Luận án tiến sĩ: Nghiên cứu phát triển thuật toán ước lượng mặt phẳng và dẫn đường cho hệ thống thị giác rô bốt trong nhà

• Tác giả: Đặng Khánh Hòa
• Người hướng dẫn: TS. Nguyễn Tiến Dũng
• Trường học: Trường Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Kỹ thuật điện tử
• Đề tài: Nghiên Cứu Thuật Toán Ước Lượng Mặt Phẳng Cho Hệ Thống Thị Giác Rô-Bốt Trong Nhà
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2019
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• DANH MỤC CÁC KÝ HIỆU
• DANH MỤC CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH ẢNH, ĐỒ THỊ
• MỞ ĐẦU
• 0.1. Tính cấp thiết của luận án
• 0.2. Trích trọn mặt phẳng
• 0.3. Trích trọn mặt phẳng đất
• 0.4. Dẫn đường cho rô-bốt trong nhà
• 0.5. Mục tiêu, đối tượng, phương pháp và phạm vi nghiên cứu
• 0.5.1. Mục tiêu nghiên cứu
• 0.5.2. Đối tượng nghiên cứu
• 0.5.3. Phương pháp nghiên cứu
• 0.5.4. Phạm vi nghiên cứu
• 0.6. Ý nghĩa khoa học và những đóng góp của luận án
• 0.6.1. Ý nghĩa khoa học
• 0.6.2. Các đóng góp khoa học của luận án gồm
• 0.7. Cấu trúc nội dung của luận án
• 1. CHƯƠNG 1: TỔNG QUAN HỆ THỐNG DẪN ĐƯỜNG CHO RÔ-BỐT DỰA TRÊN HÌNH ẢNH THỊ GIÁC MÁY TÍNH
• 1.1. Giới thiệu chương
• 1.2. Hệ thống dẫn đường cho rô-bốt trong nhà
• 1.3. Các hệ thống dẫn đường cho rô-bốt trong nhà
• 1.4. Kiến trúc hệ thống dẫn đường rô-bốt sử dụng thị giác máy tính
• 1.5. Một số vấn đề của hệ thống rô-bốt dẫn đường dựa trên thị giác nổi
• 1.6. Phương pháp tính toán bản đồ chênh lệch/độ sâu
• 1.7. Phương pháp trích xuất đối tượng mặt phẳng dựa trên ảnh thị giác máy tính
• 1.8. Phát hiện mặt phẳng đất dựa trên sự biến đổi ảnh thị giác
• 1.9. Phương pháp dẫn đường cho rô-bốt trong nhà trong môi trường chưa biết
• 1.10. Tổng kết chương
• 2. PHƯƠNG PHÁP TĂNG TỐC TÍNH TOÁN BẢN ĐỒ CHÊNH LỆCH VÀ PHÁT TRIỂN THUẬT TOÁN TRÍCH XUẤT MẶT PHẲNG
• 2.1. Giới thiệu chương
• 2.2. Hệ thống máy ảnh nổi. Cảm biến hình ảnh
• 2.3. Cấu trúc hệ thống máy ảnh nổi
• 2.4. Nguyên lý thị giác nổi
• 2.5. Phương pháp tăng tốc tính toán bản đồ chênh lệch/độ sâu
• 2.6. Triển khai tính toán SAD thông thường
• 2.7. Triển khai tính toán SAD đề xuất
• 2.8. Kết quả thực hiện và thảo luận
• 2.9. Nguyên lý trích xuất đối tượng mặt phẳng
• 2.10. Độ sâu của điểm
• 2.11. Khái niệm mặt phẳng trong thị giác máy tính
• 2.12. Khái niệm điểm lân cận và hàng xóm
• 2.13. Triển khai phương pháp trích xuất đối tượng mặt phẳng. Kiến trúc hệ thống xử lý dữ liệu
• 2.14. Thuật toán đề xuất Tạo nhóm hàng xóm kết hợp lọc
• 2.15. Kết quả thực nghiệm và thảo luận
• 2.16. Tổng kết chương
• 3. PHÁT TRIỂN THUẬT TOÁN NHẬN DẠNG MẶT ĐẤT
• 3.1. Giới thiệu chương
• 3.2. Nguyên lý nhận dạng đối tượng mặt đất
• 3.3. Phương pháp nhận đối tượng mặt đất từ ảnh độ sâu chuẩn
• 3.4. Kiến trúc hệ thống xử lý dữ liệu
• 3.5. Thuật toán đề xuất
• 3.6. Kết quả thực nghiệm và thảo luận
• 3.7. Phương pháp nhận dạng đối tượng mặt phẳng đất từ dữ liệu độ sâu thực tế
• 3.8. Kiến trúc hệ thống trích mặt đất từ dữ liệu độ sâu thực tế
• 3.9. Kết quả thực nghiệm và thảo luận
• 3.10. Tổng kết chương
• 4. PHÁT TRIỂN PHƯƠNG PHÁP DẪN ĐƯỜNG CHO RÔ-BỐT DỰA TRÊN THUẬT TOÁN NHẬN DẠNG MẶT ĐẤT
• 4.1. Giới thiệu chương
• 4.2. Phương pháp dẫn đường sử dụng nhận dạng mặt đất. Mô hình hoạt động của rô-bốt trong nhà
• 4.3. Xác định kích thước 2D của điểm sâu. Phương pháp dẫn đường AMSD đề xuất dựa trên khai thác dữ liệu độ sâu
• 4.4. Kết quả thực nghiệm phương pháp dẫn đường AMSD dựa trên nhận dạng mặt đất và thảo luận
• 4.5. Kết quả thực nghiệm của phương pháp tránh vật cản cơ bản
• 4.6. Kết quả thực nghiệm của phương pháp tránh vật cản cải thiện
• 4.7. Tổng kết chương
• KẾT LUẬN VÀ KIẾN NGHỊ
• 5.1. Kiến nghị nghiên cứu tiếp theo
• DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Thuật toán ước lượng mặt phẳng

