Đồ án HCMUTE: Hệ thống điều hướng xe tự hành tránh vật cản sử dụng thị giác máy tính

• Tác giả: Lư Minh Triết
• Người hướng dẫn: PGS. Lê Mỹ Hà
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật TP. HCM
• Chuyên ngành: CNKT Điều Khiển Và Tự Động Hóa
• Đề tài: Điều Hướng Xe Tự Hành Tránh Vật Cản Ứng Dụng Thị Giác Máy Tính
• Loại tài liệu: đồ án tốt nghiệp
• Năm xuất bản: 2020
• Địa điểm: Tp. Hồ Chí Minh

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu và đối tượng nghiên cứu
• 1.3. Phạm vi đề tài
• 1.4. Phương pháp nghiên cứu
• 1.5. Nội dung đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Chuẩn giao tiếp I2C (Inter-Integrated Circuit)
• 2.1.1. Giới thiệu chung về I2C
• 2.1.2. Đặc điểm chung về I2C
• 2.1.3. Bit bắt đầu và kết thúc (Start-Stop)
• 2.1.4. Định dạng dữ liệu truyền
• 2.1.5. Định dạng địa chỉ thiết bị
• 2.1.6. Truyền dữ liệu trên phương thức giao tiếp I2C, chế độ Master-Slave
• 2.1.7. Chế độ Multi Master
• 2.2. Ảnh số và khái niệm về ảnh
• 2.2.1. Mức xám của ảnh và độ phân giải của ảnh
• 2.2.2. Các không gian màu biểu diễn ảnh
• 2.2.2.1. Không gian màu RGB
• 2.2.2.2. Không gian màu CMYK
• 2.2.2.3. Không gian màu HSV (HSB)
• 2.2.2.4. Không gian màu CIE LAB
• 2.2.3. Chuyển đổi giữa các không gian màu
• 2.2.3.1. Chuyển đổi RGB sang CMYK và ngược lại
• 2.2.3.2. Chuyển đổi RGB sang HSV và ngược lại
• 2.2.4. Ảnh nhị phân và công dụng của ảnh nhị phân
• 2.2.4.1. Các bước nhị phân hóa ảnh
• 2.2.5. Các phép tiền/hậu xử lý ảnh
• 2.2.5.1. Thay đổi kích thước hình ảnh
• 2.2.5.2. Xử lý hình thái học (Morphology)
• 2.2.5.2.1. Phép toán giãn nở (Dilation)
• 2.2.5.2.2. Phép toán co ảnh (Erosion)
• 2.2.5.3. Phép toán tích chập (convolution), tính chất và hướng tối ưu phép toán
• 2.2.5.4. Các kỹ thuật đệm ảnh (padding image)
• 2.2.6. Thuật toán phát hiện cạnh Canny (Canny Edge Detection)
• 2.2.7. Giảm nhiễu, làm mờ ảnh
• 2.2.8. Tính gradient và hướng gradient
• 2.2.9. Loại bỏ không cực đại (Non-maximum Suppression)
• 2.2.10. Lọc ngưỡng
• 2.2.11. Thuật toán phát hiện đường thẳng biến đổi Hough (Hough Transform)
• 2.2.11.1. Phương trình đường thẳng trong không gian ảnh (A)
• 2.2.11.2. Chuyển đổi giữa không gian ảnh (A) và không gian Hough (B)
• 2.2.11.3. Cách hoạt động của thuật toán Hough Transform
• 2.2.11.4. Biến đổi xác suất Hough (Probabilistic Hough Transform)
• 2.2.12. Phép toán tìm đường viền (Find Contours)
• 2.2.13. Điều hướng trong xe tự hành
• 2.2.14. Nhận dạng biển báo giao thông
• 3. CHƯƠNG 3: NỘI DUNG THỰC HIỆN
• 3.1. Thiết kế phần cứng và sa hình thực nghiệm
• 3.1.1. Mô hình RC Car
• 3.1.2. Board NVIDIA Jetson Nano Developer Kit
• 3.1.2.1. Giới thiệu chung
• 3.1.2.2. Ứng dụng của board NVIDIA Jetson Nano Developer Kit
• 3.1.2.3. Hệ điều hành cho board NVIDIA Jetson Nano Developer Kit
• 3.1.3. Mạch điều khiển Motor Servo
• 3.1.4. Mạch giảm áp DC
• 3.1.5. Mạch điều khiển động cơ DC
• 3.1.6. Bố trí các thiết bị phần cứng lên mô hình xe
• 3.1.7. Thiết kế sa hình thực nghiệm trong thực tế
• 3.1.7.1. Xe tự hành trong sa hình
• 3.1.7.2. Tiền xử lý ảnh line đường trong thực tế
• 3.1.7.3. Xác định mốc trên line đường để tính toán góc lái của xe tự hành
• 3.1.7.4. Xe tự hành trong sa hình có biển báo giao thông
• 3.1.7.5. Tiền xử lý ảnh biển báo trong thực tế
• 3.1.7.6. Nhận biết biển báo
• 3.1.7.7. Xe tự hành trong sa hình tránh vật cản
• 3.1.7.8. Nhận biết vật cản
• 3.1.7.9. Chế độ chạy xe với từng vật cản
• 4. CHƯƠNG 4: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 4.1. Hướng Phát Triển
• TÀI LIỆU THAM KHẢO
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC LƯU ĐỒ - BẢNG BIỂU
• DANH MỤC CÁC HÌNH ẢNH, BIỂU ĐỒ

