Đồ Án HCMUTE: Xây Dựng Mô Hình Giám Sát Giao Thông Hiệu Quả

Đồ án kỹ thuật nghiên cứu hcmute xây dựng mô hình giám sát giao thông, thiết kế chi tiết, tính toán kỹ thuật theo tiêu chuẩn, đánh giá tính khả thi dự án.

• Tác giả: Phạm Hồng Đạt
• Người hướng dẫn: Th.S Trương Quang Phúc
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM
• Chuyên ngành: Công Nghệ Kỹ Thuật Máy Tính
• Đề tài: Mô Hình Giám Sát Giao Thông
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2017
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. ĐẶT VẤN ĐỀ
• 1.2. MỤC TIÊU
• 1.3. NỘI DUNG NGHIÊN CỨU
• 1.4. GIỚI HẠN
• 1.5. BỐ CỤC
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. QUY TRÌNH XỬ LÝ ẢNH
• 2.1.1. Tổng quan về xử lý ảnh
• 2.1.2. Các quá trình xử lý ảnh
• 2.1.3. Ảnh và biễu diễn ảnh
• 3. CHƯƠNG 3: TÍNH TOÁN VÀ THIẾT KẾ
• 4. CHƯƠNG 4: THI CÔNG HỆ THỐNG
• 5. CHƯƠNG 5: KẾT QUẢ, NHẬN XÉT, ĐÁNH GIÁ
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Mô hình Giám sát Giao thông tại HCMUTE Tổng quan

Đồ án tốt nghiệp "Xây dựng Mô hình giám sát giao thông" tại Trường Đại học Sư phạm Kỹ thuật TP. HCM (HCMUTE) năm 2017 tập trung vào việc phát triển một hệ thống giám sát giao thông thông minh. Đồ án sử dụng các công nghệ hiện đại như xử lý ảnh, truyền dữ liệu không dây, và hiển thị thông tin thời gian thực để giải quyết vấn đề ùn tắc và tai nạn giao thông. Hệ thống giám sát giao thông này được thiết kế để đo tốc độ phương tiện, thu thập và phân tích dữ liệu giao thông, và hiển thị thông tin trên bảng quang báo. Đây là một ứng dụng giám sát giao thông có tiềm năng ứng dụng thực tiễn cao, đặc biệt trong bối cảnh giao thông đô thị phức tạp như Thành phố Hồ Chí Minh.

1.1. Mục tiêu và Phương pháp

Mục tiêu chính của đồ án là xây dựng một mô hình giám sát giao thông hiệu quả, cung cấp thông tin thời gian thực về tình hình giao thông. Phương pháp nghiên cứu bao gồm: Nghiên cứu lý thuyết về xử lý ảnh, thu thập dữ liệu giao thông, và quản lý giao thông thông minh. Thiết kế và triển khai hệ thống giám sát giao thông sử dụng Kit Raspberry Pi 3, module ESP8266 NodeMCU, Arduino Uno R3, và camera giám sát giao thông. Phát triển phần mềm xử lý ảnh dựa trên thư viện OpenCV và truyền dữ liệu thông qua webserver. Phân tích giao thông HCMUTE được thực hiện thông qua việc phân tích luồng giao thông và tốc độ xe. Cuối cùng, thực tế ảo giám sát giao thông được mô phỏng để đánh giá hiệu quả của hệ thống.

1.2. Công nghệ và Thiết bị

Đồ án ứng dụng nhiều công nghệ tiên tiến. Camera giám sát giao thông trên Raspberry Pi 3 thu thập hình ảnh. Xử lý ảnh bằng thư viện OpenCV giúp xác định tốc độ xe. Module ESP8266 NodeMCU truyền dữ liệu không dây lên webserver. Dữ liệu giao thông được lưu trữ và xử lý trên Google Spreadsheet. Arduino Uno R3 điều khiển bảng quang báo. Hệ thống giám sát giao thông sử dụng các sensor giám sát giao thông (mặc dù không được đề cập cụ thể trong phần tóm tắt). Việc tích hợp các công nghệ này tạo nên một hệ thống giám sát giao thông hoàn chỉnh, tương tác. Công nghệ giám sát giao thông này có thể được mở rộng để tích hợp với các hệ thống khác như Google Maps giao thông.

II. Phân tích và Đánh giá Mô hình

Đồ án thể hiện sự hiểu biết tốt về các công nghệ xử lý ảnh và truyền dữ liệu. Tuy nhiên, đồ án chỉ là một mô hình giám sát giao thông, chưa được triển khai trên quy mô lớn. Một số hạn chế được nêu ra bao gồm: chất lượng hình ảnh từ camera giám sát giao thông Raspberry Pi 3 còn hạn chế, kích thước bảng quang báo nhỏ, và khả năng mở rộng hệ thống còn giới hạn. Mặc dù có hạn chế, đồ án vẫn có giá trị nghiên cứu đáng kể. Nó chứng minh khả năng ứng dụng trí tuệ nhân tạo (AI) giao thông và Internet of Things (IoT) giao thông trong lĩnh vực giám sát giao thông. Phân tích lượng giao thông cũng được thực hiện, mặc dù chưa có chi tiết cụ thể.

2.1. Ưu điểm và Nhược điểm

Ưu điểm: Đồ án sử dụng các công nghệ hiện đại và khả thi. Nó cung cấp một giải pháp tổng thể cho việc giám sát giao thông, từ thu thập dữ liệu đến hiển thị thông tin. Giải pháp giám sát giao thông này có thể được áp dụng trong nhiều bối cảnh khác nhau. Nhược điểm: Mô hình còn nhỏ, chưa được thử nghiệm trong điều kiện thực tế phức tạp. Chất lượng hình ảnh và khả năng xử lý dữ liệu cần được cải thiện. Việc tích hợp với các hệ thống giao thông hiện có cần được nghiên cứu thêm. Dữ liệu giao thông thu thập được cần được xử lý và phân tích sâu hơn để đưa ra các kết luận chính xác hơn về tình hình giao thông.

