Tổng quan luận án

Luận án tiến sĩ "Nghiên cứu phương pháp tổng hợp cảm biến dùng cho kỹ thuật dẫn đường các robot di động" được tác giả Trần Thuận Hoàng thực hiện tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội (năm 2015), thuộc chuyên ngành Kỹ thuật Điện tử (mã số 62527001), dưới sự hướng dẫn khoa học của PGS. TS. Trần Quang Vinh và PGS. TS. Bạch Gia Dương.

Vấn đề cốt lõi của kỹ thuật dẫn đường cho robot di động tự trị (Autonomous Mobile Robot) bao gồm việc giải quyết ba câu hỏi cơ bản: robot đang ở đâu (Where am I?), robot sẽ đi tới đâu (Where am I going?) và đi tới đó bằng cách nào (How should I get there?). Để thực hiện nhiệm vụ này, robot phải có khả năng tự định vị (positioning), lập bản đồ môi trường (mapping), vạch quỹ đạo chuyển động (path planning) và điều khiển bám quỹ đạo tránh vật cản (path control and obstacle avoidance).

Tính cấp thiết và khoảng trống nghiên cứu xuất phát từ các hạn chế nội tại của từng loại cảm biến đơn lẻ:

  • Phép đo odometry (sử dụng cảm biến lập mã quang trên trục bánh xe) luôn gặp phải sai số tích lũy tăng dần theo thời gian và quãng đường di chuyển.
  • Cảm biến siêu âm có giá thành thấp, tốc độ đo nhanh nhưng dễ bị tán xạ, góc mở chùm sóng rộng và sai số do phản xạ góc chéo, dẫn đến khó xác định chính xác biên dạng hình học của vật thể.
  • Camera thông thường và camera lập thể (stereo camera) phụ thuộc nhiều vào điều kiện chiếu sáng và kết cấu bề mặt, đòi hỏi khối lượng tính toán lớn nhưng độ chính xác khoảng cách trực tiếp chưa cao.
  • Cảm biến la bàn từ địa bàn (CMPS03) dễ bị biến dạng từ trường bởi các kết cấu kim loại, khung dầm thép hoặc đường dây tải điện trong nhà.
  • Cảm biến đo khoảng cách laser 2D (Laser Range Finder - LRF) tuy có độ chính xác và tốc độ lấy mẫu cao nhưng chỉ quét trên một mặt phẳng phẳng, bỏ sót các chướng ngại vật có cấu trúc biến đổi theo phương đứng (như gầm bàn, khung xà ngang).

Kỹ thuật tổng hợp cảm biến (sensor fusion) dựa trên suy luận xác suất và bộ lọc Kalman mở rộng (EKF) là giải pháp nhằm liên kết dữ liệu đo đa nguồn, giảm thiểu độ bất định và tăng độ tin cậy ước lượng trạng thái robot.

Mục tiêu nghiên cứu của luận án được xác định cụ thể:

  1. Thiết kế và chế tạo hoàn chỉnh mô hình phần cứng robot di động hai bánh vi sai tích hợp đa cảm biến phục vụ nghiên cứu thực nghiệm.
  2. Thiết kế cơ cấu cơ khí và chương trình điều khiển chuyển đổi hệ đo laser từ quét 2D thành hệ đo quét 3D với chi phí thấp.
  3. Nghiên cứu, áp dụng thuật toán tổng hợp đa cảm biến bằng bộ lọc Kalman mở rộng (EKF) kết hợp dữ liệu từ odometry, la bàn từ địa bàn, cảm biến đo xa laser và camera toàn phương để nâng cao độ chính xác định vị.
  4. Đề xuất thuật toán IPabD (Image Pressure and Barriers Detection) xây dựng bản đồ dẫn đường 2D từ tập dữ liệu không gian 3D của laser và tích hợp các giải thuật vạch đường đi (A*, Voronoi).
  5. Xây dựng bộ điều khiển chuyển động phi tuyến đảm bảo ổn định tiệm cận theo tiêu chuẩn Lyapunov kết hợp bộ lọc Kalman trong mạch điều khiển phản hồi.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng: Hệ thống robot di động tự hành hai bánh chủ động vi sai và các thuật toán xử lý tín hiệu, tổng hợp cảm biến, điều khiển chuyển động.
  • Phạm vi không gian: Môi trường trong nhà (indoor) tại phòng thí nghiệm, có các vật cản nhân tạo và vật thể chuyển động.