Nghiên cứu tập trung vào phát triển các thuật toán ước lượng mặt phẳng để nâng cao hiệu quả của hệ thống thị giác rô bốt trong môi trường trong nhà. Các thuật toán này được thiết kế để xác định và mô hình hóa các mặt phẳng 3D từ dữ liệu hình ảnh thu thập được. Phương pháp xử lý hình ảnh và cảm biến hình ảnh đóng vai trò quan trọng trong việc trích xuất thông tin không gian. Các kết quả thực nghiệm cho thấy sự cải thiện đáng kể trong việc nhận diện đối tượng và dẫn đường cho robot.

1.1. Phương pháp trích xuất mặt phẳng

Phương pháp trích xuất mặt phẳng dựa trên thị giác máy tính được đề xuất để xác định các mặt phẳng từ dữ liệu hình ảnh. Thuật toán sử dụng cảm biến hình ảnh để thu thập dữ liệu và áp dụng các kỹ thuật xử lý hình ảnh để phân tích. Kết quả cho thấy khả năng nhận diện chính xác các mặt phẳng trong môi trường phức tạp.

1.2. Ứng dụng trong robot thông minh

Các thuật toán ước lượng mặt phẳng được tích hợp vào hệ thống thị giác rô bốt để hỗ trợ dẫn đường trong nhà. Robot thông minh sử dụng thông tin từ các mặt phẳng để di chuyển an toàn và tránh vật cản. Ứng dụng này đặc biệt hữu ích trong các môi trường như văn phòng, nhà ở và kho bãi.

II. Hệ thống thị giác rô bốt trong nhà

Nghiên cứu đề xuất một hệ thống thị giác rô bốt được thiết kế để hoạt động hiệu quả trong môi trường trong nhà. Hệ thống này kết hợp cảm biến hình ảnh và thuật toán thị giác để thu thập và xử lý dữ liệu không gian. Mô hình hóa không gian và tự động hóa trong nhà là hai yếu tố chính được tập trung phát triển. Kết quả thực nghiệm cho thấy khả năng dẫn đường chính xác và ổn định của hệ thống.

2.1. Kiến trúc hệ thống

Kiến trúc của hệ thống thị giác rô bốt bao gồm các module thu thập dữ liệu, xử lý hình ảnh và dẫn đường. Cảm biến hình ảnh được sử dụng để thu thập dữ liệu không gian, trong khi các thuật toán thị giác xử lý dữ liệu để xác định đường đi. Hệ thống này được thiết kế để hoạt động trong môi trường trong nhà với độ chính xác cao.

2.2. Ứng dụng thực tế

Hệ thống được ứng dụng trong các robot thông minh để hỗ trợ dẫn đường và tránh vật cản trong môi trường trong nhà. Tự động hóa trong nhà là một trong những lĩnh vực được hưởng lợi nhiều nhất từ nghiên cứu này, với khả năng cải thiện hiệu quả và an toàn trong các hoạt động hàng ngày.

III. Nhận diện đối tượng và dẫn đường

Nghiên cứu tập trung vào việc phát triển các thuật toán nhận diện đối tượng để hỗ trợ dẫn đường cho hệ thống thị giác rô bốt. Các thuật toán này sử dụng dữ liệu từ cảm biến hình ảnh để xác định và phân loại các đối tượng trong môi trường. Học máy trong thị giác được áp dụng để nâng cao độ chính xác của quá trình nhận diện. Kết quả thực nghiệm cho thấy khả năng nhận diện và dẫn đường hiệu quả của hệ thống.

3.1. Phương pháp nhận diện đối tượng

Phương pháp nhận diện đối tượng dựa trên thị giác máy tính được đề xuất để xác định các đối tượng trong môi trường. Cảm biến hình ảnh thu thập dữ liệu, trong khi các thuật toán nhận diện xử lý dữ liệu để phân loại đối tượng. Kết quả cho thấy khả năng nhận diện chính xác các đối tượng trong môi trường phức tạp.

3.2. Ứng dụng trong dẫn đường

Các thuật toán nhận diện đối tượng được tích hợp vào hệ thống thị giác rô bốt để hỗ trợ dẫn đường. Robot thông minh sử dụng thông tin từ các đối tượng để di chuyển an toàn và tránh vật cản. Ứng dụng này đặc biệt hữu ích trong các môi trường như văn phòng, nhà ở và kho bãi.