2.2. Ứng dụng thực tiễn và Hướng phát triển

Mô hình có tiềm năng ứng dụng thực tiễn cao. Nó có thể được sử dụng để cải thiện an toàn giao thông, giảm thiểu ùn tắc, và hỗ trợ quản lý giao thông thông minh. Hướng phát triển trong tương lai bao gồm: nâng cấp camera giám sát giao thông để tăng chất lượng hình ảnh và vùng quan sát, sử dụng Big data giao thông để phân tích dữ liệu hiệu quả hơn, tích hợp với các hệ thống giao thông thông minh khác, và phát triển các thuật toán xử lý dữ liệu giao thông phức tạp hơn. Việc ứng dụng mô hình dự báo giao thông cũng là một hướng phát triển tiềm năng. Tối ưu hóa giao thông là mục tiêu cuối cùng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh kinh tế - xã hội tăng trưởng, tình trạng gia tăng tai nạn giao thông và ùn tắc tại các đô thị lớn trở thành vấn đề cấp bách, ảnh hưởng trực tiếp đến tính mạng con người cũng như hoạt động lưu thông hàng ngày. Thực tế cho thấy ý thức chấp hành pháp luật giao thông của một bộ phận người dân chưa cao, trong khi hạ tầng giao thông chịu áp lực quá tải. Xuất phát từ thực trạng đó, đề tài "Xây dựng mô hình giám sát giao thông" được thực hiện bởi nhóm tác giả Phạm Hồng Đạt và Lê Khắc Anh Khoa, dưới sự hướng dẫn của ThS. Trương Quang Phúc tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (Khoa Điện - Điện Tử, ngành Công nghệ Kỹ thuật Máy tính), nhằm đề xuất một giải pháp kỹ thuật tự động theo dõi, phân tích lưu lượng và hỗ trợ điều tiết giao thông.

Mục tiêu nghiên cứu của đề tài là ứng dụng kỹ thuật xử lý ảnh số để xác định tốc độ và mật độ phương tiện di chuyển, từ đó xây dựng mô hình thực nghiệm hệ thống giao thông thông minh có khả năng đưa ra cảnh báo lộ trình cho người tham gia giao thông và tự động điều khiển thời gian chu kỳ đèn tín hiệu.

Nhiệm vụ nghiên cứu được văn bản phân định thành 6 nội dung cụ thể:

1. Nghiên cứu các tài liệu liên quan đến kỹ thuật xử lý ảnh, quy trình truyền nhận và quản lý dữ liệu từ sách báo, tài liệu chuyên ngành và diễn đàn khoa học.
2. Cài đặt hệ điều hành Raspbian, cấu hình thư viện xử lý ảnh OpenCV, NumPy, SciPy cho Raspberry Pi 3 và máy tính cá nhân; thiết lập môi trường Arduino IDE cho module ESP8266 NodeMCU; tính toán và lựa chọn linh kiện phần cứng tối ưu chi phí.
3. Nghiên cứu kiến trúc máy chủ web, phương thức truyền và nhận dữ liệu qua giao thức mạng, cơ chế xuất dữ liệu hiển thị trên bảng quang báo LED ma trận P10.
4. Thiết kế, chế tạo mạch in, lắp ráp khung giá đỡ cho kit Raspberry Pi 3 và module Pi Camera, gia công trụ đèn giao thông và tích hợp toàn bộ mô hình vật lý.
5. Vận hành thử nghiệm mô hình thực tế, đo đạc và đối chiếu các thông số thực nghiệm với giá trị tính toán lý thuyết nhằm đánh giá mức độ sai số và khả năng thích nghi.
6. Tổng kết đánh giá, rút ra kết luận và đề xuất các hướng phát triển mở rộng cho hệ thống.

Về đối tượng và phạm vi nghiên cứu, đối tượng nghiên cứu là mô hình giám sát giao thông ứng dụng thị giác máy tính kết hợp hệ thống nhúng và mạng truyền thông không dây. Phạm vi không gian của mô hình thử nghiệm được thiết kế với camera lắp đặt ở độ cao cách mặt đường 25 cm (văn bản đối chiếu khoảng cách lắp đặt thực tế ngoài đời là từ 10 đến 20 mét). Phạm vi công nghệ tập trung vào xử lý luồng video thời gian thực từ camera 5MP trên hệ điều hành Raspbian, lưu trữ dữ liệu trung gian qua nền tảng đám mây và hiển thị thông tin cảnh báo tại giao lộ. Thời gian thực hiện và nghiệm thu công trình vào năm 2017.

Cơ sở lý thuyết và phương pháp

Nghiên cứu dựa trên nền tảng lý thuyết thị giác máy tính và biểu diễn ảnh số trong hệ thống Raster. Văn bản phân tích quy trình xử lý ảnh tổng quát qua 5 giai đoạn: thu nhận ảnh, tiền xử lý, phân đoạn ảnh, tách trích đặc tính và nhận dạng - giải thích. Về cấu trúc dữ liệu, ảnh số được biểu diễn dưới dạng ma trận hai chiều $I(n, p)$. Ảnh đầu vào từ camera là ảnh màu RGB 24-bit (sử dụng 3 byte cho mỗi điểm ảnh để biểu diễn các kênh màu đỏ, lục, lam với giá trị từ 0 đến 255), sau đó được chuyển đổi sang ảnh mức xám 8-bit ($f_{max} = 255$) để giảm dung lượng tính toán. Mối quan hệ lân cận giữa các điểm ảnh được xem xét qua mô hình 4 láng giềng và 8 láng giềng.

