Báo Cáo Nghiên Cứu: Thiết Kế Và Thi Công Mô Hình Máy Bay Không Người Lái (UAV) Tự Động Bám Theo Đối Tượng Và Hạ Cánh Trên Mục Tiêu
Tóm tắt nghiên cứu (Abstract)
- Câu hỏi nghiên cứu chính (Research Question): Làm thế nào để thiết kế, chế tạo và tối ưu hóa hệ thống điều khiển tự động cho một thiết bị bay không người lái bốn cánh (Quadcopter UAV) có khả năng tự cân bằng ổn định, nhận dạng màu sắc, bám vết quỹ đạo chuyển động của mục tiêu và hạ cánh chính xác trong không gian giới hạn?
- Tổng quan phương pháp tiếp cận (Methodology Snapshot): Nghiên cứu tích hợp hệ thống phần cứng phân tầng gồm máy tính nhúng Raspberry Pi 3 (xử lý thị giác máy tính tầng cao) kết hợp vi điều khiển Arduino Uno (điều khiển đáp ứng thời gian thực tầng thấp). Hệ thống thuật toán bao gồm: bộ lọc bù (Complementary Filter) dung hợp dữ liệu cảm biến MPU-6050 (Gia tốc kế & Con quay hồi chuyển) nhằm triệt tiêu nhiễu và trôi tín hiệu; thuật toán điều khiển PID để giữ cân bằng 6 bậc tự do (6-DOF); xử lý ảnh phân đoạn màu trên không gian HSV thông qua thư viện OpenCV; và bộ lọc Kalman đệ quy để ước lượng, dự đoán quỹ đạo chuyển động của mục tiêu.
- Phát hiện chính (Key Findings): Mô hình Quadcopter hoàn chỉnh đạt khả năng bay ổn định trong điều kiện phòng thí nghiệm (thời gian bay 5–10 phút), nhận diện mục tiêu chính xác bằng màu sắc và thực hiện quy trình tiếp cận - hạ cánh tự động trên tấm bia mục tiêu kích thước $60 \times 60\text{ cm}$ với tỷ lệ đáp cánh trúng đích đạt 80%.
- Ý nghĩa ứng dụng (Implications): Kết quả mở ra giải pháp chi phí thấp nhưng hiệu quả cao cho các nhiệm vụ cứu hộ khẩn cấp, tiếp tế hàng hóa chính xác xuống tàu thuyền đang hành hải hoặc giám sát, truy bám mục tiêu di động trong các nhiệm vụ an ninh.
Bối cảnh và tầm quan trọng (Context & Significance)
1. Hiện trạng kiến thức và công nghệ (Current State of Knowledge)
Thiết bị bay không người lái (Unmanned Aerial Vehicle - UAV), đặc biệt là dòng máy bay bốn cánh (Quadcopter), đã phát triển mạnh mẽ trên toàn cầu nhờ khả năng cơ động cao, kết cấu cơ khí tối giản và khả năng cất/hạ cánh thẳng đứng (VTOL). Các tập đoàn lớn như DJI đã thương mại hóa nhiều nền tảng bay tiên tiến (DJI Inspire, Phantom) tích hợp camera độ phân giải cao và tính năng tự hạ cánh an toàn. Nhiều viện nghiên cứu quốc tế cũng đã thử nghiệm các phương thức điều khiển tinh vi như điều khiển bằng sóng não hoặc định vị quang học tự hành trong môi trường không có GPS.
2. Khoảng trống nghiên cứu (Research Gap Identified)
Tại Việt Nam, các nghiên cứu chuyên sâu về UAV phục vụ quân sự đã đạt được nhiều thành tựu lớn (tiêu biểu như các đề tài cấp Bộ Quốc phòng với mẫu MD4-1000). Tuy nhiên, ở môi trường nghiên cứu ứng dụng dân sự và học thuật sinh viên, phần lớn các đề tài Quadcopter tự chế tạo vẫn gặp trở ngại lớn về độ ổn định bay do nhiễu cơ học từ động cơ làm sai lệch dữ liệu cảm biến gia tốc, hoặc chỉ dựa hoàn toàn vào Gyroscope dẫn đến hiện tượng trôi góc tích lũy (drift). Hơn nữa, việc tích hợp thị giác máy tính thời gian thực (Computer Vision) kết hợp bộ lọc dự đoán chuyển động để UAV bám và đáp tự động xuống mục tiêu di động/cố định vẫn là một bài toán hóc búa, đòi hỏi giải pháp phối hợp chặt chẽ giữa phần cứng nhúng và phần mềm điều khiển.
