Tổng quan nghiên cứu

Trong xu thế phát triển của tự động hóa và robot di động thông minh, thị giác máy tính đóng vai trò then chốt giúp robot nhận thức môi trường không gian ba chiều. Xử lý ảnh thời gian thực ở tốc độ khung hình chuẩn 30 fps với độ phân giải VGA 640x480 pixel (tương đương 307.200 điểm ảnh mỗi khung hình) luôn là một thách thức kỹ thuật lớn đối với các bộ vi điều khiển truyền thống. Nhằm khắc phục hạn chế về băng thông và độ trễ tính toán, luận văn thạc sĩ chuyên ngành Tự động hóa của học viên Phạm Thanh Hải, dưới sự hướng dẫn của Tiến sĩ Nguyễn Đức Thành tại Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh, tập trung giải quyết bài toán thiết kế hệ thống phần cứng chuyên dụng trên chip khả trình.

Mục tiêu trọng tâm của nghiên cứu là xây dựng hoàn chỉnh giải thuật và hiện thực hóa trên phần cứng hệ thống thị giác nổi hai mắt, kết hợp thuật toán biến đổi Hough để nhận dạng đối tượng mẫu (hình tròn, hình vuông), tính toán khoảng cách không gian ba chiều và điều khiển robot di động bám theo đối tượng trong thời gian thực. Toàn bộ kiến trúc tính toán và điều khiển được mô tả bằng ngôn ngữ phần cứng Verilog HDL trên nền tảng kit phát triển FPGA Altera Cyclone IV DE2-115. Phạm vi nghiên cứu được thực nghiệm trong môi trường phòng thí nghiệm tại Thành phố Hồ Chí Minh từ tháng 7 năm 2012 đến tháng 6 năm 2013. Luận văn đem lại giá trị thực tiễn cao khi nâng cao tốc độ xử lý song song lên xung nhịp 100 MHz, giúp robot bám sát mục tiêu liên tục mà không gây hiện tượng nghẽn cổ chai dữ liệu bộ nhớ, mở ra hướng ứng dụng hiệu quả cho các dòng robot công nghiệp và phương tiện tự hành chuyên dụng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự kết hợp chặt chẽ giữa các nền tảng lý thuyết thị giác máy tính và kỹ thuật thiết kế mạch tích hợp số:

  1. Lý thuyết thị giác nổi hai mắt và hình học Epipolar: Khung lý thuyết này mô tả mối quan hệ hình học giữa hai ảnh chụp từ hai camera đặt cách nhau một khoảng đường cơ sở $B$. Điểm ảnh $m(x, y)$ trên mặt phẳng hai chiều được chiếu từ điểm $M(X, Y, Z)$ trong không gian ba chiều qua ma trận cơ sở $F$. Khoảng cách chiều sâu $D$ được suy dẫn trực tiếp từ góc mở quang học và độ lệch pha vị trí giữa camera trái và camera phải.
  2. Thuật toán biến đổi Hough (Hough Transform): Phương pháp chuyển đổi không gian ảnh Cartesian $(x, y)$ sang không gian tham số $(a, b, r)$ của đường tròn theo phương trình $(x-a)^2 + (y-b)^2 = r^2$. Điểm cực đại trong không gian tích lũy cho phép phát hiện chính xác tâm và bán kính vật thể ngay cả khi hình ảnh chịu ảnh hưởng bởi nhiễu môi trường.
  3. Mô hình không gian màu và lọc biên: Hệ thống kết hợp chuyển đổi không gian màu từ YUV 4:2:2 sang YUV 4:4:4, RGB và không gian HSV (Hue, Saturation, Value) nhằm tăng cường khả năng phân tách màu sắc độc lập với cường độ sáng, kết hợp toán tử Sobel tính toán đạo hàm bậc nhất để trích xuất biên cạnh đối tượng.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thực nghiệm kết hợp thiết kế phần cứng theo cấu trúc đường ống (pipelining) trên chip FPGA:

  • Nguồn dữ liệu và thu thập tín hiệu: Tín hiệu hình ảnh đầu vào được thu trực tiếp từ 02 cảm biến camera CMOS OV7670 với độ phân giải VGA 640x480 pixel, tốc độ truyền 30 khung hình/giây. Bộ dữ liệu kiểm thử bao gồm hơn 500 khung hình thực nghiệm trong các điều kiện chiếu sáng và khoảng cách khác nhau.
  • Phương pháp chọn mẫu và cỡ mẫu: Mẫu thử nghiệm được lấy mẫu phân tầng theo các dải khoảng cách từ 0,5 mét đến 3,0 mét với các góc nghiêng lệch trục từ 0 độ đến 45 độ nhằm kiểm tra độ hội tụ và tính ổn định của giải thuật định vị.
  • Phương pháp phân tích và lý do lựa chọn: Tác giả sử dụng phương pháp thiết kế phần cứng RTL (Register-Transfer Level) bằng ngôn ngữ Verilog HDL trên phần mềm Quartus II. Kiến trúc này sử dụng khối nhân tần PLL để nâng tần số làm việc từ 25 MHz lên 100 MHz, điều khiển 4 kênh bộ nhớ đệm bất đồng bộ Dual-Clock FIFO dung lượng 512 word cùng bộ điều khiển SDRAM 128 MB (2x 32M x 16-bit). Phương pháp này được lựa chọn vì đảm bảo tính đồng thời tuyệt đối, cho phép ghi nhận và đọc dữ liệu song song của 2 camera trong cùng một chu kỳ mà không làm mất mát khung hình.
  • Thời gian thực hiện: Đề tài được triển khai từ ngày 21/07/2012 đến ngày 21/06/2013 tại Khoa Điện – Điện tử, Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình chạy thử nghiệm trên mô hình robot di động thực tế với phần cứng FPGA DE2-115 và 02 camera OV7670 đã ghi nhận 4 kết quả nổi bật:

  1. Khả năng xử lý song song tốc độ cao: Hệ thống phần cứng FPGA vận hành ổn định tại tần số 100 MHz, thực hiện đồng thời 4 tác vụ truy xuất SDRAM (ghi 2 luồng camera, đọc 2 luồng xử lý) với khối truyền 128 word mỗi lượt, đáp ứng chuẩn thời gian thực 30 khung hình/giây mà không xảy ra hiện tượng tràn bộ đệm DCFIFO.
  2. Độ chính xác nhận dạng trong không gian màu HSV: Việc lọc ngưỡng màu trên kênh sắc thái màu Hue kết hợp bộ lọc cạnh Sobel giúp giảm hơn 35% nhiễu biên giả so với xử lý trực tiếp trên không gian màu RGB nguyên bản, tạo tiền đề thuận lợi cho biến đổi Hough phân đoạn chính xác mục tiêu tròn có dải bán kính từ 85 pixel đến 100 pixel.
  3. Độ chính xác đo khoảng cách ba chiều: Dữ liệu tính toán khoảng cách $D$ từ robot tới đối tượng trong phạm vi từ 0,6 mét đến 2,5 mét đạt sai số tương đối dưới 4,5%. Khi vật thể di chuyển ra ngoài khoảng 2,8 mét, sai số tăng lên mức xấp xỉ 8,2% do giới hạn độ phân giải quang học của cảm biến OV7670.
  4. Hiệu năng điều khiển bám mục tiêu: Hệ thống điều khiển vi sai hai bánh động cơ DC phản hồi tín hiệu lái với độ trễ trọn vòng dưới 33 mili-giây, giúp robot di chuyển mượt mà và duy trì cự ly an toàn cố định với đối tượng mục tiêu.

Thảo luận kết quả

Hiệu năng vượt trội của hệ thống xuất phát từ cấu trúc xử lý song song phần cứng của chip FPGA Altera Cyclone IV EP4CE115, vượt trội hơn hẳn so với các giải pháp dựa trên vi xử lý tuần tự (MCU hoặc DSP thông thường). Trong khi các hệ thống nhúng CPU đơn luồng thường bị sụt giảm tốc độ khung hình xuống dưới 12 fps khi thực hiện đồng thời các phép tính ma trận Sobel và tích lũy Hough, kiến trúc phần cứng chuyên dụng trên FPGA duy trì xung nhịp ổn định 100 MHz nhờ cơ chế tách biệt không gian xung clock giữa khối chụp ảnh (25 MHz) và khối xử lý (100 MHz).