Về phương pháp nghiên cứu thực nghiệm, tác giả áp dụng hai giải pháp thị giác máy tính:

• Phương pháp trừ nền (Background Subtraction): Trừ nền độc lập giữa nền tĩnh và từng khung hình tức thời, tính trung bình các khung hình để loại bỏ tĩnh vật, kết hợp phân ngưỡng và biến đổi hình thái học nhằm phát hiện phương tiện chuyển động.
• Phương pháp luồng quang lượng (Optical Flow): Kỹ thuật Lucas-Kanade được sử dụng để ước lượng vector chuyển động $(u, v)$ của các điểm ảnh giữa hai khung hình liên tiếp. Giả định cơ sở là cường độ sáng của đối tượng không thay đổi theo thời gian: $I(x, y, t) = I(x + \delta x, y + \delta y, t + \delta t)$. Khai triển chuỗi Taylor bậc nhất dẫn đến phương trình lưu lượng quang:

$$I_x u + I_y v + I_t = 0$$

Trong đó $I_x, I_y, I_t$ là đạo hàm riêng của cường độ sáng theo trục ngang, trục dọc và thời gian. Hệ phương trình được biểu diễn dưới dạng ma trận $A u = b$ và giải bài toán cực tiểu hóa $||A u - b||^2$ bằng phương pháp bình phương tối thiểu: $A^T A u = A^T b$. Tác giả phân loại xử lý trên ba vùng không gian: vùng biên, vùng thuần nhất (tính theo Gradient chuẩn hóa) và vùng kết cấu (giải bằng quy tắc Cramer).

Phương pháp xác định tốc độ phương tiện được tính toán dựa trên quỹ tâm của hộp giới hạn đối tượng. Khoảng cách dịch chuyển của quỹ tâm giữa khung hình thứ $i$ và $i-1$ có tọa độ $(a, b)$ và $(e, f)$ được tính theo công thức khoảng cách Euclid:

$$D = \sqrt{(a - e)^2 + (b - f)^2} \quad (\text{pixel})$$

Với tốc độ thu nhận của camera là 25 khung hình/giây (fps), khoảng thời gian giữa hai khung hình liên tiếp là $\Delta t = 0{,}04$ giây. Vận tốc phương tiện $V$ được xác định theo biểu thức:

$$V = \frac{k \cdot D}{\Delta t}$$

Trong đó $k$ là hệ số tỷ lệ thực nghiệm chuyển đổi từ khoảng cách điểm ảnh (pixel) sang khoảng cách vật lý thực tế. Mật độ phương tiện trên đường được ước lượng tương đối thông qua tổng số lượng điểm đặc trưng được camera theo dõi đồng thời.

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc phần cứng và phần mềm phân tán, gồm 6 khối chức năng chính: khối thu nhận hình ảnh, khối xử lý 1 (đo tốc độ), khối máy chủ web (lưu trữ trung gian), khối xử lý 2 (truy xuất dữ liệu), khối quang báo (hiển thị) và khối nguồn cấp.

Khối chức năng	Phần cứng / Nền tảng	Thông số kỹ thuật chính	Vai trò trong hệ thống
Thu nhận hình ảnh	Module Pi Camera V1	Cảm biến OV5647 5MP, khẩu độ cố định, góc nhìn $53^\circ$, hỗ trợ 1080p30, 720p60, 640x480p60/90	Quay video, liên tục chụp và truyền các khung hình qua cáp ribbon CSI về bộ xử lý
Khối xử lý 1	Raspberry Pi 3 Model B	CPU Broadcom BCM2837 4 nhân 64-bit 1.2 GHz, 1 GB LPDDR2 RAM, Wi-Fi 802.11 b/g/n, OS Raspbian	Chuyển đổi ảnh xám, chạy thuật toán Lucas-Kanade đo tốc độ, gửi dữ liệu lên máy chủ
Khối máy chủ web	Google Spreadsheet & Google Apps Script	Triển khai dạng Web App, cung cấp giao diện lập trình ứng dụng HTTP/HTTPS GET/POST API	Lưu trữ trực tuyến bảng dữ liệu tốc độ và mật độ phương tiện từ xa
Khối xử lý 2	Module ESP8266 NodeMCU	SoC Wi-Fi 2.4 GHz (802.11 b/g/n), Flash 4 MB, bộ nhớ EEPROM, giao tiếp UART, SPI, I2C, 11 chân GPIO	Đọc dữ liệu từ máy chủ web qua Wi-Fi lưu vào EEPROM, điều khiển đèn tín hiệu và truyền dữ liệu
Mạch đèn tín hiệu	Mạch in tích hợp 5 IC 74HC595	5 IC ghi dịch 74HC595 điều khiển hiển thị LED 7 đoạn đếm lùi và hệ thống đèn LED 3 màu	Nhận tín hiệu điều khiển từ ESP8266 để tự động thay đổi thời gian đèn theo mật độ giao thông
Khối quang báo	Arduino Uno R3 kết hợp LED ma trận P10	ATmega328P 16 MHz, LED P10 đơn sắc đỏ $320 \times 160$ mm (32 cột, 16 hàng), quét 1/4 chu kỳ, 4500 mcd	Nhận dữ liệu từ ESP8266 qua UART (chân RX0, TX1) và quét hiển thị thông tin cảnh báo lộ trình
Khối nguồn	2 bộ Adapter nguồn 5V/1A	Nguồn xung 5V độc lập có bảo vệ quá áp	Cung cấp nguồn riêng biệt: 01 bộ cho trạm xử lý camera, 01 bộ cho trạm điều khiển hiển thị