Tổng quan tài liệu và vị trí của luận án

Luận án đã tổng quan hệ thống các công trình nghiên cứu trong nước và quốc tế liên quan đến kỹ thuật dẫn đường và tổng hợp cảm biến cho robot di động:

Các nghiên cứu quốc tế:

  • Khung lý thuyết và bài toán dẫn đường robot di động được định hình từ các công trình nền tảng của Leonard và Durrant-Whyte (1991).
  • Các mô hình robot ứng dụng trong nhà như robot làm sạch sàn của Lawitzky (1999), robot hướng dẫn bảo tàng của Burgard và cộng sự (1999), robot chăm sóc y tế của Evans (1994), hay trong môi trường không biết trước như khai thác mỏ của Makela (2001).
  • Về cảm biến và thuật toán: Borenstein, Moravec, Elfes nghiên cứu kết hợp siêu âm và camera trên mô hình bản đồ lưới xác suất Bayes. Lacroix (2002), Perceptron (2001), Surmann (2003), Hähnel và Burgard (2003) nghiên cứu thu thập dữ liệu 3D và cải tiến máy quét 2D thành 3D phục vụ tránh vật cản.
  • Về bộ lọc Kalman mở rộng (EKF): Jensfelt (2001), Grossman (1998) sử dụng biến đổi Hough phát hiện tường; Arras và Vestli (1998), Arras và Tomatis (2000) kết hợp laser và camera dẫn đường dọc hành lang; Zhou Xiaowei (2006) trích chọn điểm gãy (breakpoint) từ laser và odometry; Panich và Afzulpurkar (2011) tích hợp con quay gyro, la bàn và camera positioning system (CaPS).
  • Về lý thuyết tổng hợp dữ liệu: Waltz (1990), Hall và Llinas (1997, 2001), Hall và McMullen (2004), Dasarathy (1997), Wald (1999), McKee (1996) định nghĩa và phân loại cấu trúc tích hợp/tổng hợp thông tin.

Các nghiên cứu tại Việt Nam:

  • Các nghiên cứu tích hợp GPS/INS phục vụ dẫn đường ngoài trời của các tác giả trong nước với sai số cho phép ở mức hàng chục mét.
  • Ứng dụng camera RGB-D (Kinect) hoặc camera lập thể để nhận dạng mốc màu và tránh vật cản (nhóm tác giả Đại học Quốc tế TP.HCM).
  • Ứng dụng vòng 12 cảm biến siêu âm trên robot di động trong nhà (Ngô Văn Thuyên, 2009), tuy nhiên hệ thống phức tạp và kết quả mang tính chất định tính.
  • Các công trình kết hợp cảm biến điều khiển xe lăn cho người khuyết tật nhưng chưa đi sâu vào bài toán định vị chính xác cao.

Khoảng trống luận án tập trung giải quyết: Tại thời điểm thực hiện, các nghiên cứu trong nước hầu như chưa đưa cảm biến đo khoảng cách laser LRF kết hợp với camera toàn phương (omni-directional camera) vào bài toán tổng hợp cảm biến cho robot di động; các phương pháp xây dựng bản đồ hầu hết chỉ dừng ở phân vùng 2D; đồng thời chưa có nhiều công trình kết hợp đồng bộ giữa thuật toán ước lượng trạng thái EKF với luật điều khiển phi tuyến ổn định Lyapunov cho robot di động hai bánh vi sai.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khái niệm sử dụng