3. Tính cấp thiết và phạm vi ảnh hưởng (Timeliness, Relevance & Impact)
Nghiên cứu được thực hiện tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE) và tham gia Giải thưởng Sinh viên NCKH Euréka lần thứ XX nhằm trực tiếp giải quyết bài toán tự chủ công nghệ điều khiển UAV nội địa với giá thành hợp lý. Khả năng tự động hạ cánh chính xác trên mục tiêu mở ra tiềm năng to lớn trong việc hỗ trợ hạ cánh trên các trạm sạc tự động, khoang tàu cứu hộ trên biển hoặc tiếp vận vật tư y tế trong các khu vực cách ly, thiên tai nguy hiểm.
Phương pháp nghiên cứu (Methodology & Technical Approach)
+-------------------------------------------------+
| Logitech C170 Camera (Thu nhận ảnh) |
+-------------------------------------------------+
|
v
+-------------------------------------------------+
| Raspberry Pi 3 Model B (OpenCV) |
| - Chuyển đổi không gian màu RGB -> HSV |
| - Phân ngưỡng nhận dạng vật thể |
| - Bộ lọc Kalman (Dự đoán vị trí/quỹ đạo) |
+-------------------------------------------------+
| (Tọa độ sai lệch)
v
+------------------------+ +-------------------------------------------------+
| Cảm biến MPU-6050 | | Arduino Uno R3 |
| - Accel (Gia tốc kế) | --> | - Bộ lọc bù (Complementary Filter) |
| - Gyro (Con quay HQ) | | - Bộ điều khiển cân bằng PID (Roll/Pitch/Yaw) |
+------------------------+ +-------------------------------------------------+
| (Tín hiệu xung PWM)
v
+-------------------------------------------------+
| 4x ESC SkyWalker 30A + 4x BLDC 2212 920KV |
+-------------------------------------------------+
1. Thiết kế hệ thống phần cứng (Hardware Architecture)
- Khung thân & Động lực học: Sử dụng khung sợi carbon $S500\text{ 4-Axis PCB}$ bền nhẹ, kết hợp 4 động cơ điện một chiều không chổi than ($BLDC\text{ DJI 2212 920KV}$) và 4 cánh quạt tự siết DJI Phantom 9-inch. Nguồn cấp là pin Lithium Polymer (LiPo) $3S/4S$.
- Mạch công suất & Điều tốc: 4 bộ điều tốc $ESC\text{ Hobbywing SkyWalker 30A}$ điều khiển băm xung $PWM$ ($50\text{Hz} - 432\text{Hz}$) dựa trên phản hồi điện cảm từ trường ($BEMF$) để định pha động cơ.
- Bộ xử lý trung tâm & Cảm biến: Vi điều khiển $Arduino\text{ Uno R3}$ (xử lý tín hiệu cảm biến tầng thấp với chu kỳ micro giây), máy tính nhúng $Raspberry\text{ Pi 3 Model B}$ (chạy hệ điều hành Linux xử lý luồng ảnh), camera $Logitech\text{ C170}$, cảm biến siêu âm $HC-SR04$ (đo cao độ hạ cánh) và mô-đun cảm biến 6 trục $GY-521\text{ MPU-6050}$ (tích hợp Accelerometer và Gyroscope).
2. Thuật toán dung hợp cảm biến và chống trôi (Sensor Fusion)
Để khắc phục nhược điểm cảm biến gia tốc dễ bị nhiễu cơ học tần số cao từ động cơ và con quay hồi chuyển bị trôi dần giá trị đo theo thời gian do tích phân, nhóm tác giả triển khai Bộ lọc bù (Complementary Filter) theo phương trình:
$$\text{Angle} = \alpha \cdot (\text{Angle} + \text{GyrData} \cdot \Delta t) + (1 - \alpha) \cdot \text{AccData}$$
Với hệ số lọc được tối ưu $\alpha = 0.98$, bộ lọc tận dụng $98%$ độ chính xác tức thời của Gyroscope trong ngắn hạn và $2%$ giá trị gia tốc kế không trôi trong dài hạn, triệt tiêu hoàn toàn rung chấn và đảm bảo tính liên tục của góc nghiêng không gian (Roll, Pitch, Yaw).