Quy trình phần mềm được phân chia thành các luồng độc lập nhằm tránh gián đoạn hệ thống:

• Xử lý trên Raspberry Pi 3: Lập trình bằng ngôn ngữ Python trên nền tảng IDLE, gọi các thư viện OpenCV, NumPy, SciPy, Gspread, Sys, JSON. Khung hình thu thập từ Pi Camera được đưa về ảnh mức xám, trích xuất điểm đặc trưng, áp dụng thuật toán Lucas-Kanade để xác định quỹ đạo và tính toán vận tốc. Do quá trình xử lý ảnh diễn ra liên tục trong khi thao tác truyền dữ liệu lên máy chủ web đòi hỏi độ trễ mạng, hệ thống sử dụng cơ chế ngắt định thời (ngắt timer) để định kỳ kích hoạt luồng phụ gửi dữ liệu lên Google Spreadsheet thông qua tài khoản dịch vụ API mà không làm đứng tiến trình đo.
• Xử lý tại trạm ngã tư: Module ESP8266 NodeMCU kết nối Wi-Fi cục bộ, gửi yêu cầu HTTPS GET định kỳ đến kịch bản Google Apps Script để trích xuất số liệu tốc độ trung bình và mật độ mới nhất, ghi vào bộ nhớ EEPROM nội tại. Căn cứ vào dữ liệu này, ESP8266 xuất xung kích hoạt chuỗi 5 IC ghi dịch 74HC595 để điều chỉnh thời gian xanh - đỏ của cột đèn giao thông; đồng thời chuyển tiếp chuỗi dữ liệu vận tốc qua cổng nối tiếp UART sang Arduino Uno R3. Vi điều khiển Arduino thực hiện hàm quét LED để hiển thị thông điệp khuyến nghị lộ trình lên bảng ma trận P10.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 trình bày tính cấp bách của tình hình an toàn giao thông và tình trạng ùn tắc tại Việt Nam. Tác giả xác định mục tiêu áp dụng kỹ thuật máy tính vào việc giám sát và điều tiết luồng xe. Chương này công bố 6 nội dung nghiên cứu chi tiết, chỉ ra các giới hạn kỹ thuật của mô hình thử nghiệm (giới hạn góc quan sát của Pi Camera, kích thước hiển thị của module LED P10 đơn sắc) và phác thảo cấu trúc 6 chương của toàn văn đồ án.

Chương 2: Cơ sở lý thuyết

Nội dung chương 2 tập trung vào hai cơ sở lý luận chính: quy trình xử lý ảnh và quy trình quản trị dữ liệu qua mạng. Tác giả phân tích chi tiết các định dạng ảnh số (ảnh nhị phân, ảnh màu, ảnh xám), cấu trúc ma trận điểm ảnh Raster và giới thiệu tổng quan thư viện thị giác máy tính OpenCV. Chương này cũng giải thích cơ chế hoạt động của máy chủ web, mô hình điện toán đám mây Google Spreadsheet, phương thức tương tác API thông qua Google Apps Script, đồng thời công bố đầy đủ thông số kỹ thuật phần cứng của Raspberry Pi 3, ESP8266 NodeMCU, Arduino Uno R3, cảm biến Pi Camera V1 và module LED P10.

Chương 3: Tính toán và thiết kế

Chương 3 triển khai cơ sở toán học của kỹ thuật luồng quang lượng Optical Flow. Tác giả chứng minh toán học phương pháp Lucas-Kanade, giải thích cách giải ma trận vận tốc bằng phương pháp bình phương tối thiểu và biểu diễn ba trạng thái không gian điểm ảnh (biên, vùng thuần nhất, vùng kết cấu). Chương này thiết lập công thức tính khoảng cách điểm ảnh Euclid $D = \sqrt{(a-e)^2 + (b-f)^2}$ và công thức xác định vận tốc xe $V = (k \cdot D) / \Delta t$ với $\Delta t = 0{,}04$ giây. Sơ đồ khối tổng thể gồm 6 khối chức năng và sơ đồ nguyên lý ghép nối toàn hệ thống được xây dựng hoàn chỉnh tại chương này.

Chương 4: Thi công hệ thống

Chương 4 mô tả toàn bộ quá trình hiện thực hóa phần cứng và phần mềm. Về phần cứng, tác giả trình bày bản vẽ mạch in điều khiển đèn tín hiệu sử dụng 5 IC 74HC595, quy trình lắp đặt Pi Camera trên cột trụ ở khoảng cách 25 cm hướng xuống lòng đường, kết nối Raspberry Pi 3 và bố trí cụm ESP8266 - Arduino Uno - bảng LED P10 tại vị trí ngã tư. Về phần mềm, chương này cung cấp chi tiết lưu đồ thuật toán chương trình chính, lưu đồ chương trình con đo tốc độ, lưu đồ ngắt timer gửi dữ liệu lên Google Spreadsheet, lưu đồ tiếp nhận dữ liệu từ máy chủ web và thuật toán quét hiển thị bảng quang báo.

Chương 5: Kết quả nhận xét đánh giá

Chương 5 ghi lại các kết quả thực nghiệm thu được từ mô hình vật lý. Tác giả công bố hình ảnh quá trình bóc tách chuyển động phương tiện từ camera, kết quả truyền dữ liệu thử nghiệm từ Raspberry Pi 3 lên giao diện Google Spreadsheet, kết quả dữ liệu phản hồi về module ESP8266 qua Wi-Fi và tín hiệu nhận được trên board Arduino Uno R3 qua cổng giao tiếp UART. Chương này đưa ra những nhận định thực nghiệm về độ ổn định truyền thông, tốc độ phản hồi của hệ thống và đánh giá mô hình hoàn chỉnh khi vận hành thực tế.

