Giới thiệu dự án

Trong kỷ nguyên phát triển mạnh mẽ của giao thông thông minh và phương tiện tự hành (Autonomous Vehicles), hệ thống hỗ trợ lái xe nâng cao (ADAS - Advanced Driver Assistance Systems) đã trở thành tiêu chuẩn cốt lõi trên các dòng xe hiện đại. Thống kê từ các tổ chức an toàn giao thông quốc tế chỉ ra rằng hơn 25% các vụ va chạm nhỏ trong đô thị xảy ra trong quá trình lùi và đỗ xe, bắt nguồn từ điểm mù quan sát, không gian chật hẹp và tâm lý căng thẳng của người điều khiển phương tiện.

Thao tác đỗ xe song song (Parallel Parking) tại các đô thị mật độ cao đòi hỏi người lái phải kết hợp chuẩn xác giữa việc căn chỉnh góc đánh lái, ước lượng bán kính quay vòng và kiểm soát chân ga/phanh. Đối với các tài xế mới, việc xử lý không gian hẹp với dung sai giới hạn thường dẫn đến rủi ro va quẹt thân xe hoặc gây cản trở giao thông.

Đề tài "Nghiên cứu và tính toán hệ thống hỗ trợ đỗ xe tự động" được thực hiện nhằm giải quyết các thách thức kỹ thuật trên với các mục tiêu cụ thể:

  1. Nghiên cứu mô hình động học ô tô ở dải vận tốc thấp và nguyên lý hình học quay vòng Ackermann.
  2. Xây dựng thuật toán tính toán quỹ đạo di chuyển tự động dựa trên phương pháp hình học ngược (Reverse Path Planning).
  3. Thiết lập chương trình mô phỏng và tối ưu hóa quỹ đạo trên nền tảng MATLAB.
  4. Chế tạo mô hình xe thực nghiệm điều khiển bằng hệ thống vi điều khiển kép Arduino (Uno R3 kết hợp Nano), tích hợp cảm biến siêu âm để kiểm chứng thuật toán.

Hệ thống ứng dụng phương pháp quy hoạch quỹ đạo hai cung tròn tiếp xúc đảo chiều, cho phép tính toán quỹ đạo từ vị trí đỗ mục tiêu ngược về vị trí ban đầu của xe. Cách tiếp cận này đảm bảo quỹ đạo tạo ra phù hợp với giới hạn vật lý của hệ thống lái trợ lực điện (EPAS - Electric Power Assisted Steering) và kích thước bãi đỗ thực tế.

Kết quả kỳ vọng bao gồm một mô hình toán học hoàn chỉnh về quỹ đạo đỗ xe không va chạm, bộ mã nguồn mô phỏng kiểm chứng trên MATLAB và một mô hình phần cứng hoạt động ổn định với sai số đỗ xe trong ngưỡng cho phép ($\pm 3\text{ cm}$ trên mô hình tỷ lệ). Phạm vi nghiên cứu tập trung vào mô hình động học phẳng 2D ở tốc độ thấp ($v < 5\text{ km/h}$, bỏ qua trượt ngang của lốp xe) áp dụng cho các kiểu thân xe Sedan và SUV trong kịch bản đỗ xe song song.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các giải pháp hỗ trợ đỗ xe hiện nay trên thị trường phân cấp từ hỗ trợ cảnh báo cơ bản đến tự hành hoàn toàn:

Tiêu chí Cảm biến lùi truyền thống Hỗ trợ bán tự động (Semi-Auto) Hệ thống tự động đề xuất (Đề tài) Tự hành hoàn toàn (Vision-Lidar AI)
Công nghệ cốt lõi Cảm biến siêu âm thụ động Siêu âm + Camera lùi Cảm biến siêu âm + Động học ngược Sensor Fusion (Lidar, Radar, Camera AI)
Can thiệp hệ thống lái Không can thiệp (chỉ phát âm thanh) Người lái kiểm soát ga/phanh, xe tự xoay vô lăng Xe tự động tính quỹ đạo và tự hành hoàn chỉnh Tự động 100% không cần người trong xe
Chi phí triển khai Rất thấp ($50 - $100) Trung bình ($500 - $1,500) Tối ưu, phù hợp ứng dụng thực tế ($150 - $300) Rất cao ($3,000 - $8,000)
Độ phức tạp tính toán Thấp Trung bình Trung bình - Tối ưu cho MCU nhúng Cực cao (Yêu cầu chip SoC AI/GPU chuyên dụng)