  1. Bản chất của tổng hợp cảm biến: Quá trình kết hợp dữ liệu từ nhiều nguồn cảm biến nhằm tạo ra thông tin có độ chính xác cao hơn, giảm độ bất định so với khi sử dụng từng cảm biến riêng lẻ.
  2. Phân loại tổng hợp dữ liệu:
    • Theo mức xử lý: Mức tín hiệu/dữ liệu thô (Data level), mức đặc trưng (Feature level), mức quyết định (Decision level).
    • Theo cấu hình cảm biến: Cạnh tranh (Competitive), bổ sung (Complementary), cộng tác (Cooperative).
    • Theo kiến trúc: Kiến trúc tập trung (Centralized), kiến trúc phân tán (Distributed), kiến trúc cục bộ (Local).
  3. Phương pháp suy luận xác suất và bình phương tối thiểu:
    • Lý thuyết suy luận xác suất Bayes và Dempster-Shafer.
    • Thuật toán bộ lọc Kalman rời rạc và bộ lọc Kalman mở rộng (EKF) cho các hệ thống phi tuyến.
  4. Lý thuyết điều khiển phi tuyến: Tiêu chuẩn ổn định Lyapunov và nguyên lý bất biến LaSalle áp dụng cho hệ phương trình động học robot hai bánh vi sai.

Phương pháp nghiên cứu thực nghiệm và công cụ

Luận án kết hợp phương pháp mô phỏng số trị trên máy tính và kiểm chứng thực nghiệm trên mô hình phần cứng tự chế tạo:

  • Thiết kế cơ khí và phần cứng điện tử: Robot hai bánh chủ động vi sai, một bánh lái tự do (bánh con lăn); khối vi điều khiển trung tâm dsPIC30F4011; khối giao tiếp truyền thông USB sang RS-485 chuẩn công nghiệp; khối điều khiển động cơ PID cấp thấp (Motion Mind).
  • Hệ thống cảm biến: Bộ mã hóa quang học đo vận tốc góc bánh xe (encoder), la bàn điện tử CMPS03, cụm cảm biến siêu âm, camera toàn phương thu ảnh 360 độ sử dụng gương cầu phản xạ, máy đo khoảng cách laser LRF quét mặt phẳng kết hợp cơ cấu xoay ngẩng lên/xuống điều khiển bởi động cơ servo.
  • Kỹ thuật xử lý dữ liệu:
    • Áp dụng thuật toán biến đổi Hough để phát hiện đường thẳng đứng (vạch mốc nhân tạo cho camera toàn phương) và trích xuất đoạn thẳng tường từ dữ liệu laser.
    • Thuật toán IPabD thực hiện phép chiếu nén tập điểm 3D $(x, y, z)$ xuống mặt phẳng 2D $(x, y)$ và tính toán mật độ chiếm chỗ để thiết lập bản đồ vật cản.
    • Thuật toán A* và sơ đồ phân vùng Voronoi phục vụ vạch quỹ đạo chuyển động tối ưu.
+--------------------------------------------------------------------------------+
|                   KIẾN TRÚC TỔNG HỢP VÀ ĐIỀU KHIỂN ROBOT                       |
+--------------------------------------------------------------------------------+
|  [Cảm biến vật lý]                                                             |
|  - Encoder trục bánh xe (Odometry)  -> Vận tốc v_R, v_L                        |
|  - La bàn điện tử CMPS03            -> Góc hướng theta_C                       |
|  - Đo xa Laser LRF (Cơ cấu quét 3D) -> Tập điểm (r, phi, alpha)                |
|  - Camera toàn phương (Omni-vision) -> Góc phương vị cột mốc psi               |
|                                                                                |
|  [Khối ước lượng trạng thái - EKF]                                            |
|  - Dự báo: x_{k|k-1} = f(x_{k-1}, u_k)                                         |
|  - Cập nhật: K_k = P_{k|k-1} H_k^T [H_k P_{k|k-1} H_k^T + R_k]^{-1}            |
|  - Trạng thái hiệu chỉnh: [x, y, theta]^T                                      |
|                                                                                |
|  [Khối lập bản đồ & Vạch đường]                                                |
|  - Nén điểm 3D -> 2D (Thuật toán IPabD) -> Bản đồ lưới vật cản                 |
|  - Tìm đường: Thuật toán A* và Đồ thị Voronoi                                  |
|                                                                                |
|  [Khối điều khiển chuyển động]                                                 |
|  - Luật điều khiển phi tuyến ổn định Lyapunov -> Vận tốc v, omega              |
|  - Điều khiển phản hồi có vòng lọc Kalman                                      |
|  - Bộ điều khiển cấp thấp dsPIC30F4011 / Motion Mind                           |
+--------------------------------------------------------------------------------+