Chương 6: Kết luận và hướng phát triển

Chương 6 tổng kết các hạng mục đã hoàn thành của đồ án tốt nghiệp, khẳng định mô hình đã thực thi đúng chu trình từ thu nhận hình ảnh, xử lý tính toán tốc độ, đồng bộ máy chủ web đến điều khiển đèn giao thông và hiển thị cảnh báo. Đồng thời, chương này chỉ rõ các hướng phát triển kỹ thuật để nâng cấp hệ thống phục vụ ứng dụng thực tế.

Kết quả và đóng góp

Nghiên cứu đã chế tạo và vận hành thành công một mô hình thực nghiệm hoàn chỉnh về hệ thống giám sát và điều tiết giao thông tự động. Về mặt kỹ thuật, hệ thống đạt được các kết quả cụ thể gồm:

• Thiết lập quy trình thu nhận hình ảnh từ Pi Camera ở tốc độ 25 khung hình/giây với chu kỳ quét $\Delta t = 0{,}04$ giây, chuyển đổi thành công luồng video sang ảnh mức xám và trích xuất điểm ảnh phục vụ thuật toán.
• Ứng dụng thành công thuật toán luồng quang lượng Lucas-Kanade trên kit nhúng Raspberry Pi 3, nhận diện được quỹ đạo chuyển động, tính toán khoảng cách dịch chuyển điểm ảnh và suy ra vận tốc di chuyển cùng mật độ tương đối của phương tiện.
• Xây dựng cơ chế truyền thông hai chiều qua Internet: Raspberry Pi 3 sử dụng ngắt timer gửi dữ liệu thành công lên bảng tính Google Spreadsheet qua Google Apps Script API; module ESP8266 truy xuất chính xác dữ liệu từ đám mây qua sóng Wi-Fi và ghi thành công vào bộ nhớ EEPROM.
• Hoàn thiện mạch điều khiển đèn giao thông sử dụng 5 IC ghi dịch 74HC595 hiển thị LED 7 đoạn và đèn tín hiệu, tự động thay đổi chu kỳ đếm lùi dựa trên dữ liệu giao thông; kết nối thành công chuẩn truyền thông nối tiếp UART để truyền dữ liệu từ ESP8266 sang Arduino Uno R3, quét nội dung văn bản cảnh báo rõ ràng trên bảng LED ma trận P10 ngoài trời.

Về đóng góp học thuật và kỹ thuật, đề tài đã kế thừa các nghiên cứu trước đó nhưng cải tiến bằng cách đưa kỹ thuật xử lý ảnh số thời gian thực trực tiếp lên phần cứng nhúng Raspberry Pi 3 thay vì phụ thuộc hoàn toàn vào máy tính cá nhân. Giải pháp tận dụng dịch vụ đám mây Google Spreadsheet làm máy chủ trung gian giúp giảm thiểu tối đa chi phí hạ tầng mạng cho một hệ thống IoT giám sát giao thông quy mô thử nghiệm.

Hạn chế và hướng nghiên cứu tiếp

Theo công bố của các tác giả, đề tài mang tính chất mô hình thử nghiệm nên còn tồn tại một số hạn chế kỹ thuật:

• Module Pi Camera V1 (độ phân giải 5MP, góc quan sát $53^\circ$) có tầm bao quát hẹp và chất lượng quang học hạn chế hơn so với các dòng camera IP chuyên dụng ngoài trời.
• Khoảng cách lắp đặt camera trên mô hình chỉ đạt 25 cm, chưa phản ánh đầy đủ các yếu tố nhiễu môi trường, độ rung lắc cơ học và điều kiện chiếu sáng biến đổi phức tạp ở khoảng cách thực tế từ 10 đến 20 mét.
• Bảng quang báo LED ma trận P10 sử dụng loại đơn sắc màu đỏ với kích thước hiển thị nhỏ ($320 \times 160$ mm), giới hạn khả năng trình bày đa dạng thông tin và hình ảnh cảnh báo.
• Hệ thống hoạt động phụ thuộc vào chất lượng đường truyền Wi-Fi cục bộ và chưa tích hợp tính năng nhận dạng biển số phương tiện vi phạm.

Hướng phát triển tiếp theo được tác giả đề xuất bao gồm:

• Thay thế module camera bằng các thiết bị camera IP góc rộng chuyên dụng có khả năng hoạt động ổn định trong mọi điều kiện thời tiết thực tế.
• Nâng cấp màn hình hiển thị sang các tấm LED ma trận kích thước lớn hơn hoặc module LED ma trận đa màu (RGB) nhằm trực quan hóa các cảnh báo giao thông sinh động.
• Mở rộng thuật toán để tích hợp các tính năng nâng cao như nhận dạng biển số xe tự động và phân loại phương tiện tham gia giao thông.
• Phát triển liên kết mạng lưới truyền thông giữa nhiều nút giao thông khác nhau trên toàn đô thị, hình thành một hệ thống giám sát đồng bộ diện rộng giúp phân luồng giao thông tổng thể.

Giá trị tham khảo

Báo cáo đồ án là tài liệu tham khảo thực nghiệm phù hợp cho sinh viên các ngành Công nghệ Kỹ thuật Máy tính, Điện tử - Viễn thông, Kỹ thuật Điều khiển và Tự động hóa hoặc Công nghệ Thông tin đang thực hiện đồ án tốt nghiệp về hệ thống nhúng và IoT.

