Bối cảnh và vấn đề nghiên cứu

Trong các công việc lắp đặt, sửa chữa hệ thống điện và thiết bị kỹ thuật tại gia đình hoặc nhà xưởng, người kỹ thuật viên thường xuyên phải mang vác túi dụng cụ nặng và di chuyển liên tục. Việc phải dừng tay tìm kiếm hoặc quay lại vị trí để đồ nghề gây gián đoạn công việc và tốn kém thời gian thao tác. Nhằm giải quyết vấn đề thực tiễn này, đề tài hướng đến việc nghiên cứu và chế tạo mô hình "Hộp dụng cụ di động" – một hệ thống robot vận chuyển dụng cụ có khả năng tự động nhận diện và bám theo người sử dụng, đồng thời giữ khoảng cách an toàn và tránh vật cản trong quá trình di chuyển.

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

  1. Tìm hiểu căn bản về các kỹ thuật nhận diện vật thể trong thị giác máy tính.
  2. Tìm hiểu và ứng dụng ngôn ngữ lập trình Python cùng thư viện thị giác máy tính OpenCV.
  3. Tìm hiểu nguyên lý hoạt động và xây dựng sơ đồ kết nối giữa động cơ DC, cảm biến siêu âm, Pi Camera và board mạch điều khiển trung tâm Raspberry Pi 3 Model B+.
  4. Thiết kế và thi công hoàn chỉnh hệ thống điều khiển tự động cho robot.

Nhiệm vụ nghiên cứu được phân công thực hiện bao gồm:

  1. Xây dựng mô hình phần cứng cho hộp dụng cụ di động (khung xe 4 bánh, hộp chứa, mạch công suất, bộ nguồn).
  2. Ứng dụng thư viện OpenCV để lập trình thuật toán phát hiện và nhận diện mục tiêu di động.
  3. Lập trình giải thuật điều khiển bám sát mục tiêu thông qua cơ cấu lái và thay đổi vận tốc động cơ.
  4. Tính toán khoảng cách thực tế từ thiết bị tới người sử dụng thông qua cảm biến siêu âm và kích thước khung ảnh để duy trì khoảng cách bám an toàn.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Board máy tính nhúng Raspberry Pi 3 Model B+, camera Raspberry Pi Camera Module V1.3, cảm biến siêu âm HY-SRF05, mạch cầu H L298, ngôn ngữ lập trình Python và thư viện xử lý ảnh OpenCV.
  • Phạm vi nghiên cứu: Hệ thống hoạt động trên địa hình bề mặt bằng phẳng, ít dốc, không gian xung quanh không có các nguồn gây nhiễu sóng siêu âm. Tầm phát hiện và bám mục tiêu của camera được thiết lập tối đa trong phạm vi 50 cm. Người sử dụng mang một vòng nhận diện có màu sắc đặc trưng ở cổ chân để hệ thống nhận dạng và bám đuổi.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình kỹ thuật

Đề tài dựa trên các nền tảng lý thuyết về hệ thống nhúng, xử lý ảnh kỹ thuật số và kỹ thuật điều khiển tự động:

  • Nền tảng phần cứng nhúng: Board máy tính đơn bo Raspberry Pi 3 Model B+ trang bị vi xử lý Broadcom BCM2837B0 (4 nhân Cortex-A53 64-bit xung nhịp 1.4 GHz, RAM 1GB LPDDR2), hỗ trợ các chuẩn giao tiếp phần cứng như GPIO, I2C, SPI, UART và cổng MIPI CSI dành riêng cho camera.
  • Thư viện thị giác máy tính OpenCV: Khai thác các module cơ bản gồm CXCore (cấu trúc dữ liệu mảng, ma trận ảnh), CV (các thuật toán xử lý ảnh, biến đổi hình thái morphology, trích xuất đặc trưng), và HighGUI (giao tiếp vào/ra, thu nhận khung hình từ camera).
  • Mô hình màu HSV và thuật toán bám mục tiêu CamShift (Continuously Adaptive Mean Shift): Chuyển đổi không gian màu RGB sang HSV nhằm tách biệt thành phần sắc độ (Hue) khỏi yếu tố cường độ sáng (Value). Thuật toán CamShift sử dụng kỹ thuật Histogram Backprojection để tạo bản đồ xác suất phân bố màu sắc, sau đó tính toán trọng tâm $(x, y)$ thông qua các moment không gian bậc 0 ($M_{00}$) và moment bậc 1 ($M_{10}, M_{01}$), từ đó tự động điều chỉnh kích thước và góc quay của cửa sổ tìm kiếm (Search Window) theo sự thay đổi kích thước của mục tiêu.
  • Nguyên lý đo khoảng cách bằng sóng siêu âm: Cảm biến HY-SRF05 phát chùm sóng siêu âm tần số 40 kHz qua chân Trigger (xung kích hoạt tối thiểu 10 µs). Sóng phản xạ từ vật cản quay về chân Echo tạo độ rộng xung $t$. Khoảng cách được tính theo vận tốc truyền âm trong không khí ($v = 340\text{ m/s}$), tương đương công thức:

$$\text{Khoảng cách (cm)} = \frac{t\ (\mu\text{s})}{29{,}412 \times 2}$$

Thông số kỹ thuật của các linh kiện chính

Linh kiện Thông số kỹ thuật chính Vai trò trong hệ thống
Raspberry Pi 3 Model B+ SoC Broadcom BCM2837B0 quad-core 1.4 GHz, 1GB RAM, cổng CSI, 40 chân GPIO Khối xử lý trung tâm, chạy giải thuật xử lý ảnh và điều khiển
Pi Camera Module V1.3 Độ phân giải 5MP, tiêu cự cố định, hỗ trợ video 1080p30, 720p60, 640x480p90 Thu nhận chuỗi khung hình thời gian thực của mục tiêu
Cảm biến HY-SRF05 Dải đo 2 – 450 cm, độ chính xác ±0.2 cm, góc quét <15 độ, điện áp 5VDC Đo khoảng cách trước, trái, phải để chống va chạm và định cự ly
Mạch cầu H L298 Điện áp hoạt động 5 – 47V, dòng tải liên tục tối đa 4A, tích hợp 2 cầu H Điều khiển chiều quay và tốc độ (PWM) cho 4 động cơ DC
Pin Panasonic 18650 Điện áp danh định 3.7V, dung lượng 3400 mAh, xả tối đa 12A, nội trở <35 mΩ Mắc nối tiếp (pack 3 cell) cấp nguồn động lực cho khối công suất

Phương pháp nghiên cứu

Tác giả đã áp dụng kết hợp bốn phương pháp nghiên cứu:

  1. Phương pháp tổng hợp tài liệu lý thuyết: Nghiên cứu tài liệu chuyên ngành về kiến trúc hệ thống nhúng Linux, ngôn ngữ lập trình Python, thư viện OpenCV và các thuật toán xử lý ảnh màu.
  2. Phương pháp khảo sát hệ thống thực tế: Phân tích các mô hình robot tự hành, xe chở hàng tự động bám chủ để lựa chọn cấu hình cơ khí và bố trí cảm biến thích hợp.
  3. Phương pháp thử nghiệm thực nghiệm: Tiến hành đo đạc, kiểm thử thực tế từng module (kiểm tra góc quét cảm biến siêu âm, tốc độ đáp ứng của giải thuật CamShift, kiểm tra độ sụt áp của khối nguồn khi động cơ tải nặng).
  4. Phương pháp tham khảo ý kiến chuyên gia: Trao đổi, tiếp thu ý kiến hướng dẫn của giảng viên hướng dẫn khoa học để hoàn thiện giải thuật và tối ưu sơ đồ mạch.

Thiết kế và triển khai

Kiến trúc phần cứng và sơ đồ khối

Hệ thống phần cứng của Hộp dụng cụ di động được chia thành 5 khối chức năng chính:

  • Khối điều khiển trung tâm (Raspberry Pi 3 B+): Tiếp nhận dữ liệu video từ camera qua bus MIPI CSI và tín hiệu xung từ 3 cụm cảm biến siêu âm; thực thi chương trình xử lý ảnh, tính toán hướng di chuyển và xuất tín hiệu điều khiển GPIO/PWM sang khối công suất.
  • Khối Camera: Gồm module Pi Camera V1.3 gắn phía trước xe, thu thập hình ảnh liên tục phục vụ phát hiện dấu hiệu nhận diện ở chân người dùng.
  • Khối Cảm biến: Gồm 3 cảm biến siêu âm HY-SRF05 bố trí ở 3 hướng (trái, giữa, phải) nhằm quét vùng không gian xung quanh xe.
  • Khối Công suất: Gồm mạch cầu H L298 điều khiển 4 động cơ DC giảm tốc (tỉ số truyền 1:48.3, tốc độ không tải 125 vòng/phút) gắn trực tiếp vào 4 bánh xe cao su đường kính 65 mm.
  • Khối Nguồn: Tách biệt thành hai đường nguồn độc lập để tránh hiện tượng sụt áp và nhiễu động cơ: nguồn sạc dự phòng 5V/2.1A nuôi board Raspberry Pi, camera và cảm biến; pack pin 3 cell Panasonic 18650 (hoặc pack pin LiPo 11.1V, dòng xả 3A) cấp riêng cho mạch cầu H và 4 động cơ.