Nội dung chính theo từng chương

Chương 1: Phương pháp tổng hợp cảm biến

Chương 1 hệ thống hóa cơ sở lý thuyết về bài toán tổng hợp dữ liệu đa cảm biến phục vụ dẫn đường robot di động:

  • Trình bày định nghĩa, lịch sử phát triển và phân biệt các khái niệm: tổng hợp cảm biến (sensor fusion), tổng hợp dữ liệu (data fusion), tổng hợp thông tin (information fusion) và tích hợp cảm biến (multisensor integration).
  • Phân loại các kiến trúc tổng hợp: tập trung, phân tán, cục bộ; phân tích ưu nhược điểm của từng kiến trúc đối với yêu cầu tính toán và độ trễ truyền thông.
  • Phân tích chi tiết ba nhóm thuật toán tổng hợp chính: suy luận xác suất (Bayes, Dempster-Shafer), bình phương tối thiểu (bộ lọc Kalman, EKF) và tổng hợp thông minh (Fuzzy, Neural Network, Genetic Algorithm).
  • Thiết lập sơ đồ khối thuật toán bộ lọc Kalman rời rạc và bộ lọc Kalman mở rộng (EKF). Đối với hệ phi tuyến có phương trình trạng thái $x_k = f(x_{k-1}, u_{k-1}, w_{k-1})$ và phương trình đo $z_k = h(x_k, v_k)$, EKF tuyến tính hóa thông qua các ma trận đạo hàm riêng (Jacobian) $F_x, F_w, H_x, H_v$.
  • Phân tích chức năng và cấu trúc của hệ thống quản lý đa cảm biến (Multisensor Management System) nhằm phân bổ tài nguyên, điều lập lịch và lựa chọn chế độ hoạt động tối ưu cho từng cảm biến.
Thuật toán tổng hợp Cơ sở toán học Ưu điểm chính Hạn chế
Suy luận Bayes Xác suất có điều kiện Mô hình hóa trực quan độ bất định Chi phí bộ nhớ lớn trên bản đồ chia lưới
Dempster-Shafer Khoảng tin cậy Xử lý tốt sự không chắc chắn Độ phức tạp tính toán tăng theo cấp số mũ
Hệ Mờ - Nơ-ron Logic mờ, mạng nơ-ron Khả năng học và thích nghi Phức tạp khi số lượng cảm biến tăng
Bộ lọc EKF Ước lượng tối ưu đệ quy Tính toán ma trận nhanh, xử lý độ trễ tốt Phụ thuộc vào độ chính xác của tuyến tính hóa

Chương 2: Xây dựng mô hình robot di động đa cảm biến

Chương 2 tập trung vào thiết kế, chế tạo thực thể phần cứng và kiểm chuẩn các khối chức năng của hệ thống robot di động:

  • Kết cấu cơ khí và động lực: Khung robot hình trụ tròn, hai bánh chủ động bố trí đối xứng qua tâm điều khiển vi sai bởi hai động cơ DC gắn kèm hộp giảm tốc và bộ mã hóa quang (encoder); một bánh xe tự do hỗ trợ giữ thăng bằng.
  • Thiết kế hệ đo laser quét 3D: Luận án cải tiến máy đo khoảng cách laser 2D LRF (Laser Range Finder) bằng cách lắp đặt trên một trục quay cơ khí có động cơ servo điều khiển chuyển động ngẩng lên/xuống. Chuyển động quét dọc được xác lập qua các chu kỳ thời gian $T_v$ (ngắn và dài), dải góc quét ngang $180^\circ$ kết hợp góc ngẩng $\beta$, cho phép quét không gian hình cầu và chuyển đổi tọa độ cầu $(r, \varphi, \beta)$ sang tọa độ Descartes $(x, y, z)$.
  • Hệ thống phần cứng điện tử:
    • Bộ điều khiển chuyển động cấp thấp: Khối điều khiển Motion Mind nhận lệnh vận tốc và thực hiện vòng điều khiển PID kín cho từng bánh xe.
    • Khối vi điều khiển trung tâm: Thiết kế bo mạch dựa trên chip vi điều khiển 16-bit dsPIC30F4011 của Microchip, đảm nhiệm thu thập tín hiệu encoder, la bàn từ CMPS03, điều khiển góc ngẩng servo và giao tiếp với máy tính trung tâm.
    • Khối giao tiếp truyền thông: Thiết kế mạch chuyển đổi USB sang RS-485 sử dụng IC chuyên dụng, đảm bảo truyền dữ liệu ổn định ở khoảng cách xa với khả năng chống nhiễu cao.
  • Thực nghiệm kiểm chuẩn mô hình:
    • Đánh giá chuyển động robot: Thử nghiệm chạy thẳng cự ly 7 m và chạy theo quỹ đạo quay với các vận tốc góc khác nhau nhằm hiệu chuẩn hệ số tỉ lệ của encoder.
    • Đánh giá độ tin cậy của ảnh laser: Kiểm tra ảnh laser 2D và 3D trong các kịch bản phát hiện vật thể hình tròn cố định, phát hiện người đi bộ cắt ngang trường nhìn của LRF, và theo dõi người đứng yên khi robot di chuyển về phía trước với vận tốc $0{,}31\text{ m/s}$.

Chương 3: Tổng hợp cảm biến dùng cho định vị và lập bản đồ dẫn đường robot di động

Chương 3 là phần đóng góp cốt lõi của luận án, trình bày các cấu hình EKF và thuật toán lập bản đồ:

  • Xây dựng toán học EKF cho định vị:
    • Vector trạng thái robot: $x_k = [x_k, y_k, \theta_k]^T$.
    • Vector điều khiển đầu vào: $u_k = [\Delta s_k, \Delta \theta_k]^T$ thu được từ hệ thống odometry.
    • Quá trình dự báo: $$x_{k|k-1} = x_{k-1} + \Delta s_k \cos\left(\theta_{k-1} + \frac{\Delta \theta_k}{2}\right)$$ $$y_{k|k-1} = y_{k-1} + \Delta s_k \sin\left(\theta_{k-1} + \frac{\Delta \theta_k}{2}\right)$$ $$\theta_{k|k-1} = \theta_{k-1} + \Delta \theta_k$$
  • Các cấu hình tổng hợp cảm biến EKF:
    1. Cấu hình Odometry + La bàn từ địa bàn (CMPS03): Bổ sung số đo góc hướng $\theta_{\text{compass}}$ trực tiếp vào phương trình đo, khắc phục sự trôi góc của odometry.
    2. Cấu hình Odometry + CMPS03 + Đo khoảng cách laser (LRF): Trích xuất các đoạn thẳng (tường) bằng thuật toán ngưỡng động, chuyển đổi về dạng tham số $(\rho, \alpha)$. Thực hiện làm khớp đoạn thẳng cục bộ với bản đồ đoạn thẳng toàn cục để cập nhật cả tọa độ vị trí $(x, y)$ và góc hướng $\theta$.
    3. Cấu hình Odometry + CMPS03 + LRF + Camera toàn phương: Camera toàn phương kết hợp thuật toán biến đổi Hough phát hiện các đường thẳng đứng nhân tạo (cột mốc màu đỏ), xác định góc phương vị $\psi$. EKF kết hợp đồng thời số đo góc $\psi$ và khoảng cách laser để tối ưu hóa vector trạng thái.
  • So sánh sai số: Luận án tính toán sai số căn quân phương (RMSE - Root Mean Square Error) của các cấu hình so với quỹ đạo thực tế. Cấu hình tích hợp đầy đủ 4 loại cảm biến cho quỹ đạo ước lượng bám sát nhất với quỹ đạo chuẩn, triệt tiêu sai số tích lũy của odometry đơn lẻ.
  • Thuật toán lập bản đồ IPabD (Image Pressure and Barriers Detection):
    • Tập hợp toàn bộ điểm ảnh 3D từ hệ thống quét laser ngẩng.
    • Thực hiện thuật toán "ép ảnh" (nén theo chiều cao $z$) chiếu toàn bộ điểm lên mặt phẳng nằm ngang $Oxy$.
    • Phân tích mật độ điểm trên từng ô lưới để nhận diện vật cản và biên giới hạn di chuyển.
    • Ứng dụng bản đồ IPabD vào giải thuật tìm đường A* và giải thuật đồ thị Voronoi để xác định đường đi an toàn, tối ưu cho robot di động.