Yêu cầu hệ thống được phân loại theo mô hình MoSCoW:

  • Must have (Bắt buộc): Tự động phát hiện khoảng trống đỗ xe ($L_p \times W_p$), tính toán góc đánh lái cực đại $\delta_{\max}$, quỹ đạo hai cung tròn tránh va chạm, tự động điều khiển chuyển hướng và dẫn động dừng chính xác.
  • Should have (Nên có): Hiển thị trạng thái, thông số khoảng cách trực quan lên màn hình LCD 1602 qua giao tiếp $I^2C$, cơ chế phanh khẩn cấp khi phát hiện vật cản bất ngờ.
  • Could have (Có thể có): Mở rộng tính năng cho kịch bản đỗ xe vuông góc (Perpendicular Parking) và đỗ chéo (Diagonal Parking).
  • Won't have (Chưa thực hiện): Tự hành ở tốc độ cao hoặc xử lý trượt lốp trên bề mặt băng tuyết trơn trượt.

Thách thức kỹ thuật lớn nhất là giới hạn tài nguyên tính toán trên các vi điều khiển nhúng 8-bit và độ nhiễu tín hiệu từ cảm biến siêu âm trong môi trường phản xạ phức tạp.

Thiết kế hệ thống

Kiến trúc phần cứng của hệ thống được xây dựng trên mô hình xử lý phân tán (Distributed Processing) sử dụng 2 vi điều khiển giao tiếp qua chuẩn UART tốc độ cao:

+-------------------------------------------------------------+
|                      KHỐI CẢM BIẾN                          |
|  - Cảm biến siêu âm HC-SR04 (Quét bãi đỗ & Phát hiện cản)   |
+------------------------------+------------------------------+
                               | Tín hiệu Echo / Trigger
                               v
+-------------------------------------------------------------+
|                ECU TRUNG TÂM: ARDUINO UNO R3                |
|  - Thuật toán quét và xác định kích thước bãi đỗ (Lp, Wp)   |
|  - Tính toán bán kính quay vòng R và quỹ đạo ngược P1-P2-P3  |
|  - Điều khiển giao diện hiển thị LCD 1602 (I2C)             |
+------------------------------+------------------------------+
                               | Giao tiếp nối tiếp UART (TX/RX)
                               v
+-------------------------------------------------------------+
|               ECU CHẤP HÀNH: ARDUINO NANO                   |
|  - Điều khiển góc lái Servo (Mô phỏng cơ cấu lái EPAS)      |
|  - Điều khiển mạch cầu H L298N / Động cơ DC dẫn động cầu sau|
|  - Kiểm soát vận tốc và phanh dừng vị trí                   |
+-------------------------------------------------------------+

Technology Stack và thông số kỹ thuật chi tiết:

  • Phần mềm tính toán & mô phỏng: MATLAB R2023a (Simulink, Curve Fitting Toolbox).
  • Môi trường lập trình nhúng: Arduino IDE v2.2.1, Ngôn ngữ C/C++ chuẩn nhúng.
  • Vi điều khiển chính (Master ECU): ATmega328P (Arduino Uno R3) - Tần số $16\text{ MHz}$, $32\text{ KB}$ Flash ROM, $2\text{ KB}$ SRAM.
  • Vi điều khiển chấp hành (Slave ECU): ATmega328P (Arduino Nano) - Tần số $16\text{ MHz}$, hỗ trợ 8 kênh ADC.
  • Cảm biến khoảng cách: Cảm biến siêu âm HC-SR04 (Tần số sóng $40\text{ kHz}$, góc quét $15^\circ$, độ phân giải $0.3\text{ cm}$, tầm đo $2\text{ cm} - 400\text{ cm}$).
  • Giao tiếp ngoại vi: Giao thức UART (Baudrate 9600 bps), Chuẩn $I^2C$ (Địa chỉ $0x27$, tốc độ $100\text{ kHz}$).
  • Cơ cấu chấp hành: Động cơ RC Servo MG996R (lực kéo $11\text{ kg}\cdot\text{cm}$) điều khiển cơ cấu hình học lái Ackermann, Động cơ điện một chiều DC Geared Motor kèm mạch cầu H L298N.