Sơ đồ phân bổ chân kết nối GPIO

Thiết bị ngoại vi Tên chân tín hiệu Chân GPIO Raspberry Pi Số thứ tự chân vật lý (Physical Pin)
Cảm biến siêu âm Trái Trig_1 / Echo_1 GPIO 5 / GPIO 6 Pin 29 / Pin 31
Cảm biến siêu âm Giữa Trig_2 / Echo_2 GPIO 16 / GPIO 26 Pin 36 / Pin 37
Cảm biến siêu âm Phải Trig_3 / Echo_3 GPIO 20 / GPIO 19 Pin 38 / Pin 35
Driver L298 (Động cơ Trái) IN3 / IN4 GPIO 18 / GPIO 17 Pin 12 / Pin 11
Driver L298 (Động cơ Phải) IN1 / IN2 GPIO 23 / GPIO 22 Pin 16 / Pin 15
Điều khiển tốc độ (PWM) ENA (Trái) / ENB (Phải) GPIO 12 / GPIO 13 Pin 32 / Pin 33
Nối đất chung GND Ground Pin 6

Bảng trạng thái điều khiển động cơ qua Driver L298

Chân kích hoạt (ENA/ENB) Chân điều khiển IN1 / IN3 Chân điều khiển IN2 / IN4 Trạng thái hoạt động của động cơ
0 X X Động cơ ngừng quay tự do (ngắt cầu)
1 1 0 Động cơ quay thuận (xe tiến)
1 0 1 Động cơ quay nghịch (xe lùi)
1 0 0 Động cơ phanh dừng tức thì
1 1 1 Động cơ phanh dừng tức thì

Thiết kế phần mềm và giải thuật xử lý

Hệ thống phần mềm được triển khai trên nền hệ điều hành Raspbian, lập trình hoàn toàn bằng Python 3 kết hợp thư viện RPi.GPIO và OpenCV. Quy trình xử lý theo chu trình khép kín như sau:

  1. Khởi tạo hệ thống: Cấu hình các chân GPIO, thiết lập tần số PWM cho chân ENA/ENB, khởi tạo luồng đọc camera và các biến khoảng cách (DistanceL, DistanceC, DistanceR).
  2. Thu nhận và tiền xử lý ảnh:
    • Đọc khung hình từ Pi Camera, chuyển đổi không gian màu từ RGB sang HSV.
    • Trích xuất kênh sắc độ Hue tương ứng với màu của vòng đeo chân.
    • Thực hiện làm mịn ảnh bằng bộ lọc Gauss (CV_GAUSSIAN) để giảm nhiễu hạt.
    • Áp dụng phép toán hình thái học (Morphology: Dilation và Erosion) cùng phép phân ngưỡng (threshold) để loại bỏ các điểm ảnh nhiễu và làm liền mạch vùng nhận diện mục tiêu.
  3. Theo dõi mục tiêu bằng CamShift:
    • Tạo biểu đồ màu (Color Histogram) và tính toán bản đồ xác suất phân bố màu (Histogram Backprojection).
    • Áp dụng giải thuật Mean Shift tìm tọa độ tâm đối tượng $(x, y)$.
    • Cập nhật lại kích thước cửa sổ tìm kiếm Search Window theo moment cấp 0.
  4. Giải thuật điều hướng và bám sát:
    • Dựa vào độ lệch của tọa độ tâm mục tiêu so với tâm khung ảnh: nếu lệch sang phải, kích hoạt động cơ quay phải; nếu lệch sang trái, kích hoạt động cơ quay trái.
    • Kết hợp đọc dữ liệu khoảng cách từ 3 cảm biến siêu âm. Nếu khoảng cách phía trước an toàn và lớn hơn ngưỡng dừng, hệ thống điều khiển xe chạy thẳng bám theo. Khi khoảng cách đạt ngưỡng quy định hoặc phát hiện vật cản trước mặt, hệ thống kích hoạt lệnh dừng phanh xe.
    • Nếu trong khung hình không tìm thấy mục tiêu, hệ thống tự động chuyển sang chế độ quét dò (quay vòng tại chỗ để tìm lại vòng nhận diện).