Chương 4: Điều khiển chuyển động

Chương 4 thiết kế bộ điều khiển bám quỹ đạo và ổn định tư thế cho robot di động hai bánh vi sai:

  • Mô hình động học: Thiết lập hệ phương trình vi phân mô tả chuyển động của robot trong hệ tọa độ toàn cục và hệ tọa độ cục bộ gắn với tâm trục bánh xe: $$\dot{x} = v \cos\theta, \quad \dot{y} = v \sin\theta, \quad \dot{\theta} = \omega$$
  • Thiết kế bộ điều khiển ổn định theo Lyapunov:
    • Đặt sai số vị trí và hướng giữa robot và điểm đích $(x_d, y_d, \theta_d)$ trong hệ tọa độ cục bộ là $(x_e, y_e, \theta_e)$.
    • Xây dựng hàm ứng viên Lyapunov: $$V = \frac{1}{2} (x_e^2 + y_e^2) + \frac{1 - \cos\theta_e}{k_\theta}$$ với $k_\theta > 0$.
    • Tính đạo hàm $\dot{V}$ và áp dụng nguyên lý bất biến LaSalle để chứng minh hệ thống đạt trạng thái ổn định tiệm cận toàn cục (hoặc cục bộ) với luật điều khiển vận tốc dài $v$ và vận tốc góc $\omega$ xác định.
  • Vòng điều khiển phản hồi tích hợp bộ lọc Kalman:
    • Trạng thái ước lượng từ khối EKF ở Chương 3 được đưa trực tiếp về làm tín hiệu phản hồi cho bộ điều khiển Lyapunov.
    • Kết quả mô phỏng và thực nghiệm so sánh hai trường hợp: điều khiển ổn định không có EKF (sử dụng trực tiếp số đo thô) và có EKF. Trường hợp tích hợp EKF cho thấy vận tốc góc $\omega$ và quỹ đạo chuyển động tiệm cận mượt mà về vị trí đích, triệt tiêu dao động do nhiễu đo lường gây ra.

Kết quả và những đóng góp mới

Đóng góp mới về mặt khoa học và lý luận

  1. Luận án đã xây dựng mô hình toán học và quy trình hoàn chỉnh ứng dụng bộ lọc Kalman mở rộng (EKF) để tổng hợp đồng thời dữ liệu từ 4 nguồn cảm biến khác nhau về nguyên lý và tốc độ lấy mẫu: cảm biến lập mã quang (odometry), cảm biến la bàn từ địa bàn (CMPS03), cảm biến đo khoảng cách laser (LRF) và cảm biến camera toàn phương (omni-directional camera).
  2. Đề xuất thuật toán mới IPabD (Image Pressure and Barriers Detection) cho phép xử lý, nén tập dữ liệu điểm đo 3D từ cảm biến laser thành bản đồ dẫn đường 2D, giải quyết bài toán phát hiện vật cản có hình học phức tạp theo phương đứng mà các hệ thống đo 2D thông thường không thể nhận biết.
  3. Thiết kế thành công luật điều khiển phi tuyến đảm bảo ổn định tiệm cận theo tiêu chuẩn Lyapunov kết hợp bộ lọc Kalman trong vòng phản hồi trạng thái cho hệ robot hai bánh vi sai.