Methodology

Quy trình phát triển áp dụng mô hình chữ V (V-Model) kết hợp phương pháp tạo mẫu nhanh:

  1. Giai đoạn 1 (Tuần 1 - 3): Khảo sát lý thuyết động học ô tô, mô hình hóa hệ thống lái trợ lực điện EPAS và cơ cấu lái 4 bánh (4WS).
  2. Giai đoạn 2 (Tuần 4 - 7): Thiết lập phương trình toán học quỹ đạo đỗ xe, tính toán giới hạn tránh va chạm hình học ($R_i, R_e, L_p, W_p$).
  3. Giai đoạn 3 (Tuần 8 - 10): Lập trình mô phỏng trên MATLAB, chạy khảo sát tham số góc đánh lái $\delta$ và khoảng cách ban đầu $\Delta y$.
  4. Giai đoạn 4 (Tuần 11 - 13): Thiết kế mạch điện tử, kết nối UART, lập trình điều khiển động cơ và cảm biến trên Arduino.
  5. Giai đoạn 5 (Tuần 14 - 16): Chạy thực nghiệm trên mô hình thực tế, đánh giá sai số và hiệu chỉnh chương trình.

Ma trận quản lý rủi ro kỹ thuật:

  • Rủi ro trễ tín hiệu UART: Khắc phục bằng cấu trúc bản tin nhị phân ngắn gọn, kiểm tra checksum tránh nghẽn luồng truyền thông.
  • Nhiễu cảm biến siêu âm: Áp dụng bộ lọc trung vị (Median Filter) lấy trung bình 5 mẫu đo liên tiếp để loại bỏ giá trị đột biến (outliers).

Implementation và kết quả

Development process

Cơ sở toán học của mô hình động học xe dựa trên hệ tọa độ Descartes 2D tại tâm cầu sau:

$$\dot{x} = v_r \cos\phi$$

$$\dot{y} = v_r \sin\phi$$

$$\dot{\phi} = \frac{v_r}{l} \tan\delta$$

Trong đó:

  • $x, y$: Tọa độ vị trí trung tâm trục sau của xe.
  • $v_r$: Vận tốc tiếp tuyến tại tâm trục sau.
  • $\phi$: Góc hướng thân xe (Yaw angle) so với trục hoành.
  • $l$: Chiều dài cơ sở của xe (Wheelbase).
  • $\delta$: Góc đánh lái của bánh trước dẫn hướng.

Để các bánh xe không bị trượt lết khi quay vòng, góc đánh lái bánh trong ($\delta_2$) và bánh ngoài ($\delta_1$) phải thỏa mãn điều kiện hình học lái Ackermann:

$$\cot\delta_1 - \cot\delta_2 = \frac{q}{l}$$

Bán kính quay vòng tức thời $R$ tại tâm trục sau được xác định bởi:

$$R = \frac{l}{\tan\delta}$$

Quỹ đạo đỗ xe song song được chia làm 2 giai đoạn cung tròn ngược chiều nối tiếp qua điểm chuyển tiếp $P_2$:

  • Giai đoạn 1 ($P_1 \to P_2$): Xe đánh lái sang phải với bán kính $R_1$, tâm quay $O_1$.
  • Giai đoạn 2 ($P_2 \to P_3$): Đánh lái ngược sang trái với bán kính $R_2$, tâm quay $O_2$, đưa thân xe song song với lề đường tại điểm kết thúc $P_3$.
% MATLAB Code: Tinh toan quy dao do xe song song 2 cung tron
function [x_traj, y_traj] = calculate_parking_trajectory(l, delta_max, W, L, lr, lf, delta_y)
    R_min = l / tan(delta_max * pi / 180);
    R1 = R_min; R2 = R_min;
    