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 trình bày bối cảnh nghiên cứu về xu hướng tự động hóa và phát triển các dòng xe thông minh phục vụ đời sống. Tác giả nêu rõ tính cấp thiết của đề tài xuất phát từ nhu cầu giảm tải mang vác đồ nghề sửa chữa nặng nhọc. Đồng thời, chương này xác định rõ 4 mục tiêu nghiên cứu, 4 nhiệm vụ trọng tâm, đối tượng, phạm vi nghiên cứu (giới hạn địa hình bằng phẳng, cự ly nhận diện 50 cm) cùng 4 phương pháp nghiên cứu được áp dụng.

Chương 2: Cơ sở lý thuyết

Chương 2 cung cấp cơ sở lý thuyết chi tiết về các thành phần phần cứng và công cụ phần mềm:

  • Phân tích cấu hình phần cứng Raspberry Pi 3 Model B+ và tổng quan các hệ điều hành hỗ trợ (Raspbian, NOOBS, Pidora, RaspBMC, OpenELEC, RISC OS, Arch).
  • Trình bày đặc điểm của ngôn ngữ lập trình Python và thư viện xử lý ảnh OpenCV (các module HighGUI, CXCore, CV, MLL; các hàm đọc/ghi ảnh, xử lý video, biến đổi hình thái học, cân bằng Histogram và ghép mẫu Template Matching).
  • Trình bày cơ sở toán học của thuật toán CamShift dựa trên nền tảng Mean Shift và không gian màu HSV.
  • Trình bày cấu tạo, sơ đồ nguyên lý, biểu đồ dạng sóng thời gian ở 2 chế độ hoạt động của cảm biến siêu âm HY-SRF05; thông số kỹ thuật của module cầu H L298, khung xe robot 4 bánh và pin sạc Panasonic 18650 3400mAh.

Chương 3: Thiết kế phần cứng

Chương 3 tập trung hiện thực hóa mô hình phần cứng của hộp dụng cụ:

  • Xác định các yêu cầu kỹ thuật về địa hình di chuyển, kích thước tải trọng nhỏ gọn và thiết kế vòng đeo nhận diện ở cổ chân người dùng.
  • Trình bày sơ đồ khối hệ thống gồm 5 khối chức năng và phân tích chi tiết nguyên lý hoạt động của từng khối.
  • Đưa ra sơ đồ kết nối tổng thể và sơ đồ nguyên lý mạch chi tiết, xác định chính xác vị trí nối dây của từng chân cảm biến siêu âm, chân điều khiển động cơ và chân cấp nguồn trên header GPIO 40 chân của Raspberry Pi.

Chương 4: Thiết kế phần mềm

Chương 4 mô tả toàn bộ quy trình thiết kế và cài đặt phần mềm điều khiển:

  • Hướng dẫn các bước chuẩn bị, nạp hệ điều hành Raspbian vào thẻ nhớ SD bằng phần mềm Win32DiskImager, cấu hình hệ thống ban đầu (raspi-config, mở cổng camera CSI, cấu hình múi giờ, mở rộng phân vùng expand_rootfs).
  • Các bước cài đặt môi trường lập trình Python 3, thư viện python-dev, công cụ quản lý gói pip, môi trường ảo virtualenv và thư viện điều khiển chân cắm RPi.GPIO.
  • Xây dựng các lưu đồ giải thuật chi tiết: lưu đồ chương trình chính, lưu đồ chương trình đo khoảng cách siêu âm, lưu đồ chương trình xử lý ảnh và lưu đồ chương trình quét dò/bám sát mục tiêu.
  • Chi tiết hóa các bước biến đổi ảnh: chuyển đổi RGB sang HSV, kỹ thuật lọc nhiễu Gaussian, thuật toán bám mục tiêu CamShift và thuật toán tính hướng lái, xác định khoảng cách để điều khiển xe tiến, rẽ trái, rẽ phải hoặc dừng lại.