Đóng góp về mặt kỹ thuật và thực tiễn

  1. Chế tạo thành công mô hình phần cứng robot di động hai bánh vi sai hoàn chỉnh tại phòng thí nghiệm, tích hợp hệ thống vi điều khiển dsPIC30F4011, mạch truyền thông công nghiệp RS-485 và các khối điều khiển động cơ PID.
  2. Thiết kế và chế tạo thành công cơ cấu quét ngẩng cơ khí điều khiển bằng servo, chuyển đổi cảm biến đo xa laser 2D thông thường thành hệ đo quét 3D, đem lại hiệu quả thu thập dữ liệu không gian với chi phí chế tạo thấp.
  3. Kiểm chứng thành công thuật toán tìm đường A* và đồ thị Voronoi trên bản đồ xây dựng từ thuật toán IPabD, chứng minh tính khả thi của hệ thống trong môi trường thực nghiệm trong nhà.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu:

  • Cảm biến đo khoảng cách laser LRF bị suy giảm độ chính xác hoặc mất tín hiệu đối với các vật thể trong suốt (như kính) hoặc bề mặt có độ bóng cao gây phản xạ gương hoàn toàn.
  • Cảm biến la bàn từ địa bàn vẫn chịu ảnh hưởng cục bộ nếu robot di chuyển quá gần các nguồn nhiễu từ trường mạnh hoặc kết cấu khung thép ngầm lớn.
  • Thời gian xử lý dữ liệu và thuật toán trích xuất đặc trưng hình ảnh còn phụ thuộc vào năng lực tính toán của máy tính điều khiển trung tâm, giới hạn tốc độ di chuyển tối đa của robot khi thực thi đa nhiệm.

Hướng nghiên cứu tiếp:

  • Tối ưu hóa thuật toán và nâng cấp phần cứng xử lý nhúng (như FPGA hoặc các bộ xử lý DSP/GPU chuyên dụng) để tăng tốc độ lấy mẫu và tính toán trực tuyến.
  • Mở rộng thuật toán tổng hợp cảm biến cho môi trường ngoài trời (kết hợp thêm GPS sai phân và INS) và các môi trường chuyển động phức tạp, nhiều vật cản động.
  • Nghiên cứu tích hợp các giải thuật định vị và lập bản đồ đồng thời (SLAM - Simultaneous Localization and Mapping) hoàn chỉnh trên nền tảng 3D.

Giá trị tham khảo

Nghiên cứu của luận án cung cấp tài liệu tham khảo trong các lĩnh vực:

  • Học viên cao học và nghiên cứu sinh chuyên ngành Kỹ thuật Điện tử, Tự động hóa, Cơ điện tử và Kỹ thuật Điều khiển: Tham khảo phương pháp toán học tuyến tính hóa hệ phi tuyến, quy trình thiết lập ma trận hiệp phương sai sai số, ma trận Jacobian trong EKF và kỹ thuật chứng minh ổn định Lyapunov.
  • Giảng viên và kỹ sư nghiên cứu phát triển robot: Tham khảo thiết kế thực tế hệ thống cơ điện tử robot di động: sơ đồ nguyên lý mạch vi điều khiển dsPIC30F4011, mạch giao tiếp USB-RS485, kỹ thuật chế tạo cơ cấu quét 3D cho cảm biến laser 2D và tích hợp phần mềm điều khiển đa luồng.
  • Các đơn vị phát triển xe tự hành (AGV) công nghiệp: Tham khảo thuật toán lập bản đồ IPabD và thuật toán vạch đường đi tránh vật cản ứng dụng cho xe tự hành hoạt động trong nhà xưởng hoặc kho hàng thông minh.

Câu hỏi thường gặp

1. Vector trạng thái và vector đo lường trong thuật toán EKF của luận án được định nghĩa như thế nào?

Vector trạng thái cần ước lượng của robot di động là vector 3 chiều $x_k = [x_k, y_k, \theta_k]^T$, trong đó $(x_k, y_k)$ là tọa độ vị trí của tâm robot trong hệ tọa độ toàn cục và $\theta_k$ là góc hướng của robot so với trục $X$. Vector đo lường $z_k$ thay đổi tùy theo cấu hình:

  • Với la bàn từ: $z_k = [\theta_{\text{compass}}]^T$.
  • Với laser LRF: $z_k = [\rho_i, \alpha_i]^T$ biểu diễn khoảng cách trực giao và góc nghiêng của các đoạn thẳng tường.
  • Với camera toàn phương: $z_k = [\psi_m]^T$ biểu diễn góc phương vị tới cột mốc quang học thẳng đứng.