3. Thuật toán xử lý ảnh và dự đoán quỹ đạo Kalman
- Phân đoạn màu sắc trong không gian HSV: Luồng video từ camera được trích xuất theo thời gian thực. Thay vì xử lý ảnh xám hoặc không gian màu RGB (vốn rất nhạy cảm với sự thay đổi cường độ ánh sáng), hệ thống chuyển đổi ma trận ảnh sang không gian màu HSV ($Hue, Saturation, Value$). Thông qua việc lọc ngưỡng màu xác định, hệ thống cô lập vị trí tâm của đối tượng mục tiêu.
- Bộ lọc Kalman đệ quy (Kalman Filter): Vector trạng thái chuyển động của mục tiêu được mô hình hóa theo hệ thống tuyến tính thời gian rời rạc:
$$x[t+1] = F \cdot x[t] + v[t]$$
$$z[t+1] = H \cdot x[t+1] + w[t+1]$$
Trong đó $v[t]$ và $w[t]$ đại diện cho nhiễu hệ thống và sai số đo lường. Bộ lọc liên tục cập nhật ma trận hiệp phương sai sai số, ước lượng và dự đoán tọa độ tiếp theo của mục tiêu, triệt tiêu độ trễ khung hình và hiện tượng mất dấu khi camera chuyển động rung lắc.
4. Vòng lặp điều khiển PID (Control Loop)
Hệ thống sử dụng bộ điều khiển vi tích phân tỉ lệ ($PID$) để hiệu chỉnh sai lệch giữa góc đặt mong muốn và góc phản hồi thực tế:
$$u(t) = K_p \cdot e(t) + K_i \int_{0}^{t} e(\tau)d\tau + K_d \cdot \frac{de(t)}{dt}$$
Phương pháp chỉnh định thực nghiệm kết hợp giải tích: Khâu tỉ lệ ($K_p$) giúp phản ứng nhanh; khâu vi phân ($K_d$) đóng vai trò "hãm", triệt tiêu dao động và giảm vọt lố; khâu tích phân ($K_i$) khử triệt để sai số xác lập khi hệ thống đi vào trạng thái treo (hovering) ổn định.
Phát hiện chính và kết quả thực nghiệm (Major Findings & Results)
+-------------------------------------------------------------------+
| KẾT QUẢ THỰC NGHIỆM ĐÁP CÁNH CỦA UAV |
+------------------------------------+------------------------------+
| Chỉ số kiểm tra | Kết quả thực nghiệm |
+------------------------------------+------------------------------+
| Thời gian bay duy trì liên tục | 5 - 10 phút (Pin LiPo) |
| Kích thước tấm bia mục tiêu | 60 x 60 cm |
| Tỷ lệ hạ cánh trúng đích | 80% (Thành công 8/10 lần) |
| Xử lý ảnh thời gian thực | OpenCV trên Raspberry Pi 3 |
| Sai số bù góc nghiêng IMU | Đạt chuẩn ổn định (α = 0.98) |
+------------------------------------+------------------------------+
1. Khả năng ổn định trạng thái bay xuất sắc của bộ lọc bù
Thực nghiệm cho thấy tín hiệu góc nghiêng sau khi đi qua bộ lọc bù ($\alpha = 0.98$) loại bỏ hoàn toàn các đỉnh nhiễu nhọn do rung động motor gây ra trên gia tốc kế, đồng thời loại trừ hiện tượng trôi dạt điểm 0 của con quay hồi chuyển sau hơn 10 phút vận hành liên tục. Góc Roll và Pitch phản hồi mượt mà, giúp Quadcopter giữ vị trí cân bằng tĩnh trên không với độ rung lắc biên độ nhỏ.