Chương 5: Kết quả thực nghiệm

Chương 5 công bố các hình ảnh chế tạo thực tế của mô hình hộp dụng cụ di động (góc nhìn từ trên xuống, mặt trước xe và ngăn chứa dụng cụ). Chương này tổng hợp bảng thông số kỹ thuật thực tế của hệ thống hoàn chỉnh sau khi thi công, ghi nhận khả năng vận hành của xe khi bám theo vòng đeo chân và phản hồi của cảm biến siêu âm khi gặp vật cản.

Chương 6: Kết luận và hướng phát triển

Chương 6 tổng kết các hạng mục đã hoàn thành của đề tài, đối chiếu với các mục tiêu ban đầu đặt ra về phần cứng và phần mềm. Đồng thời, tác giả chỉ ra các hạn chế kỹ thuật còn tồn tại và đề xuất các định hướng nghiên cứu mở rộng trong tương lai.

Kết quả và đóng góp

Kết quả kỹ thuật đạt được

  • Chế tạo thành công mô hình xe 4 bánh tích hợp hộp chứa dụng cụ di động, hoạt động dựa trên bộ điều khiển nhúng Raspberry Pi 3 Model B+.
  • Hệ thống thực thi ổn định giải thuật xử lý ảnh kết hợp giữa chuyển đổi không gian màu HSV, lọc nhiễu Gaussian/Morphology và thuật toán CamShift, cho phép phát hiện và theo vết vòng đeo chân trong thời gian thực.
  • Tích hợp thành công 3 cụm cảm biến siêu âm HY-SRF05 tại các vị trí trái, giữa, phải, hỗ trợ đo đạc chính xác cự ly tới chướng ngại vật trong dải từ 2 cm đến 450 cm (độ chính xác ±0.2 cm), giúp xe tự động dừng an toàn khi tiếp cận gần người dùng hoặc khi gặp vật cản đột xuất.
  • Xây dựng hoàn chỉnh mạch công suất sử dụng IC L298 kết hợp cơ chế điều chế độ rộng xung (PWM) để điều khiển tốc độ và hướng chuyển động linh hoạt của 4 động cơ DC.

Đóng góp của đề tài

  • Hiện thực hóa mô hình robot hỗ trợ kỹ thuật viên trong đời sống thực tế, giải quyết được bài toán mang vác công cụ và tự động hóa việc đưa dụng cụ tới vị trí thao tác.
  • Cung cấp một tài liệu thiết kế hệ thống hoàn chỉnh từ phần cứng (sơ đồ chân GPIO, mạch công suất, quản lý nguồn) đến phần mềm (cài đặt Raspbian, OpenCV trên Python, lưu đồ giải thuật bám mục tiêu), làm tài liệu tham khảo trực quan cho các nghiên cứu về robot di động cỡ nhỏ sử dụng thị giác máy tính.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của hệ thống

  • Giới hạn về địa hình và môi trường: Xe chỉ vận hành tốt trên bề mặt sàn tương đối bằng phẳng, ít độ dốc; khả năng vượt chướng ngại vật cơ khí chưa cao do sử dụng khung gầm bánh nhỏ tiêu chuẩn.
  • Phạm vi nhận diện: Tầm hoạt động phát hiện và bám mục tiêu của camera còn tương đối ngắn (khoảng cách tối đa 50 cm); giải thuật CamShift dựa trên màu sắc nên có thể bị ảnh hưởng nếu cường độ ánh sáng môi trường thay đổi đột ngột hoặc xuất hiện vật thể có màu sắc tương đồng xung quanh.
  • Nhiễu cảm biến siêu âm: Độ chính xác của cảm biến HY-SRF05 giảm khi gặp bề mặt phản xạ gồ ghề, đặt nghiêng hoặc trong không gian có các nguồn sóng siêu âm gây can nhiễu.

Hướng nghiên cứu tiếp

  • Nâng cấp hệ thống khung gầm cơ khí và động cơ có mô-men xoắn lớn hơn nhằm tăng tải trọng mang dụng cụ và khả năng di chuyển trên địa hình gồ ghề, phức tạp.
  • Phát triển các thuật toán nhận diện và bám mục tiêu nâng cao (như kết hợp lọc Kalman, nhận diện hình dáng người hoặc học sâu) nhằm tăng cự ly bám sát và giảm thiểu sự phụ thuộc vào vòng màu đeo chân.
  • Tối ưu hóa thuật toán tiết kiệm năng lượng và nâng cấp dung lượng khối nguồn pin để kéo dài thời gian hoạt động liên tục của thiết bị.