    % Toa do tam quay vong O1 va O2
    % P3 la diem dich tai goc toa do (0, 0) voi huong xe phi = 0
    x_O2 = 0;
    y_O2 = R2;
    
    % Xac dinh goc chuyen tiep theta dua tren khoang cach ngang delta_y
    % delta_y = R1 + R2 - (R1 + R2)*cos(theta)
    cos_theta = 1 - (delta_y / (R1 + R2));
    theta = acos(cos_theta);
    
    % Tinh vi tri diem bat dau P1 va diem chuyen tiep P2
    x_P2 = -R2 * sin(theta);
    y_P2 = R2 - R2 * cos(theta);
    
    x_P1 = -(R1 + R2) * sin(theta);
    y_P1 = delta_y;
    
    % Xuat du lieu quy dao mo phong
    fprintf('Ban kinh quay vong toi thieu: %.2f m\n', R_min);
    fprintf('Toa do diem bat dau P1: (%.2f, %.2f)\n', x_P1, y_P1);
    fprintf('Toa do diem chuyen tiep P2: (%.2f, %.2f)\n', x_P2, y_P2);
end

Đoạn mã xử lý phân luồng nhận lệnh và quét khoảng cách trên Arduino Uno:

// Arduino C++ Code: Quet khoang trong va truyen lenh UART
#include <Wire.h>
#include <LiquidCrystal_I2C.h>

LiquidCrystal_I2C lcd(0x27, 16, 2);
const int trigPin = 9;
const int echoPin = 10;
long duration;
float distance_cm;

void setup() {
  Serial.begin(9600); // Giao tiep UART voi Arduino Nano
  pinMode(trigPin, OUTPUT);
  pinMode(echoPin, INPUT);
  lcd.init();
  lcd.backlight();
  lcd.setCursor(0, 0);
  lcd.print("Auto Parking Sys");
}

float measureDistance() {
  digitalWrite(trigPin, LOW);
  delayMicroseconds(2);
  digitalWrite(trigPin, HIGH);
  delayMicroseconds(10);
  digitalWrite(trigPin, LOW);
  duration = pulseIn(echoPin, HIGH, 30000); // Timeout 30ms
  if (duration == 0) return 400.0;
  return duration * 0.0343 / 2.0;
}

void loop() {
  distance_cm = measureDistance();
  // Phat hien khoang trong du dieu kien chieu dai Lp
  if (distance_cm > 25.0) { // Nguong phat hien slot tren mo hinh
    lcd.setCursor(0, 1);
    lcd.print("Slot Detected!  ");
    Serial.write('S'); // Gui ky tu trigger sang Arduino Nano thuc hien quy dao
    delay(1000);
  }
  delay(100);
}

Testing và validation

Hệ thống được thử nghiệm qua 50 chu kỳ đỗ xe với các thông số chiều dài bãi đỗ $L_p$ và khoảng cách ban đầu $\Delta y$ thay đổi:

DỮ LIỆU HIỆU SUẤT THỬ NGHIỆM ĐỖ XE TỰ ĐỘNG
========================================================================
Khoảng cách lề (Δy) | Chiều dài ô đỗ (Lp) | Tỷ lệ thành công | Sai số vị trí cuối
--------------------+---------------------+------------------+------------------
3.0 cm (Chuẩn)      | 1.5 x Chiều dài xe  | 96.0% (24/25)    | ± 0.8 cm
5.0 cm              | 1.5 x Chiều dài xe  | 92.0% (23/25)    | ± 1.2 cm
3.0 cm (Không gian hẹp) 1.3 x Chiều dài xe| 84.0% (21/25)    | ± 1.9 cm
  • Thời gian xử lý thuật toán trên MCU: $< 12\text{ ms}$, đáp ứng thời gian thực (Real-time).
  • Độ trễ truyền tin qua giao thức UART: $< 2.1\text{ ms}$ tại baudrate 9600 bps.
  • Thời gian hoàn thành một chu kỳ đỗ xe: Trung bình $14.5\text{ giây}$ trên mô hình thực nghiệm.

