỏ nhiễu và biên giả, đóng khung chữ nhật quanh vùng đặc trưng (Region of Interest - ROI), rồi so khớp với cơ sở dữ liệu mẫu của 3 biển báo hiệu lệnh để xác định lệnh di chuyển.
  3. Thuật toán phát hiện và dừng tránh vật cản: Arduino Uno gửi xung kích hoạt $10\mu\text{s}$ lên chân Trigger của module HC-SR04 theo chu kỳ. Thời gian mức cao trên chân Echo được quy đổi thành khoảng cách. Nếu khoảng cách đo được nhỏ hơn ngưỡng an toàn thiết lập trước, Arduino lập tức ghi đè tín hiệu điều khiển, ngắt cầu H L298N để dừng xe khẩn cấp, bất kể lệnh điều hướng hiện tại từ camera.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương này trình bày tính cấp thiết của việc phát triển giao thông thông minh và hệ thống an toàn trên xe tự lái trong bối cảnh hạ tầng giao thông Việt Nam. Tác giả phân tích ý nghĩa khoa học trong việc kết hợp đa ngành (học máy, thị giác máy tính, kỹ thuật cơ điện tử) và ý nghĩa thực tiễn trong việc hỗ trợ giảm thiểu tai nạn giao thông. Nội dung chương đồng thời nêu rõ 03 mục tiêu, 06 nhiệm vụ nghiên cứu, đối tượng nghiên cứu (xe tự lái, cảm biến, thuật toán, vi điều khiển) và phạm vi giới hạn của đề tài (mô hình kích thước 26cm x 16cm x 22cm, nhận diện 3 biển báo trên sa bàn).

Chương 2: Tổng quan nghiên cứu đề tài

Tác giả đi sâu vào các đặc tính cốt lõi của một hệ thống cảnh báo sớm, bao gồm: tính tích hợp cao, tính chính xác, tính phản ứng nhanh thời gian thực, tính an toàn tin cậy và tính kinh tế. Chương 2 phân tích kết cấu tổng thể của hệ thống cảnh báo sớm tiêu chuẩn (gồm cảm biến radar, lidar, camera, siêu âm; bộ xử lý CPU/GPU; hệ thống phanh và lái tự động) và tổng hợp các nghiên cứu quốc tế liên quan đến cảm biến độ phân giải cao, học sâu nhận diện đối tượng và giao diện người - máy (HMI). Cuối chương, tác giả giới thiệu sơ đồ luồng di chuyển tổng quát của xe tự hành khi kết hợp nhận diện biển báo và phát hiện vật cản.

Chương 3: Cơ sở lý thuyết

Chương 3 tổng quan các lý thuyết nền tảng về trí tuệ nhân tạo, mạng nơ-ron tích chập (CNN), học tăng cường, và thị giác máy tính. Nội dung so sánh các thư viện xử lý ảnh phổ biến như VXL, Camellia, OpenVIDIA, và OpenCV, từ đó giải thích lý do lựa chọn OpenCV nhờ tính tương thích cao, đa nền tảng và hỗ trợ đầy đủ các module xử lý ảnh (CV, MLL, HighGUI, CXCore). Tác giả trình bày chi tiết các bước xử lý ảnh kinh điển: thu nhận ảnh, tiền xử lý, phân đoạn ảnh, biểu diễn ảnh và trích chọn đặc trưng. Các phương pháp phát hiện biên theo đạo hàm bậc một (Gradient), đạo hàm bậc hai (Laplace), bộ tách biên Canny và kỹ thuật phân đoạn theo ngưỡng xám cũng được hệ thống hóa đầy đủ.

Chương 4: Phương hướng và các giải pháp về chế tạo hệ thống cảnh báo sớm trên xe tự lái

Chương này tập trung trình bày các giải pháp kỹ thuật cụ thể được áp dụng vào mô hình:

  • Thuật toán Canny trong phát hiện và bám vạch làn đường (lane tracking).
  • Quy trình phát hiện biển báo giao thông: kết hợp trích chọn đặc trưng màu trong không gian HSV với bộ tách biên Canny, sử dụng ràng buộc hình học để loại bỏ các đường biên giả và trích xuất vùng đặc trưng phục vụ nhận dạng.
  • Giải pháp đo cự ly vật cản bằng cảm biến siêu âm HC-SR04: sơ đồ đấu nối chân Trigger/Echo với vi điều khiển, nguyên lý thu phát sóng âm và quy trình xử lý tín hiệu ngắt.
  • Chuẩn giao tiếp UART: cấu trúc gói tin (start bit, data bits, parity, stop bit) và sơ đồ truyền dữ liệu bất đồng bộ giữa máy tính nhúng và vi điều khiển.