Giá trị tham khảo

Đồ án là nguồn tài liệu tham khảo hữu ích cho:

  • Sinh viên các ngành Công nghệ kỹ thuật máy tính, Cơ điện tử, Kỹ thuật điều khiển và Tự động hóa, Công nghệ thông tin: Đặc biệt là những người đang thực hiện đề tài tốt nghiệp hoặc dự án nghiên cứu về robot tự hành, xe theo dấu (follow-me robot), và hệ thống nhúng thời gian thực.
  • Phần nội dung có giá trị tham khảo cao nhất:
    • Chương 3 với bảng tra cứu sơ đồ chân kết nối GPIO chi tiết giữa Raspberry Pi 3 B+, module driver L298 và cảm biến siêu âm HY-SRF05.
    • Chương 4 với quy trình cấu hình hệ điều hành Raspbian, cài đặt môi trường OpenCV trên Python và các lưu đồ giải thuật kết hợp giữa thuật toán CamShift với cảm biến đo khoảng cách.

Câu hỏi thường gặp

1. Hệ thống sử dụng giải thuật xử lý ảnh nào để bám theo người sử dụng và dựa trên dấu hiệu nhận diện gì?
Hệ thống sử dụng giải thuật CamShift (Continuously Adaptive Mean Shift) kết hợp chuyển đổi không gian màu RGB sang HSV để theo dõi sự phân bố sắc độ (Hue) của một vòng màu đặc trưng do người dùng đeo ở cổ chân.

2. Khối điều khiển trung tâm và camera được sử dụng trong đồ án là loại nào?
Hệ thống sử dụng board máy tính nhúng Raspberry Pi 3 Model B+ (SoC Broadcom BCM2837B0 quad-core 1.4 GHz, RAM 1GB) và module camera Raspberry Pi Camera V1.3 độ phân giải 5MP kết nối qua cổng MIPI CSI.

3. Khối nguồn của xe được thiết kế như thế nào để đảm bảo hệ thống hoạt động ổn định?
Khối nguồn được tách thành hai nhánh độc lập: một sạc dự phòng 5V/2.1A cung cấp riêng cho board Raspberry Pi, camera và cảm biến; một pack 3 cell pin sạc Panasonic 18650 3400mAh (hoặc pin LiPo 11.1V dòng xả tối đa 3A) cấp nguồn động lực cho khối công suất L298 và 4 động cơ DC.

4. Khoảng cách phát hiện mục tiêu tối đa của xe là bao nhiêu và xe hoạt động trong điều kiện địa hình nào?
Khoảng cách phát hiện vật cần bám sát tối đa là 50 cm. Xe được thiết kế để di chuyển trên địa hình bề mặt bằng phẳng, ít dốc và môi trường xung quanh không có các nguồn thu phát sóng siêu âm gây nhiễu.

5. Cảm biến siêu âm HY-SRF05 được bố trí như thế nào và có thông số kỹ thuật ra sao?
Xe sử dụng 3 cảm biến HY-SRF05 bố trí ở ba vị trí: bên trái (chân Trig GPIO 5, Echo GPIO 6), ở giữa (Trig GPIO 16, Echo GPIO 26) và bên phải (Trig GPIO 20, Echo GPIO 19). Cảm biến có dải đo từ 2 cm đến 450 cm, độ chính xác ±0.2 cm, góc quét <15 độ và tần số hoạt động 40 kHz.

Kết luận

Đồ án tốt nghiệp "Hộp dụng cụ di động" của sinh viên Tạ Minh Trí đã hoàn thành trọn vẹn mục tiêu thiết kế và chế tạo một mô hình robot 4 bánh tự hành phục vụ công việc kỹ thuật. Bằng việc kết hợp board máy tính nhúng Raspberry Pi 3 Model B+, thư viện thị giác máy tính OpenCV cùng thuật toán CamShift và cụm cảm biến siêu âm HY-SRF05, hệ thống đã thực hiện thành công việc tự động nhận diện vòng màu ở chân, bám sát người dùng và giữ khoảng cách an toàn khi di chuyển. Đề tài thể hiện tính ứng dụng thực tiễn rõ nét, đóng vai trò là một tài liệu tham khảo kỹ thuật hoàn chỉnh về thiết kế phần cứng và lập trình nhúng cho các nghiên cứu robot di động tiếp theo.