2. Độ nhạy và tính kháng nhiễu quang học của không gian màu HSV
Thử nghiệm phân đoạn đối tượng trong các điều kiện chiếu sáng khác nhau khẳng định không gian màu HSV vượt trội hoàn toàn so với không gian RGB truyền thống. Việc tách biệt kênh màu ($H$) khỏi kênh cường độ sáng ($V$) cho phép thuật toán nhận diện chính xác mục tiêu ngay cả khi cường độ ánh sáng trong phòng thay đổi đột ngột hoặc xuất hiện bóng râm cục bộ do chính thân máy bay che khuất.
3. Hiệu quả bù trễ của bộ lọc Kalman trong bám vết mục tiêu
Khi mục tiêu di chuyển hoặc khi camera bị rung động trong quá trình hạ độ cao, dữ liệu tọa độ tâm mục tiêu thu nhận được thường có độ trễ và gián đoạn cục bộ. Nhờ thuật toán ước lượng đệ quy của bộ lọc Kalman, hệ thống duy trì được vector chuyển động liên tục, tính toán điểm hạ cánh đón đầu chính xác thay vì chỉ phản hồi thụ động theo tọa độ quá khứ.
4. Tỷ lệ đáp cánh thành công đạt 80%
Trong loạt 10 lần thử nghiệm hạ cánh tự động từ độ cao xác định xuống tấm bia mục tiêu $60 \times 60\text{ cm}$:
- 8/10 lần (80%): Máy bay hạ cánh an toàn, 4 chân tiếp đất nằm trọn vẹn bên trong diện tích mục tiêu.
- 2/10 lần (20%): Máy bay đáp lệch mép mục tiêu do ảnh hưởng của hiệu ứng luồng khí phản hồi từ mặt đất (Ground Effect) tác động bất đối xứng lên các cánh quạt khi tiếp cận sát bề mặt ở giai đoạn cuối.
Đóng góp khoa học và giá trị thực tiễn (Scientific Contributions)
1. Đóng góp về mặt học thuật & phương pháp luận (Theoretical & Methodological Contributions)
- Chuẩn hóa và làm sáng tỏ mô hình toán học động lực học 6 bậc tự do của Quadcopter, cung cấp tài liệu tham khảo chi tiết về tính toán mô-men quán tính, lực nâng khí động và ma trận xoay Quaternion chuyển đổi sang góc Euler.
- Chứng minh tính khả thi của mô hình phân tầng điều khiển nhúng: tách rời tác vụ tính toán thị giác nặng (Raspberry Pi/OpenCV) và tác vụ điều khiển phản hồi chu kỳ nhanh (Arduino/PID/IMU), giải quyết triệt để nút thắt cổ chai về năng lực xử lý trong các robot tự hành cỡ nhỏ.
2. Giá trị ứng dụng thực tiễn (Practical Applications)
- Logistics & Giao hàng tự động: Ứng dụng để UAV tự định vị và đáp chính xác vào các ô trạm giao nhận hàng hoặc bãi đáp sạc không dây tự động mà không cần can thiệp thủ công của con người.
- Cứu hộ hàng hải & Vùng ngập lụt: Cung cấp giải pháp cho UAV chở phao cứu sinh, thuốc men tự động nhận dạng boong tàu cứu nạn hoặc khu vực đánh dấu an toàn để hạ cánh tiếp tế.
- An ninh & Giám sát thông minh: Ứng dụng thuật toán bám vết màu và dự đoán chuyển động để tự động bám theo phương tiện vi phạm hoặc đối tượng khả nghi trong khu vực quản lý.
Đối tượng quan tâm và hưởng lợi (Target Audience)
- Giảng viên, Sinh viên & Nhà nghiên cứu Robotics: Là tài liệu tham khảo toàn diện từ lý thuyết động học, cấu tạo cơ khí, sơ đồ nguyên lý mạch điều tốc ESC/BLDC đến lập trình nhúng C++/Python cho drone.
- Kỹ sư phát triển hệ thống điều khiển tự động (Embedded Control Engineers): Tham khảo cấu trúc thuật toán dung hợp cảm biến IMU bằng Complementary Filter và kỹ thuật tinh chỉnh tham số PID thực tế.