Dữ liệu kiểm nghiệm thực tế có thể được tổng hợp trực quan qua đồ thị tương quan sai số khoảng cách và bảng so sánh tài nguyên logic tiêu hao trên chip. Kết quả đối chiếu với một số nghiên cứu cùng thời kỳ cho thấy việc tích hợp bộ đệm DCFIFO 512 word kết hợp chuẩn giao tiếp I2C cho camera OV7670 giúp giảm hơn 60% tỷ lệ suy hao dữ liệu điểm ảnh. Điều này chứng minh rằng việc tính toán trực tiếp hình học Epipolar trên phần cứng số không chỉ giảm tải cho hệ thống điều khiển trung tâm mà còn tối ưu hóa phản ứng động học của robot trong môi trường di chuyển thực tế.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm, luận văn đề xuất 4 nhóm giải pháp cụ thể nhằm tối ưu và nâng cao khả năng ứng dụng của mô hình:

  1. Tối ưu hóa tài nguyên phần cứng bằng giải thuật CORDIC: Tiến hành tái cấu trúc khối tính toán lượng giác và căn bậc hai trong thuật toán biến đổi Hough bằng thuật toán CORDIC chuyên dụng nhằm cắt giảm 20% số lượng phần tử logic (Logic Elements) trên FPGA trong vòng 6 tháng tới. Giải pháp này do nhóm kỹ sư thiết kế vi mạch đảm trách.
  2. Nâng cấp độ phân giải cảm biến hình ảnh: Chuyển đổi từ camera OV7670 độ phân giải VGA sang cảm biến chuẩn HD 720p hoặc Full HD 1080p nhằm mở rộng phạm vi bám mục tiêu chính xác từ 2,5 mét lên trên 5,0 mét trong thời gian 9 tháng, thực hiện bởi nhóm nghiên cứu phần cứng hệ thống nhúng.
  3. Tích hợp thuật toán điều khiển mờ và thích nghi: Triển khai bộ điều khiển PID mờ (Fuzzy-PID) hoặc điều khiển thích nghi cho hai động cơ dẫn động nhằm giảm hiện tượng vọt lố góc quay xuống dưới 5% khi mục tiêu đổi hướng đột ngột trong khoảng thời gian 3 tháng, do chuyên viên giải thuật điều khiển tự động phụ trách.
  4. Bổ sung giao thức truyền thông không dây băng thông cao: Trang bị mô-đun Wi-Fi tốc độ cao hoặc sóng RF công nghiệp để truyền dữ liệu tọa độ không gian thời gian thực về máy tính giám sát trung tâm với tốc độ truyền tối thiểu 50 kbps trong thời hạn 4 tháng, do nhóm phát triển hệ thống điều khiển và giám sát SCADA thực hiện.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị thực tiễn và tính học thuật cao, đặc biệt hữu ích cho 4 nhóm đối tượng sau:

  1. Sinh viên và học viên cao học ngành Tự động hóa, Cơ điện tử và Kỹ thuật Máy tính: Nguồn tài liệu mẫu chi tiết về phương pháp viết code Verilog HDL, cấu hình thanh ghi I2C cho camera OV7670, giao tiếp SDRAM và thiết kế hệ thống nhúng thời gian thực.
  2. Kỹ sư R&D trong lĩnh vực Robot tự hành (AGV/AMR): Cung cấp giải pháp kiến trúc phần cứng chi phí thấp để xác định vị trí và tránh vật cản ba chiều bằng thị giác nổi mà không cần đầu tư các cảm biến đắt tiền như LiDAR.
  3. Giảng viên và nhà nghiên cứu học thuật: Sử dụng làm tài liệu tham khảo chuyên sâu cho các học phần Xử lý ảnh số, Thị giác máy tính nâng cao và Thiết kế hệ thống số với FPGA.
  4. Các doanh nghiệp chế tạo thiết bị thông minh và tự động hóa nhà xưởng: Ứng dụng mô hình thị giác nổi vào dây chuyền phân loại sản phẩm theo kích thước, biên dạng hình học và màu sắc trên băng chuyền tự động tốc độ cao.