2. Luận án đã giải quyết hạn chế của cảm biến laser 2D như thế nào để quét được không gian 3D?

Tác giả đã tự thiết kế một cơ cấu cơ khí phụ trợ gồm trục quay truyền động bởi động cơ servo có điều khiển vận tốc PID. Máy đo khoảng cách laser 2D LRF được gắn trên cơ cấu này để quét ngẩng lên và xuống theo góc dọc $\beta$. Kết hợp góc quét ngang $180^\circ$ của chùm tia laser và góc quét ngẩng $\beta$, hệ thống thu thập được tập hợp điểm trong không gian hình cầu $(r, \varphi, \beta)$ và quy đổi toán học sang tọa độ 3D $(x, y, z)$.

3. Thuật toán IPabD hoạt động theo nguyên lý nào?

IPabD (Image Pressure and Barriers Detection) là thuật toán do tác giả đề xuất nhằm xử lý đám mây điểm 3D thu được từ hệ thống quét laser ngẩng. Thuật toán thực hiện "ép ảnh" (chiếu nén không gian $z$) toàn bộ tập điểm 3D xuống mặt phẳng ngang $Oxy$, sau đó phân tích mật độ phân bố của các điểm ảnh chiếu để phát hiện biên của các chướng ngại vật (kể cả các vật cản nhô ra ở tầm cao hoặc tầm thấp), từ đó tự động hình thành bản đồ lưới 2D phục vụ tìm đường.

4. Vai trò của bộ lọc Kalman trong mạch điều khiển chuyển động ở Chương 4 là gì?

Trong Chương 4, bộ điều khiển phi tuyến ổn định Lyapunov cần các biến trạng thái sai số $(x_e, y_e, \theta_e)$ để tính toán vận tốc đặt $v$ và $\omega$. Nếu dùng trực tiếp dữ liệu đo từ các cảm biến riêng lẻ, nhiễu đo lường sẽ gây dao động lớn cho tín hiệu điều khiển. Việc đưa bộ lọc Kalman/EKF vào mạch phản hồi giúp lọc sạch nhiễu ngẫu nhiên, cung cấp ước lượng trạng thái mượt mà, giúp vận tốc góc $\omega$ hội tụ tiệm cận ổn định về đích.

5. Những cảm biến cụ thể nào đã được tích hợp trên mô hình robot thực nghiệm?

Mô hình robot thực nghiệm tích hợp 5 khối cảm biến:

  1. Hai bộ mã hóa xung quang học (optical encoder) gắn trên trục hai bánh xe chủ động.
  2. Cảm biến la bàn điện tử từ địa bàn CMPS03.
  3. Cụm các mô-đun cảm biến siêu âm phát hiện vật cản gần.
  4. Cảm biến đo khoảng cách laser LRF (Laser Range Finder).
  5. Camera ảnh toàn phương (omni-directional camera) sử dụng gương cầu phản xạ 360 độ.

Kết luận

Luận án của tác giả Trần Thuận Hoàng đã giải quyết trọn vẹn bài toán dẫn đường cho robot di động hai bánh vi sai thông qua kỹ thuật tổng hợp dữ liệu đa cảm biến. Bằng việc kết hợp bộ lọc Kalman mở rộng (EKF) với 4 nguồn dữ liệu đo (odometry, la bàn từ, đo xa laser và camera toàn phương), nghiên cứu đã nâng cao độ chính xác định vị và triệt tiêu sai số tích lũy. Các đóng góp về việc chế tạo cơ cấu quét laser 3D giá thành thấp, đề xuất thuật toán lập bản đồ IPabD và thiết kế luật điều khiển ổn định tiệm cận theo tiêu chuẩn Lyapunov đã được chứng minh hiệu quả qua mô phỏng cũng như thực nghiệm tại phòng thí nghiệm.