- Doanh nghiệp phát triển giải pháp UAV ứng dụng: Nắm bắt quy trình công nghệ phát triển drone chi phí thấp phục vụ công tác kiểm tra công nghiệp, giám sát công trình và nông nghiệp thông minh.
Câu hỏi thường gặp (FAQ)
1. Phát hiện quan trọng nhất của đề tài là gì?
Đó là sự kết hợp thành công giữa thuật toán thị giác máy tính trên không gian màu HSV và bộ lọc Kalman trên nền tảng máy tính nhúng nhỏ gọn, cho phép Quadcopter đạt tỷ lệ hạ cánh tự động chính xác 80% trên mục tiêu định trước mà không cần phụ thuộc vào hệ thống định vị vệ tinh GPS trong nhà.
2. Tại sao nghiên cứu lại chọn bộ lọc bù thay vì bộ lọc Kalman cho cảm biến IMU?
Bộ lọc bù (Complementary Filter) có cấu trúc toán học nhẹ hơn rất nhiều so với Kalman, chỉ tốn rất ít chu kỳ lệnh xử lý của vi điều khiển 8-bit Atmega328 (Arduino Uno) nhưng vẫn đạt hiệu quả triệt tiêu nhiễu gia tốc kế và chống trôi con quay hồi chuyển lên tới 98%, đảm bảo tần số lấy mẫu điều khiển luôn ở mức cao và ổn định.
3. Kết quả nghiên cứu có thể tổng quát hóa (generalize) cho môi trường ngoài trời không?
Mô hình hoàn toàn có thể mở rộng ra môi trường ngoài trời. Tuy nhiên, cần tích hợp thêm mô-đun định vị vi sai RTK-GPS để ổn định vị trí thô ngoài gió lớn và cảm biến đo khoảng cách bằng Lidar/ToF thay cho cảm biến siêu âm vốn dễ bị ảnh hưởng bởi nhiệt độ và tán xạ âm thanh ngoài trời.
4. Hướng phát triển tiếp theo của đề tài là gì?
Nâng cấp thuật toán nhận diện mục tiêu từ phân ngưỡng màu sắc đơn thuần sang các mạng nơ-ron học sâu (Deep Learning như YOLO-tiny/MobileNet) để nhận diện các đối tượng hình học phức tạp; tích hợp thêm thuật toán bám quỹ đạo phi tuyến (SMC/MPC) và thử nghiệm hạ cánh trên các mục tiêu di động với vận tốc cao.
5. Những thành phần phần cứng cốt lõi của mô hình gồm những gì?
Hệ thống sử dụng khung $S500$, 4 động cơ $DJI\text{ 2212 920KV}$, 4 bộ điều tốc $SkyWalker\text{ 30A}$, vi điều khiển $Arduino\text{ Uno R3}$, máy tính nhúng $Raspberry\text{ Pi 3}$, cảm biến 6-DOF $MPU-6050$, cảm biến siêu âm $HC-SR04$ và camera $Logitech\text{ C170}$.
Kết luận (Conclusion)
Công trình nghiên cứu khoa học "Thiết kế và thi công mô hình máy bay không người lái tự động đáp cánh trên mục tiêu xác định" đã hoàn thiện thành công một mô hình Quadcopter hoàn chỉnh, chứng minh tính đúng đắn của việc kết hợp lý thuyết điều khiển tự động cổ điển (PID, Complementary Filter) với công nghệ thị giác máy tính hiện đại (OpenCV, Kalman Filter). Kết quả đạt được tỷ lệ đáp cánh 80% là nền tảng vững chắc cho các nghiên cứu chuyên sâu tiếp theo trong lĩnh vực phương tiện tự hành thông minh tại Việt Nam.
Khám phá thêm: Quý độc giả, nhà nghiên cứu và các đơn vị quan tâm có thể tiếp tục tìm hiểu chi tiết về sơ đồ thuật toán, mã nguồn điều khiển nhúng và các giải pháp tối ưu hóa khí động học cho UAV bằng cách kết nối với nhóm nghiên cứu hoặc tra cứu tài liệu tại Kho lưu trữ Công trình Nghiên cứu Khoa học Trường Đại học Sư phạm Kỹ thuật TP.HCM.