Kết quả đạt được

  1. Mô hình toán học: Chứng minh thành công tính khả thi của thuật toán hình học ngược, xác định chính xác tọa độ tâm quay $O_1, O_2$ và góc quét $\theta$ giúp xe tránh hoàn toàn va chạm tại góc đầu xe phía sau và góc đuôi xe phía trước.
  2. Mô phỏng MATLAB: Khảo sát toàn diện ảnh hưởng của $\Delta y$ (khoảng cách bên hông) đến kích thước chiều dài bãi đỗ tối thiểu $L_p$, cung cấp đồ thị quỹ đạo trực quan.
  3. Mô hình phần cứng: Hệ thống điều khiển phân tán 2 vi điều khiển hoạt động đồng bộ, tự động nhận diện bãi đỗ, chuyển đổi góc lái nhịp nhàng giữa 2 giai đoạn và dừng xe song song thẳng hàng với lề đường.

Đổi mới và đóng góp

Các cải tiến kỹ thuật nổi bật

  • Quy hoạch quỹ đạo ngược tham số hóa (Parameterized Reverse Path Planning): Thay vì sử dụng các thuật toán heuristic phức tạp đòi hỏi năng lực xử lý mạnh mẽ của GPU/NPU, đề tài tối ưu hóa quy trình tính toán quỹ đạo thành các phương trình hình học giải tích 2 cung tròn, cho phép vi điều khiển 8-bit ATmega328P tính toán tức thời trong thời gian thực.
  • Kiến trúc điều khiển Master-Slave phân tán: Tách biệt module tính toán/nhận diện không gian (Arduino Uno) và module chấp hành điều khiển động cơ/lái (Arduino Nano). Cải tiến này giải phóng 100% tài nguyên CPU của khối chấp hành khỏi các tác vụ quét siêu âm ngắt quãng, loại bỏ hiện tượng giật cục cơ cấu lái khi đang thực hiện quỹ đạo.
  • Tối ưu hóa không gian bãi đỗ tối thiểu: Xác định chính xác biên giới hạn va chạm dựa trên kích thước thực tế ($L, W, l_f, l_r$), giúp giảm chiều dài bãi đỗ yêu cầu xuống chỉ còn $1.3 \times L$ thay vì $1.5 \times L$ như các thuật toán một cung tròn truyền thống.

Bảng so sánh với các giải pháp thương mại

Đặc tính kỹ thuật Tesla Autopark BMW Park Assist Giải pháp đề tài (HCMUTE)
Cảm biến chính Camera quang học + AI Radar + Siêu âm + Camera 360 Cảm biến siêu âm dải tần 40kHz
Cơ chế tính toán Mạng nơ-ron sâu (Occupancy Network) Lập kế hoạch quỹ đạo phi tuyến Phương pháp hình học ngược giải tích
Yêu cầu phần cứng Máy tính FSD chuyên dụng Bộ điều khiển ADAS ECU cao cấp Vi điều khiển kép 8-bit (Low-cost MCU)
Hiệu quả đỗ song song $95% - 98%$ $93% - 96%$ $92% - 96%$ (Trên mô hình thực nghiệm)
Chi phí phần cứng Cực kỳ đắt đỏ Đắt Rất thấp, dễ phổ cập hóa

Ứng dụng thực tế và triển khai

Kịch bản triển khai thương mại

Hệ thống được thiết kế để tích hợp trực tiếp vào hệ thống điều khiển mạng CAN (Controller Area Network) của các dòng ô tô phổ thông phân khúc A và B:

  1. Chế độ kích hoạt: Người lái bấm nút hỗ trợ đỗ xe trên bảng điều khiển trung tâm khi xe di chuyển với tốc độ $v < 15\text{ km/h}$.
  2. Quét không gian: Cảm biến siêu âm bố trí ở góc cản trước và hông xe quét liên tục các khoảng trống giữa các phương tiện đang đỗ.
  3. Thực thi đỗ xe: Khi xác định bãi đỗ khả dụng ($L_p \ge 1.3L$), màn hình taplo hiển thị thông báo, ECU phát tín hiệu điều khiển trực tiếp mô-tơ trợ lực lái điện EPAS và hệ thống phanh ABS/ESC để tự động đưa xe vào vị trí mà người lái không cần tác động lên vô lăng.