Chương 5: Tính toán và thiết kế hệ thống

Nội dung chương trình bày chi tiết phần thiết kế kỹ thuật của đề tài:

  • Thiết kế phần cứng: Lựa chọn khối xử lý trung tâm (Raspberry Pi 3 kết hợp Arduino Uno R3), tính toán chọn động cơ dẫn động DC và động cơ lái servo, phân tích cơ cấu 4 bánh chủ động so với 2 bánh chủ động, phân tích mạch cầu H L298N và kỹ thuật điều xung PWM.
  • Sơ đồ kết nối mạch: Trình bày chi tiết sơ đồ chân kết nối giữa Raspberry Pi và Arduino Uno qua cổng nối tiếp, giữa Arduino với mạch cầu H L298N, động cơ DC, và cảm biến HC-SR04.
  • Thiết kế phần mềm: Xây dựng các lưu đồ giải thuật hoàn chỉnh gồm: lưu đồ xử lý ảnh nhận dạng biển báo, lưu đồ nhận diện vật cản bằng cảm biến siêu âm HC-SR04, và lưu đồ giải thuật tổng thể điều khiển xe vận hành theo chỉ dẫn của biển báo.

Chương 6: Khảo nghiệm và đánh giá

Chương 6 mô tả quá trình chế tạo thực nghiệm khung vỏ xe mô hình và nạp chương trình điều khiển. Tác giả tiến hành các bài kiểm tra thực nghiệm độc lập và liên động:

  • Đánh giá khả năng và tỷ lệ nhận dạng chính xác của hệ thống đối với 03 loại biển báo hiệu lệnh.
  • Khảo nghiệm sự biến thiên của độ chính xác nhận dạng biển báo theo các khoảng cách quan sát khác nhau.
  • Đo đạc thời gian đáp ứng của cảm biến siêu âm HC-SR04 khi tiếp cận chướng ngại vật làm bằng các loại vật liệu khác nhau (bề mặt kim loại và bề mặt nhựa).

Kết luận – Hướng phát triển

Tác giả tổng kết các kết quả kỹ thuật đã hoàn thành theo mục tiêu ban đầu, xác nhận mô hình xe tự lái hoạt động ổn định trên sa bàn, nhận diện được biển báo và dừng tránh vật cản kịp thời. Đồng thời, chương chỉ ra các hạn chế cố hữu của phần cứng mô hình và đề xuất các định hướng mở rộng nghiên cứu tiếp theo.

Kết quả và đóng góp

Các kết quả thực nghiệm chính được ghi nhận trong đồ án (thể hiện qua hệ thống số liệu và bảng biểu khảo nghiệm thực tế):

  • Chế tạo hoàn chỉnh mô hình phần cứng: Lắp ráp hoàn thiện xe tự hành 2 tầng kích thước 26cm x 16cm x 22cm, tích hợp đầy đủ bo mạch Raspberry Pi 3, Arduino Uno R3, camera USB Dahua, module L298N, động cơ DC, servo và cảm biến HC-SR04.
  • Khảo nghiệm nhận dạng biển báo giao thông: Hệ thống thử nghiệm nhận dạng đối với 03 loại biển báo hiệu lệnh màu xanh chuẩn Việt Nam. Kết quả ghi nhận tại Bảng 3 và Bảng 4 cho thấy hệ thống đạt tỷ lệ nhận diện ổn định trong phạm vi khoảng cách quan sát thích hợp từ camera đến biển báo trên sa bàn thực nghiệm.
  • Khảo nghiệm phát hiện vật cản: Cảm biến siêu âm HC-SR04 hoạt động ổn định, ghi nhận thời gian xử lý và phản hồi nhanh chóng khi phát hiện vật cản chắn ngang đường đi. Thử nghiệm trên các vật cản bằng nhựa và kim loại (Hình 42, Bảng 5) chứng minh hệ thống phát hiện chính xác cự ly và gửi tín hiệu ngắt động cơ kịp thời để xe dừng an toàn trước điểm va chạm.