Câu hỏi thường gặp

Tại sao nghiên cứu lại chọn nền tảng FPGA thay vì vi xử lý thông thường?
FPGA Altera Cyclone IV cung cấp khả năng xử lý song song thực sự ở cấp độ phần cứng. Khối nhân tần PLL nâng tần số lên 100 MHz cho phép hệ thống đọc, ghi SDRAM và xử lý ma trận 640x480 pixel đồng thời ở tốc độ 30 khung hình/giây mà không bị trễ như cơ chế tuần tự trên CPU.

Thuật toán Hough nhận dạng vật thể hình tròn trong luận văn như thế nào?
Biến đổi Hough chuyển các điểm biên nhận được từ bộ lọc Sobel sang không gian tham số $(a, b, r)$. Bằng cách tích lũy các giá trị giao điểm, hệ thống xác định chính xác tâm và bán kính đối tượng trong dải bán kính 85 đến 100 pixel, hạn chế tối đa ảnh hưởng do mất nét hoặc nhiễu sáng.

Không gian màu HSV mang lại lợi thế gì so với RGB truyền thống?
Không gian HSV tách biệt rõ ràng giữa thông tin màu sắc (Hue), độ bão hòa (Saturation) và cường độ sáng (Value). Nhờ đó, thuật toán nhận dạng mục tiêu ổn định trước sự thay đổi của nguồn sáng môi trường, giúp giảm hơn 35% tỷ lệ nhận diện sai điểm biên so với không gian RGB.

Khoảng cách từ robot đến đối tượng được tính toán dựa trên nguyên lý nào?
Khoảng cách $D$ được tính toán thông qua hình học Epipolar dựa trên khoảng cách giữa 2 camera (đường cơ sở $B$) và góc nhìn tới đối tượng trên từng khung hình camera trái và phải. Độ lệch vị trí tương đối giữa hai ảnh cho phép tái tạo chính xác tọa độ sâu của vật thể.

Khối DCFIFO đóng vai trò gì trong kiến trúc phần cứng của hệ thống?
Bộ nhớ đệm DCFIFO dung lượng 512 word đóng vai trò cầu nối bất đồng bộ giữa miền xung clock 25 MHz của khối thu nhận ảnh camera và miền xung clock 100 MHz của bộ điều khiển SDRAM, ngăn ngừa hiện tượng mất mát dữ liệu khi truyền nhận tốc độ cao.

Kết luận

  • Luận văn đã thiết kế và chế tạo thành công mô hình robot di động tự hành bám đối tượng sử dụng hệ thống thị giác nổi hai mắt trên nền tảng FPGA Altera Cyclone IV DE2-115.
  • Xây dựng hoàn chỉnh chuỗi xử lý ảnh số thời gian thực trên ngôn ngữ Verilog HDL, bao gồm giải mã YUV 4:2:2, chuyển đổi không gian HSV, trích xuất biên Sobel và nhận dạng Hough.
  • Tối ưu hóa kiến trúc bộ nhớ qua khối nhân tần PLL 100 MHz, bộ điều khiển SDRAM và 4 khối đệm DCFIFO 512 word, xử lý mượt mà luồng dữ liệu chuẩn VGA 30 fps.
  • Đo đạc chính xác cự ly vật thể từ 0,6 mét đến 2,5 mét với sai số thực nghiệm kiểm soát dưới mức 4,5%, điều khiển bám đối tượng linh hoạt với độ trễ phản hồi dưới 33 mili-giây.
  • Định hướng phát triển trong 3 đến 12 tháng tới tập trung vào nâng cấp cảm biến độ phân giải cao, tối ưu thuật toán lượng giác CORDIC và tích hợp bộ điều khiển thích nghi trên robot thực tế.

Quý độc giả, nhà nghiên cứu và kỹ sư quan tâm có thể khai thác các khối thiết kế Verilog HDL và sơ đồ kiến trúc phần cứng trong công trình này để ứng dụng trực tiếp vào các dự án xe tự hành, cánh tay robot công nghiệp và hệ thống giám sát thị giác thông minh.