I. Giới thiệu về Máy bay không người lái HCMUTE và khả năng bám theo đối tượng
Công trình nghiên cứu tập trung vào thiết kế và chế tạo mô hình máy bay không người lái (drone) của Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (Máy bay không người lái HCMUTE). Mục tiêu chính là phát triển khả năng bám sát và hạ cánh tự động trên một đối tượng mục tiêu đã được xác định. Công nghệ bám theo đối tượng này kết hợp thuật toán xử lý ảnh để nhận diện và dự đoán chuyển động của mục tiêu, sử dụng bộ lọc Kalman, cùng với bộ điều khiển PID để đảm bảo sự ổn định và chính xác của quá trình hạ cánh. Ứng dụng máy bay không người lái trong lĩnh vực này rất rộng mở, bao gồm giám sát an ninh, giám sát giao thông bằng drone, giám sát nông nghiệp bằng drone, và nhiều ứng dụng khác. Việc sử dụng drone giám sát an ninh hứa hẹn mang lại hiệu quả cao trong nhiều tình huống. Nghiên cứu tập trung vào việc đánh giá hiệu quả giám sát bằng drone, đặc biệt là khả năng bám theo mục tiêu hiệu quả của hệ thống giám sát bằng drone. Khả năng xử lý ảnh video drone và phân tích hình ảnh drone là yếu tố then chốt.
1.1. Tổng quan về hệ thống và cấu trúc
Hệ thống bao gồm một quadcopter (máy bay không người lái bốn cánh) được trang bị camera, các cảm biến như IMU (Inertial Measurement Unit) và MPU (Microprocessor Unit), vi điều khiển Arduino Uno, máy tính nhúng Raspberry Pi 3 Model B, bộ điều khiển PID, và phần mềm điều khiển. Thiết kế phần cứng sử dụng các linh kiện như động cơ điện một chiều không chổi than (BLDC), bộ điều tốc (ESC), cảm biến siêu âm HC-SR04. Phần mềm điều khiển drone được lập trình để xử lý dữ liệu từ camera và các cảm biến, thực hiện thuật toán bám theo mục tiêu và điều khiển bay. Thiết kế máy bay không người lái chú trọng đến độ bền và khả năng hoạt động ổn định. Khả năng bám theo của drone được đánh giá dựa trên độ chính xác khi hạ cánh trên mục tiêu. Máy bay không người lái chất lượng cao được kỳ vọng sẽ tối ưu hoá quá trình hoạt động. Hệ thống giảm sát bằng drone này là một thành tựu đáng kể trong lĩnh vực nghiên cứu máy bay không người lái HCMUTE.
1.2. Thuật toán xử lý ảnh và điều khiển bay
Thuật toán xử lý ảnh được sử dụng để xác định vị trí và dự đoán chuyển động của mục tiêu. Hình ảnh từ camera được xử lý để phân tích màu sắc và hình dạng của mục tiêu. Bộ lọc Kalman được áp dụng để làm giảm nhiễu và cải thiện độ chính xác của dự đoán chuyển động. Thuật toán theo dõi tự động giúp máy bay không người lái theo dõi đối tượng một cách liên tục. Phần mềm điều khiển drone tích hợp thuật toán điều khiển PID để ổn định tư thế và điều khiển chuyển động của quadcopter. Cảm biến MPU-6050 và hệ thống đo đạc tích hợp (IMU) cung cấp dữ liệu về hướng và gia tốc để hỗ trợ cho thuật toán điều khiển. Thuật toán đáp cánh được thiết kế để đảm bảo sự an toàn và chính xác khi hạ cánh. Các tham số của bộ điều khiển PID được tinh chỉnh để tối ưu hoá hiệu suất của hệ thống. Deep learning và mô hình nhận dạng đối tượng có tiềm năng để cải thiện độ chính xác của hệ thống trong tương lai. Khả năng bám theo của drone phụ thuộc vào chất lượng thuật toán và độ chính xác của các cảm biến. Tầm nhìn máy tính trong giám sát đóng vai trò quan trọng trong việc hoàn thiện hệ thống.
II. Kết quả và đánh giá hiệu quả
Kết quả thí nghiệm cho thấy hệ thống đạt được độ chính xác cao trong việc bám theo đối tượng. Tỷ lệ đáp cánh thành công đạt 80%, điều này chứng tỏ tính hiệu quả của hệ thống. Độ chính xác của hệ thống giảm sát được đánh giá dựa trên khoảng cách giữa điểm hạ cánh và vị trí mục tiêu. Phân tích hiệu quả giám sát cho thấy sự vượt trội so với các phương pháp truyền thống. Nghiên cứu cũng chỉ ra các yếu tố ảnh hưởng đến độ chính xác, như chất lượng hình ảnh, điều kiện môi trường, và độ chính xác của cảm biến. Tính chính xác của hệ thống giám sát là một chỉ số quan trọng để đánh giá hiệu quả của hệ thống. Máy bay không người lái giá rẻ có thể được sử dụng nhưng độ chính xác có thể bị ảnh hưởng.
2.1. Phân tích kết quả thí nghiệm
Các thí nghiệm được thực hiện trong môi trường phòng thí nghiệm. Kết quả cho thấy hệ thống hoạt động ổn định và đạt được độ chính xác cao trong việc bám theo và hạ cánh trên mục tiêu. Dữ liệu được thu thập và phân tích để đánh giá hiệu suất của hệ thống. Độ chính xác của hệ thống được tính toán dựa trên khoảng cách giữa vị trí dự đoán và vị trí thực tế của mục tiêu. Tốc độ bám theo được đánh giá dựa trên thời gian hệ thống phản hồi với sự thay đổi vị trí của mục tiêu. Khả năng chống nhiễu của hệ thống được kiểm tra bằng cách thay đổi các điều kiện môi trường. Phân tích dữ liệu cho thấy bộ lọc Kalman có hiệu quả trong việc giảm nhiễu và cải thiện độ chính xác của dự đoán. Các kết quả thí nghiệm cho thấy tiềm năng ứng dụng rộng rãi của hệ thống trong thực tế. Dữ liệu thí nghiệm hỗ trợ việc đánh giá hiệu quả giám sát bằng drone. Máy bay không người lái HCMUTE chứng minh được khả năng bám theo đối tượng hiệu quả.
2.2. Ứng dụng thực tiễn và định hướng phát triển
Hệ thống này có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực, bao gồm an ninh hàng không, giám sát giao thông, giám sát môi trường, và nông nghiệp. Giám sát bằng drone có thể giúp tiết kiệm thời gian và chi phí so với các phương pháp truyền thống. Máy bay không người lái tự động có thể được sử dụng trong các nhiệm vụ nguy hiểm mà con người khó thực hiện. Nghiên cứu tiếp theo sẽ tập trung vào việc cải thiện độ chính xác, khả năng chống nhiễu, và khả năng hoạt động trong môi trường phức tạp hơn. Tích hợp trí tuệ nhân tạo và học máy (machine learning) sẽ giúp nâng cao hiệu suất của hệ thống. Phát triển thuật toán tiên tiến sẽ giúp máy bay không người lái bám theo đối tượng chính xác hơn và nhanh hơn. Máy bay không người lái và trí tuệ nhân tạo là xu hướng phát triển trong tương lai. Công nghệ theo dõi tự động cần được hoàn thiện để đảm bảo độ tin cậy. Máy bay không người lái vần trợ tự động hoá sẽ cải thiện đáng kể năng suất lao động.