Nội dung đặc biệt hữu ích nằm ở phương pháp tích hợp thuật toán xử lý ảnh số (Lucas-Kanade Optical Flow) trên môi trường kit máy tính bảng đơn Raspberry Pi 3 sử dụng ngôn ngữ Python và thư viện OpenCV. Ngoài ra, giải pháp kỹ thuật sử dụng Google Apps Script và Google Spreadsheet làm máy chủ lưu trữ trung gian qua giao thức HTTPS API cung cấp một cách tiếp cận khả thi, chi phí thấp cho các bài toán truyền nhận dữ liệu giữa các vi điều khiển không đồng nhất (Raspberry Pi, ESP8266, Arduino) qua mạng Wi-Fi và chuẩn giao tiếp nối tiếp UART.

Câu hỏi thường gặp

Hệ thống tính toán tốc độ phương tiện di chuyển dựa trên những tham số và công thức nào?
Tốc độ được tính toán dựa trên khoảng cách dịch chuyển của quỹ tâm đối tượng qua hai khung hình liên tiếp $D = \sqrt{(a-e)^2 + (b-f)^2}$ (pixel), với thời gian giữa hai khung hình là $\Delta t = 0{,}04$ giây (tương ứng tốc độ quay 25 fps của camera). Tốc độ thực tế được xác định qua công thức $V = (k \cdot D) / \Delta t$, trong đó $k$ là hệ số hiệu chỉnh chuyển đổi từ khoảng cách điểm ảnh sang khoảng cách thực tế.

Tại sao hệ thống phải sử dụng ngắt timer để gửi dữ liệu từ Raspberry Pi 3 lên Webserver?
Tiến trình xử lý ảnh và đo tốc độ phương tiện đòi hỏi phải thu nhận và tính toán liên tục từng khung hình trong thời gian thực. Trong khi đó, việc gửi dữ liệu qua mạng Internet lên Webserver yêu cầu một khoảng thời gian trễ nhất định để thiết lập kết nối và phản hồi. Do đó, tác giả sử dụng ngắt timer để tách biệt việc truyền dữ liệu thành một luồng độc lập, định kỳ kích hoạt chu kỳ gửi mà không làm gián đoạn luồng xử lý ảnh chính.

Hạ tầng Webserver trong đề tài được thiết lập bằng công nghệ gì và trao đổi dữ liệu như thế nào?
Hệ thống sử dụng bảng tính trực tuyến Google Spreadsheet làm cơ sở dữ liệu máy chủ web, kết hợp với công cụ lập trình Google Apps Script được triển khai dưới dạng ứng dụng web (Web App). Dữ liệu được gửi từ Raspberry Pi 3 lên máy chủ và truy xuất từ ESP8266 NodeMCU về thông qua giao thức mạng HTTP/HTTPS sử dụng phương thức GET/POST API, với các thông số xác thực được đóng gói trong tập tin JSON.

Các khối phần cứng trao đổi dữ liệu với nhau tại trạm hiển thị và điều khiển ngã tư bằng phương thức nào?
Tại trạm ngã tư, module ESP8266 NodeMCU nhận dữ liệu tốc độ và mật độ từ máy chủ web qua sóng Wi-Fi rồi lưu vào bộ nhớ EEPROM. Sau đó, ESP8266 truyền dữ liệu này sang vi điều khiển Arduino Uno R3 thông qua chuẩn giao tiếp nối tiếp UART (kết nối trực tiếp vào chân nhận RX0 và chân truyền TX1 của Arduino). Đồng thời, ESP8266 kết nối với mạch in gồm 5 IC ghi dịch 74HC595 để điều khiển hệ thống đèn giao thông và LED 7 đoạn.

Mạch điều khiển đèn tín hiệu giao thông trong mô hình sử dụng linh kiện gì để giải mã hiển thị?
Mạch điều khiển đèn tín hiệu giao thông sử dụng 5 IC ghi dịch 74HC595 nhận lệnh điều khiển từ module ESP8266 để thực hiện giải mã, mở rộng chân điều khiển và kích thị dữ liệu đếm ngược lên các LED 7 đoạn cùng hệ thống đèn giao thông ba màu (xanh, vàng, đỏ).

Kết luận

Đồ án tốt nghiệp "Xây dựng mô hình giám sát giao thông" của nhóm tác giả tại Trường Đại học Sư phạm Kỹ thuật TP.HCM đã thiết kế và chế tạo thành công một mô hình thực nghiệm giám sát giao thông tích hợp thị giác máy tính và IoT. Nghiên cứu đã hiện thực hóa giải thuật luồng quang lượng Lucas-Kanade trên Raspberry Pi 3 để đo đạc vận tốc xe từ luồng video, đồng thời thiết lập cơ chế đồng bộ dữ liệu đám mây qua Google Spreadsheet API. Thông qua mạng truyền thông Wi-Fi và chuẩn nối tiếp UART, hệ thống tự động điều phối chu kỳ đèn tín hiệu qua 5 IC 74HC595 và hiển thị thông tin cảnh báo lộ trình lên bảng LED ma trận P10, tạo tiền đề kỹ thuật rõ ràng cho việc phát triển các hệ thống giao thông thông minh quy mô lớn trong tương lai.

Trích đoạn nội dung tài liệu

đặt vấn đề dẫn nhập lý do chọn đề tài, mục tiêu, nội dung nghiên cứu, các giới hạn thông số và bố cục đồ án.  Chương 2: Cơ sở lý thuyết Nội dung chương này trình bày tất cả các nội dung lý thuyết có liên quan tới đề tài, các thông số kỹ thuật, nguyên lý hoạt động của các module có trong hoạt động của hệ thống. Từ đó lựa chọn linh kiện cho phù hợp với đề tài m,à lại tốn ít chi phí nhất.  Chương 3: Tính toán thiết kế Chương này sẽ trình bày sơ đồ khối của hệ thống, chức năng, nhiệm vụ của từng khối.