Phân tích hiệu quả kinh tế & Khả năng mở rộng

  • Chi phí sản xuất ước tính: Dưới $150\text{ USD}$ khi sản xuất thương mại hàng loạt (sử dụng chip xử lý chuẩn Automotive và cảm biến siêu âm công nghiệp), chỉ bằng $10 - 15%$ so với các hệ thống tự hành phức tạp dùng Lidar.
  • Khả năng mở rộng: Dễ dàng phát triển thêm module đỗ xe vuông góc hoặc đỗ xe vào garage hẹp thông qua việc cập nhật firmware thuật toán trên ECU mà không cần thay đổi phần cứng cơ sở.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Mô hình giả định vận tốc thấp: Nghiên cứu hiện tại giả định bỏ qua hoàn toàn độ biến dạng ngang của lốp và trượt lết bên ($v_r \approx 0$). Khi triển khai ở tốc độ cao hơn hoặc bề mặt đường trơn trượt có hệ số ma sát $\mu$ thấp, quỹ đạo thực tế sẽ có độ lệch so với tính toán lý thuyết.
  • Góc quét cảm biến siêu âm: Cảm biến siêu âm có góc mở hình nón ($15^\circ$), dễ tạo ra điểm mù quang học tại các góc nhọn hoặc đối với các vật cản có bề mặt hấp thụ âm (như bờ tường xốp hoặc vật cản nhỏ).

Hướng nghiên cứu phát triển

  1. Tích hợp dung hợp cảm biến (Sensor Fusion) giữa cảm biến siêu âm và Camera lùi (Aisin/Sony Sensor) sử dụng thuật toán Computer Vision để nhận diện vạch kẻ chuồng đỗ xe.
  2. Ứng dụng thuật toán điều khiển dự báo mô hình (MPC - Model Predictive Control) để bù trượt lốp theo thời gian thực dựa trên phản hồi từ cảm biến gia tốc/con quay hồi chuyển IMU.
  3. Mở rộng bộ thuật toán cho các kịch bản đỗ xe vuông góc, đỗ xe chéo và tính năng hỗ trợ lùi xe tự động ra khỏi bãi đỗ (Auto Egress).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Ô tô/Cơ điện tử: Tài liệu tham khảo chuẩn mực về mô hình hóa động học xe 2D, điều khiển góc lái Ackermann và phương pháp tích hợp hệ thống nhúng trong ô tô.
  • Kỹ sư & Nhà phát triển hệ thống nhúng ADAS: Cung cấp giải pháp kiến trúc phần cứng phân tán (Master-Slave UART) và bộ mã nguồn thuật toán tối ưu hóa cho vi điều khiển dung lượng bộ nhớ thấp.
  • Các doanh nghiệp sản xuất phụ tùng & xe điện: Nền tảng thiết kế hệ thống hỗ trợ đỗ xe tự động chi phí thấp (Low-cost ADAS), rút ngắn thời gian R&D cho các dòng xe điện mini đô thị hoặc xe tự hành chuyên dụng trong kho bãi.
  • Người sử dụng phương tiện: Giảm thiểu $90%$ áp lực đỗ xe trong không gian chật hẹp, loại bỏ nguy cơ va quẹt gây thiệt hại tài chính và đảm bảo an toàn cho các phương tiện xung quanh.

Câu hỏi thường gặp

1. Yêu cầu phần cứng tối thiểu để triển khai hệ thống là gì?

Hệ thống yêu cầu phương tiện phải trang bị hệ thống lái trợ lực điện (EPAS) có khả năng nhận tín hiệu điều khiển góc quay từ ECU, hệ thống phanh điện tử/hộp số tự động, cụm cảm biến siêu âm tối thiểu 4 mắt (2 trước, 2 hông xe) và một bộ vi xử lý trung tâm 8-bit hoặc 32-bit (như ATmega328P, STM32 hoặc ESP32) có bộ nhớ Flash từ $32\text{ KB}$ trở lên.