Giải pháp và đóng góp kỹ thuật của đề tài:

  • Đề xuất kiến trúc nhúng phân tầng tối ưu cho mô hình xe tự lái học thuật: phân chia mạch lạc nhiệm vụ xử lý ảnh phức tạp cho vi máy tính (Raspberry Pi) và điều khiển chấp hành đóng/ngắt thời gian thực cho vi điều khiển (Arduino Uno), giải quyết bài toán giới hạn tài nguyên tính toán của các bo mạch đơn lẻ giá rẻ.
  • Triển khai thành công quy trình kết hợp không gian màu HSV và bộ tách biên Canny để lọc bỏ biên giả, nâng cao tốc độ trích xuất vùng đặc trưng biển báo giao thông mà không đòi hỏi phần cứng GPU rời đắt tiền.
  • Xây dựng mô hình sa bàn học cụ trực quan, cung cấp tài liệu kỹ thuật chi tiết về sơ đồ chân nối, lưu đồ thuật toán và mã nguồn thực thi cho các bài thí nghiệm liên quan đến xe tự hành quy mô nhỏ.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu:

  • Tập dữ liệu nhận dạng hẹp: Hệ thống chỉ mới dừng lại ở việc thử nghiệm nhận dạng 03 loại biển báo hiệu lệnh màu xanh; chưa bao quát các nhóm biển báo khác như biển báo cấm, biển cảnh báo nguy hiểm hay biển chỉ dẫn.
  • Môi trường thử nghiệm giới hạn: Toàn bộ khảo nghiệm thực tế chỉ được thực hiện trên sa bàn làn đường bằng bìa cát-tông trong điều kiện chiếu sáng phòng thí nghiệm ổn định, chưa đối mặt với các điều kiện thời tiết phức tạp ngoài trời (nắng gắt gây chói, sương mù, mưa, hoặc ban đêm).
  • Hạn chế phần cứng mô hình: Năng lực tính toán của Raspberry Pi 3 chưa đủ mạnh để triển khai các mô hình mạng nơ-ron học sâu hiện đại (Deep Learning) ở tốc độ khung hình cao. Cảm biến siêu âm HC-SR04 có góc quét hẹp và dễ bị tán xạ sóng âm khi gặp vật cản có bề mặt gồ ghề hoặc đặt nghiêng.

Hướng nghiên cứu và phát triển tiếp theo:

  • Mở rộng tập dữ liệu nhận dạng sang toàn bộ hệ thống biển báo đường bộ Việt Nam, bao gồm biển hình tròn viền đỏ, biển hình tam giác vàng và biển chữ nhật.
  • Nâng cấp phần cứng máy tính nhúng lên các dòng chuyên dụng cho trí tuệ nhân tạo (như NVIDIA Jetson Nano hoặc Jetson Orin) để tích hợp các thuật toán học sâu nhận diện đối tượng thời gian thực (YOLO, SSD, MobileNet).
  • Tích hợp thêm cảm biến Lidar hoặc camera góc rộng/camera độ sâu (Stereo Camera) nhằm quét bản đồ 3D môi trường xung quanh, tăng độ chính xác định vị và phát hiện chướng ngại vật ở cự ly xa hơn.
  • Cải tiến hệ thống điều khiển bám làn và né tránh vật cản động bằng các thuật toán điều khiển tiên tiến như điều khiển mờ (Fuzzy Logic) hoặc bộ điều khiển PID bám quỹ đạo.

Giá trị tham khảo

Bản đồ án tốt nghiệp mã số CDT-66 mang lại giá trị tham khảo cụ thể cho các đối tượng học thuật và kỹ thuật:

  • Sinh viên ngành Kỹ thuật Cơ - Điện tử, Tự động hóa và Robot: Đồ án là tài liệu tham khảo chi tiết về quy trình thiết kế chế tạo một hệ thống cơ điện tử hoàn chỉnh, từ khâu thiết kế cơ khí khung gầm, bố trí mạch điện công suất, ghép nối ngoại vi đến lập trình điều khiển nhúng.
  • Sinh viên ngành Công nghệ Thông tin và Kỹ thuật Máy tính: Cung cấp tài liệu thực hành về xử lý ảnh thị giác máy tính ứng dụng bằng OpenCV, phương pháp bám vạch làn đường bằng Canny, phân đoạn màu HSV và kỹ thuật giao tiếp nối tiếp UART giữa hệ điều hành Linux (Raspberry Pi) và hệ thống nhúng thời gian thực (Arduino).
  • Các nhóm nghiên cứu đồ án xe tự hành quy mô nhỏ: Phần sơ đồ đấu nối chân linh kiện (Bảng 2, Chương 5), các lưu đồ giải thuật điều khiển (Hình 38, 39, 40) và cấu hình điều khiển động cơ cầu H L298N là các tài liệu kỹ thuật có thể kế thừa trực tiếp để xây dựng mô hình thí nghiệm phục vụ học tập.