Các thuật toán, phương pháp được sử dụng để giải quyết trong đề tài. Quy trình hoạt động của hệ thống, các tính toán để thiết kế, xây dựng hệ thống hoàn chỉnh.  Chương 4: Thi công hệ thống Chương này chủ yếu trình bày, giải thích cụ thể, chi tiết lưu đồ, giải thuật. Thi công hệ thống, thống kê các kết quả mô phỏng được của hệ thống trên PC cũng như chạy hệ thống ngoài điều kiện thực tế.

 Chương 5: Kết quả, nhận xét, đánh giá Chương này sẽ trình bày các nhận xét, đánh giá những gì đề đã làm được của đề tài. Mức độ hoạt động, sai số của đề tài khi triển khai vào thực tế. Những gì của đề tài còn tồn tại lại. Những kiến thức gì đã học được từ việc làm đè tài.

 Chương 6: Chương này tổng kết lại quá trình thực hiện của đề tài, sản phẩm thu được từ việc thực hiện đề tài, hướng phát triển của đề tài, nhằm làm cho đề tài phong phú hơn, tính khả thi của đề tài sẽ được áp dụng tốt hơn. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 3 do an CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Chương 2.1 QUY TRÌNH XỬ LÝ ẢNH 2.1 Tổng quan về xử lý ảnh Xử lý ảnh là đối tượng nghiên cứu của lĩnh vực thị giác máy, là quá trình biến đổi từ một ảnh ban đầu sang một ảnh mới với các đặc tính và tuân theo ý muốn của người sử dụng. Xử lý ảnh có thể gồm quá trình phân tích, phân lớp các đối tượng, làm tăng chất lượng, phân đoạn và tách cạnh, gán nhãn cho vùng hay quá trình biên dịch các thông tin hình ảnh của ảnh.

Cũng như xử lý dữ liệu bằng đồ hoạ, xử lý ảnh số là một lĩnh vực của tin học ứng dụng. Xử lý dữ liệu bằng đồ họa đề cập đến những ảnh nhân tạo, các ảnh này được xem xét như là một cấu trúc dữ liệu và được tạo bởi các chương trình. Xử lý ảnh số bao gồm các phương pháp và kỹ thuật biến đổi, để truyền tải hoặc mã hoá các ảnh tự nhiên. Mục đích của xử lý ảnh gồm: Biến đổi ảnh làm tăng chất lượng ảnh.

Tự động nhận dạng ảnh, đoán nhận ảnh, đánh giá các nội dung của ảnh. Nhận biết và đánh giá các nội dung của ảnh là sự phân tích một hình ảnh thành những phần có ý nghĩa để phân biệt đối tượng này với đối tượng khác, dựa vào đó ta có thể mô tả cấu trúc của hình ảnh ban đầu. Có thể liệt kê một số phương pháp nhận dạng cơ bản như nhận dạng ảnh của các đối tượng trên ảnh, tách cạnh, phân đoạn hình ảnh. Kỹ thuật này được dùng nhiều trong y học (xử lý tế bào, nhiễm sắc thể), nhận dạng chữ trong văn bản.

Trong đề tài này, ảnh được thu nhận từ tự nhiên được thu nhận qua các thiết bị thu (camera của Raspberry Pi3). Trước đây, ảnh thu qua Camera là các ảnh tương tự. Gần đây, với sự phát triển của công nghệ, ảnh màu hoặc đen trắng được lấy ra từ Camera, sau đó nó được chuyển trực tiếp thành ảnh số tạo thuận lợi cho các tiến trình xử lý tiếp theo.2 Các quá trình xử lý ảnh Hình 2.1: Quá trình xử lý ảnh. Thu nhận ảnh Đây là công đoạn đầu tiên mang tính quyết định đối với quá trình xử lý ảnh.

Ảnh đầu vào sẽ được thu nhận qua các thiết bị như: camera, sensor, máy scanner,v.v… và sau đó các BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 4 do an CHƯƠNG 2. CƠ SỞ LÝ THUYẾT tín hiệu này sẽ được số hóa. Việc lựa chọn các thiết bị thu nhận ảnh sẽ phụ thuộc vào đặc tính của các đối tượng cần xử lý. Các thông số quan trọng ở bước này là độ phân giải, chất lượng màu, dung lượng bộ nhớ và tốc độ thu nhận ảnh của các thiết bị.

Tiền xử lý Quá trình sử dụng các kỹ thuật xử lý ảnh để làm ảnh tốt lên theo mục đích sử dụng. Ý nghĩa của quá trình này là điều chỉnh độ chiếu sáng để khắc phục hậu quả của việc chiếu sáng không đều, giảm nhỏ thành phần nhiễu của các đối tượng ngoài ý muốn xuất hiện trong ảnh, hiệu chỉnh giá trị độ sáng giữa nền và đối tượng và chuẩn hoá độ lớn, màu, hình dạng của ảnh, điều chỉnh bộ lọc để khuyếch đại và nén các tần số. Phân đoạn Phân đoạn ảnh là bước then chốt trong xử lý ảnh. Giai đoạn này phân tích ảnh thành những thành phần có cùng tính chất nào đó dựa theo biên hay các vùng liên thông.