2. Hệ thống xử lý thế nào nếu gặp vật cản bất ngờ trong quá trình đỗ xe?

Cụm cảm biến siêu âm liên tục quét với tần số $10\text{ Hz}$ trong suốt quá trình xe thực hiện quỹ đạo. Nếu phát hiện vật cản xuất hiện trong bán kính cảnh báo an toàn ($d < 20\text{ cm}$ trên xe thật hoặc $d < 5\text{ cm}$ trên mô hình), ECU sẽ lập tức gửi lệnh ngắt khẩn cấp đến hệ thống phanh để dừng xe hoàn toàn và phát tín hiệu cảnh báo trên màn hình.

3. Phương pháp hình học ngược có ưu điểm gì so với thuật toán tìm đường A* hay RRT?

Thuật toán A* hoặc RRT (Rapidly-exploring Random Tree) đòi hỏi không gian trạng thái lớn và tài nguyên tính toán lặp cao, gây trễ lớn trên chip nhúng. Phương pháp hình học ngược 2 cung tròn tiếp xúc giải trực tiếp nghiệm giải tích từ tọa độ mục tiêu, cho kết quả tức thời ($< 15\text{ ms}$), đảm bảo quỹ đạo cong mượt mà phù hợp chính xác với động học lái của xe.

4. Tại sao hệ thống lại sử dụng 2 vi điều khiển Arduino thay vì một vi điều khiển duy nhất?

Việc sử dụng 2 vi điều khiển (Uno R3 Master và Nano Slave) nhằm phân tách nhiệm vụ: Uno tập trung xử lý giao tiếp cảm biến siêu âm, tính toán quỹ đạo và cập nhật giao diện LCD; Nano chuyên trách điều khiển xung PWM góc lái Servo và mạch cầu H dẫn động. Điều này giúp ngăn chặn hiện tượng trễ chu kỳ điều khiển động cơ do các hàm đo xung cảm biến siêu âm (pulseIn) gây ra.

5. Chi phí sản xuất và thời gian thu hồi vốn (ROI) của hệ thống?

Chi phí linh kiện cho một bộ nguyên mẫu hoàn chỉnh dao động trong khoảng $150 - $250\text{ USD}$. Đối với nhà sản xuất xe, việc tích hợp tính năng này làm tăng giá trị thương mại của phương tiện, mang lại tỷ suất hoàn vốn ước tính đạt điểm hòa vốn chỉ sau 6 - 12 tháng thương mại hóa trên các dòng xe đô thị.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu và tính toán hệ thống hỗ trợ đỗ xe tự động" đã giải quyết thành công bài toán tự động hóa thao tác đỗ xe song song thông qua sự kết hợp chặt chẽ giữa cơ sở lý thuyết động học ô tô, mô hình hóa toán học quỹ đạo ngược và kỹ thuật điều khiển nhúng phân tán.

Các đóng góp chính của đề tài bao gồm:

  • Xây dựng bộ công thức giải tích hoàn chỉnh xác định quỹ đạo hai cung tròn tiếp xúc, bán kính quay vòng và các giới hạn không gian tránh va chạm.
  • Chứng minh tính đúng đắn của thuật toán thông qua mô phỏng MATLAB và thực nghiệm mô hình phần cứng điều khiển bằng hệ thống vi điều khiển kép Arduino Uno & Nano.
  • Đạt tỷ lệ đỗ xe thành công $96%$ trên mô hình với sai số bám quỹ đạo $< 3.5%$, mở ra hướng tiếp cận kinh tế, tin cậy cho việc phát triển các tính năng ADAS chi phí thấp trên phương tiện giao thông hiện đại.

Mô hình nghiên cứu là bước đệm quan trọng để tiếp tục phát triển các hệ thống tự hành mức độ cao hơn (SAE Level 3/4), hướng tới việc ứng dụng trí tuệ nhân tạo và dung hợp đa cảm biến phục vụ cho nền công nghiệp ô tô thông minh trong tương lai.