Câu hỏi thường gặp

1. Đồ án sử dụng mô hình phần cứng nào để vừa xử lý thị giác máy tính vừa điều khiển động cơ xe?
Đề tài sử dụng cấu trúc xử lý phân tầng gồm hai khối vi mạch: Raspberry Pi 3 đảm nhiệm việc chạy hệ điều hành, tiếp nhận luồng video từ Camera USB Dahua và thực thi thuật toán OpenCV để nhận dạng làn đường và biển báo; còn Arduino Uno R3 đóng vai trò vi điều khiển phụ trách việc đọc tín hiệu khoảng cách từ cảm biến siêu âm HC-SR04 và phát tín hiệu PWM điều khiển mạch cầu H L298N kéo động cơ.

2. Thuật toán Canny được ứng dụng vào những tác vụ cụ thể nào trong hệ thống xe tự lái này?
Thuật toán tách biên Canny được sử dụng cho hai tác vụ chính: thứ nhất là phát hiện biên của các vạch kẻ đường trên sa bàn để tính toán độ lệch bám làn; thứ hai là trích xuất đường viền bao của biển báo giao thông sau khi đã lọc dải màu xanh trong không gian màu HSV, giúp loại bỏ các biên giả và xác định khung bao đặc trưng (ROI).

3. Làm thế nào hệ thống nhận diện được biển báo giao thông trong khi năng lực tính toán của vi máy tính bị giới hạn?
Nhóm tác giả không sử dụng các mô hình học sâu quá nặng nề trên vi máy tính mà kết hợp tuần tự: chuyển đổi khung hình sang không gian màu HSV để lọc màu xanh lam đặc trưng của biển hiệu lệnh, áp dụng thuật toán Canny để tìm viền, dùng các ràng buộc hình học (tỷ lệ khung hình, diện tích) để loại bỏ nhiễu, sau đó đóng khung ảnh chữ nhật và so khớp đặc trưng với tập mẫu 03 biển báo đã lưu trữ sẵn trong cơ sở dữ liệu.

4. Hai khối xử lý Raspberry Pi 3 và Arduino Uno R3 trao đổi dữ liệu với nhau bằng phương thức nào?
Hai bo mạch liên lạc thông qua chuẩn truyền thông nối tiếp bất đồng bộ UART. Raspberry Pi sau khi hoàn tất xử lý ảnh sẽ đóng gói thông tin điều hướng thành các ký tự lệnh và truyền qua chân Serial sang Arduino Uno để vi điều khiển chuyển đổi thành các mức logic tương ứng điều khiển cơ cấu lái và động cơ.

5. Cơ chế xử lý phanh dừng khẩn cấp khi gặp vật cản được thiết lập như thế nào?
Arduino Uno liên tục kích hoạt cảm biến HC-SR04 phát xung siêu âm $10\mu\text{s}$ và đo độ rộng xung Echo phản hồi để tính khoảng cách cự ly. Nếu khoảng cách nhỏ hơn ngưỡng an toàn quy định, Arduino sẽ tự động kích hoạt mức logic ngắt cầu H L298N để phanh dừng xe ngay lập tức, ưu tiên cao hơn tín hiệu điều khiển chuyển động nhận được từ luồng xử lý ảnh.

Kết luận

Đồ án tốt nghiệp "Thiết kế, phát triển hệ thống cảnh báo sớm trên xe tự lái" đã hoàn thành việc chế tạo mô hình xe tự hành kích thước 26cm x 16cm x 22cm tích hợp đầy đủ hệ thống cảm biến thị giác và siêu âm. Công trình đã hiện thực hóa thành công các giải thuật thị giác máy tính OpenCV trên nền tảng Raspberry Pi để bám làn đường và nhận diện 03 biển hiệu lệnh giao thông đường bộ Việt Nam, đồng thời kết nối điều khiển thời gian thực qua Arduino Uno để tự động dừng tránh va chạm. Mặc dù còn hạn chế về quy mô sa bàn thực nghiệm và số lượng biển báo nhận dạng, đề tài đã chứng minh tính khả thi của kiến trúc nhúng phân tầng giá thành thấp, đóng góp một mô hình học cụ và nghiên cứu có giá trị thực tiễn cho ngành Công nghệ Kỹ thuật Cơ - Điện tử.