Tiêu chuẩn để xác định các vùng liên thông có thể là cùng màu, cùng mức xám v.v… Mục đích của phân đoạn ảnh là để có một miêu tả tổng hợp về nhiều phần tử khác nhau cấu tạo lên ảnh thô. Vì lượng thông tin chứa trong ảnh rất lớn, trong khi đa số các ứng dụng người sử dụng chỉ cần trích một vài đặc trưng nào đó, do vậy cần có một quá trình để giảm lượng thông tin khổng lồ đó. Quá trình này bao gồm phân vùng ảnh và trích chọn đặc tính chủ yếu. Tách các đặc tính Kết quả của bước phân đoạn ảnh thường được cho dưới dạng dữ liệu điểm ảnh thô, trong đó hàm chứa biên của một vùng ảnh, hoặc tập hợp tất cả các điểm ảnh thuộc về chính vùng ảnh đó.

Trong cả hai trường hợp, sự chuyển đổi dữ liệu thô này thành một dạng thích hợp hơn cho việc xử lý trong máy tính là rất cần thiết. Để chuyển đổi chúng, câu hỏi đầu tiên cần phải trả lời là nên biểu diễn một vùng ảnh dưới dạng biên hay dưới dạng một vùng hoàn chỉnh gồm tất cả những điểm ảnh thuộc về nó. Biểu diễn dạng biên cho một vùng phù hợp với những ứng dụng chỉ quan tâm chủ yếu đến các đặc trưng hình dạng bên ngoài của đối tượng, ví dụ như: các góc cạnh và điểm uốn trên biên chẳng hạn. Biểu diễn dạng vùng lại thích hợp cho những ứng dụng khai thác các tính chất bên trong của đối tượng, ví dụ như vân ảnh hoặc cấu trúc xương của nó.

Sự chọn lựa cách biểu diễn thích hợp cho một vùng ảnh chỉ mới là một phần trong việc chuyển đổi dữ liệu ảnh thô sang một dạng thích hợp hơn cho các xử lý về sau. Người sử dụng còn phải đưa ra một phương pháp mô tả dữ liệu đã BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 5 do an CHƯƠNG 2. CƠ SỞ LÝ THUYẾT được chuyển đổi đó sao cho những tính chất cần quan tâm đến sẽ được làm nổi bật lên, thuận tiện cho việc xử lý chúng. Nhận dạng và giải thích Đây là bước cuối cùng trong quá trình xử lý ảnh.

Nhận dạng ảnh có thể được nhìn nhận một cách đơn giản là việc gán nhãn cho các đối tượng trong ảnh. Ví dụ đối với nhận dạng chữ viết, các đối tượng trong ảnh cần nhận dạng là các mẫu chữ, ta cần tách riêng các mẫu chữ đó ra và tìm cách gán đúng các ký tự của bảng chữ cái tương ứng cho các mẫu chữ thu được trong ảnh. Giải thích là công đoạn gán nghĩa cho một tập các đối tượng đã được nhận biết. Người sử dụng cũng có thể thấy rằng, không phải bất kỳ một ứng dụng xử lý ảnh nào cũng bắt buộc phải tuân theo tất cả các bước xử lý đã nêu ở trên, ví dụ như các ứng dụng chỉnh sửa ảnh nghệ thuật chỉ dừng lại ở bước tiền xử lý.

Một cách tổng quát thì những chức năng xử lý bao gồm cả nhận dạng và giải thích thường chỉ có mặt trong hệ thống phân tích ảnh tự động hoặc bán tự động, được dùng để rút trích ra những thông tin quan trọng từ ảnh, ví dụ như: các ứng dụng nhận dạng ký tự quang học, nhận dạng chữ viết tay v.3 Ảnh và biễu diễn ảnh a. Khái niệm về ảnh đen trắng, ảnh màu, ảnh đa cấp xám. Ảnh trong thực tế là một ảnh liên tục cả về không gian và giá trị độ sáng. Để có thể xử lý ảnh bằng máy tính thì cần thiết phải tiến hành số hóa ảnh.

Quá trình số hóa biến đổi các tín hiệu liên tục sang tín hiệu rời rạc thông qua quá trình lấy mẫu (rời rạc hóa về không gian) và lượng tử hóa các thành phần giá trị mà về nguyên tắc bằng mắt thường không thể phân biệt được hai điểm liền kề nhau. Các điểm như vậy được gọi là các pixel hay các phần tử ảnh hoặc điểm ảnh. Ảnh số (Digital image): đây là đối tượng mà máy tính xử lý. Ảnh số chỉ là một ma trận 2 chiều, và việc xử lý chúng chỉ là những thao tác trên ma trận này sao cho ra kết quả hợp lý.

Ví dụ một bức ảnh số có độ phân giải 640x480 nghĩa là chiều ngang có 640 điểm ảnh (pixel), chiều dọc có 480 điểm ảnh, và mỗi điểm ảnh được biểu diễn bằng một con số. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 6 do an CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Hình 2.2: Mô tả cấu tạo của ảnh số. Tùy theo giá trị dùng để biểu diễn điểm ảnh mà người ta phân ra 3 loại ảnh chính: Ảnh nhị phân (binary image): đó là những bức ảnh mà mỗi điểm ảnh chỉ là những điểm đen hoặc trắng, được quy định bằng một bit.

Nếu bit mang giá trị là 0 thì điểm ảnh là điểm đen, còn nếu mang giá trị là 1 thì điểm ảnh là điểm trắng. Do đó để biểu diễn một điểm ảnh đen trắng ta có thể dùng một ma trận nhị phân, là ma trận mà mỗi phần tử chỉ nhận một trong hai giá trị là 0 hoặc 1.3:Kết quả cho hình ảnh nhị phân. Mỗi màu có giá trị từ 0 đến 255.4: kết quả hình ảnh cho ảnh màu BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP 7 do an CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Ảnh xám (gray image): giá trị mỗi điểm ảnh nằm trong giải giá trị từ 0 đến 255, nghĩa là cần 8 bits hay 1 byte để biểu diễn mỗi điểm ảnh này.