I. Tổng quan về hệ thống điều hướng xe tự hành

Hệ thống điều hướng xe tự hành là một lĩnh vực nghiên cứu đang phát triển mạnh mẽ, đặc biệt trong bối cảnh công nghệ AI và thị giác máy tính ngày càng trở nên phổ biến. Xe tự hành không chỉ giúp giảm thiểu tai nạn giao thông mà còn nâng cao hiệu quả vận chuyển hàng hóa. Hệ thống này sử dụng các cảm biến như camera, radar và lidar để nhận diện môi trường xung quanh. Việc phát hiện và tránh vật cản là một trong những thách thức lớn nhất trong việc phát triển robot tự hành. Theo nghiên cứu, việc áp dụng công nghệ tự động trong giao thông có thể cải thiện an toàn và giảm thiểu ùn tắc. Hệ thống điều hướng cần phải có khả năng nhận diện chính xác các vật thể và đưa ra quyết định kịp thời để tránh va chạm.

1.1. Lý do chọn đề tài

Nền công nghiệp ô tô đang phát triển nhanh chóng, với sự gia tăng của các ứng dụng xe tự hành. Việc nghiên cứu và phát triển công nghệ này không chỉ đáp ứng nhu cầu thực tiễn mà còn mở ra nhiều cơ hội cho các nhà nghiên cứu và doanh nghiệp. Thị giác máy tính đóng vai trò quan trọng trong việc nhận diện và phân tích hình ảnh từ môi trường xung quanh. Đề tài này nhằm mục tiêu phát triển một hệ thống có khả năng nhận diện làn đường, biển báo giao thông và vật cản, từ đó cải thiện khả năng điều hướng của xe tự hành.

II. Công nghệ và thuật toán sử dụng

Hệ thống điều hướng xe tự hành sử dụng nhiều công nghệ và thuật toán khác nhau để thực hiện nhiệm vụ của mình. Cảm biến là thành phần quan trọng, giúp thu thập dữ liệu từ môi trường. Các thuật toán như phân tích hình ảnh và thuật toán điều khiển được áp dụng để xử lý dữ liệu thu thập được. Thư viện OpenCV là một trong những công cụ phổ biến nhất trong lĩnh vực thị giác máy tính, cho phép thực hiện các tác vụ như phát hiện cạnh, nhận diện hình ảnh và phân loại đối tượng. Việc áp dụng các thuật toán này giúp xe tự hành có thể nhận diện và phân tích các vật thể trong thời gian thực, từ đó đưa ra quyết định điều hướng chính xác.

2.1. Hệ thống cảm biến

Hệ thống cảm biến bao gồm camera, lidar và radar, mỗi loại có những ưu điểm riêng. Camera giúp thu thập hình ảnh và video, trong khi lidar cung cấp thông tin về khoảng cách và hình dạng của vật thể. Radar có khả năng hoạt động trong điều kiện thời tiết xấu. Sự kết hợp của các cảm biến này tạo ra một bức tranh toàn diện về môi trường xung quanh, giúp xe tự hành có thể nhận diện và tránh vật cản một cách hiệu quả. Hệ thống cảm biến cũng cần được tối ưu hóa để đảm bảo độ chính xác và độ tin cậy trong quá trình hoạt động.

III. Kết quả thực nghiệm và ứng dụng

Kết quả thực nghiệm cho thấy hệ thống điều hướng xe tự hành có khả năng hoạt động ổn định trong nhiều điều kiện khác nhau. Mô hình xe tự hành đã được thử nghiệm với tốc độ di chuyển từ 6-7 km/h, cho thấy khả năng nhận diện làn đường và biển báo giao thông. Hệ thống cũng có thể phát hiện và tránh vật cản một cách hiệu quả. Những kết quả này chứng minh rằng công nghệ thị giác máy tính có thể được áp dụng thành công trong việc phát triển hệ thống điều hướng cho xe tự hành. Điều này không chỉ có giá trị trong nghiên cứu mà còn có thể được ứng dụng trong thực tiễn, như trong giao thông thông minh và các dịch vụ vận chuyển tự động.

3.1. Ứng dụng thực tiễn

Hệ thống điều hướng xe tự hành có thể được ứng dụng trong nhiều lĩnh vực khác nhau, từ giao thông công cộng đến logistics. Việc áp dụng công nghệ này giúp giảm thiểu tai nạn giao thông và nâng cao hiệu quả vận chuyển hàng hóa. Ngoài ra, các ứng dụng trong y tế như xe lăn tự động cho bệnh nhân cũng đang được nghiên cứu. Sự phát triển của giao thông thông minh sẽ tạo ra một môi trường an toàn và hiệu quả hơn cho người dân. Các công ty công nghệ và nghiên cứu đang tích cực phát triển các giải pháp để đưa công nghệ này vào thực tiễn, mở ra nhiều cơ hội mới cho ngành công nghiệp.