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 vào năm 2015, dưới sự hướng dẫn khoa học của PGS. TS. Trần Quang Vinh và PGS. TS. Bạch Gia Dương. Công trình thuộc chuyên ngành Kỹ thuật Điện tử (mã số 62 52 70 01), ngành Công nghệ Điện tử Viễn thông.

Tính cấp thiết và khoảng trống nghiên cứu

Dẫn đường cho robot di động tự trị (autonomous mobile robot) là bài toán cốt lõi nhằm giải quyết ba câu hỏi kinh điển do Leonard và Durant-Whyte (1991) đề xuất: "Robot đang ở đâu?" (Where am I?), "Robot sẽ đi tới đâu?" (Where am I going?), và "Robot đi tới đó bằng cách nào?" (How should I get there?). Để trả lời câu hỏi thứ nhất, robot cần định vị chính xác vị trí và hướng trong không gian hoạt động. Tuy nhiên, việc sử dụng các cảm biến đơn lẻ luôn bộc lộ các hạn chế kỹ thuật do can nhiễu và bản chất vật lý của từng loại thiết bị:

  • Phép đo odometry (sử dụng bộ lập mã quang trục quay bánh xe) gặp phải hiện tượng tích lũy sai số theo quãng đường di chuyển (dead-reckoning drift) do trượt bánh, ma sát và sự không đồng đều của cơ cấu cơ khí.
  • Cảm biến siêu âm có giá thành thấp, tốc độ nhanh nhưng góc mở chùm sóng rộng, dễ bị đọc chéo (cross-talk) và khó xác định chính xác kích thước hình học của vật cản.
  • Camera thu hình thông thường và camera lập thể phụ thuộc lớn vào điều kiện ánh sáng, kết cấu bề mặt và đòi hỏi khối lượng tính toán lớn nhưng không đo trực tiếp được khoảng cách hình học chính xác.
  • Cảm biến từ - địa bàn dễ bị biến dạng trường đo bởi từ trường cục bộ của hệ thống dây dẫn điện và kết cấu kim loại trong nhà.
  • Cảm biến đo xa laser (Laser Range Finder - LRF) đạt tốc độ và độ chính xác cao nhưng chỉ quét trên mặt phẳng 2D, không phát hiện được các vật thể có hình dạng thay đổi theo phương đứng (như mặt bàn, dầm ngang) và bị hạn chế trước bề mặt trong suốt.

Khoảng trống nghiên cứu được luận án xác định là: Các nghiên cứu trước đây đa số chỉ dừng lại ở việc tổng hợp từ hai cảm biến riêng lẻ, chưa kết hợp đồng thời đa cảm biến có chu kỳ lấy mẫu và độ trễ xử lý khác nhau; tại Việt Nam chưa có công trình nào kết hợp cảm biến đo xa laser 3D tự thiết kế và camera toàn phương cho dẫn đường trong nhà; đồng thời việc gắn kết kết quả tổng hợp cảm biến với bộ điều khiển chuyển động phi tuyến đảm bảo tính ổn định tiệm cận theo tiêu chuẩn Lyapunov chưa được khảo sát đầy đủ.

Mục tiêu nghiên cứu

Mục tiêu chính của luận án là nghiên cứu thực nghiệm, đề xuất và tiến hành các phương pháp sử dụng kỹ thuật tổng hợp cảm biến nhằm nâng cao độ chính xác, độ tin cậy của phép định vị, lập bản đồ và điều khiển chuyển động bám quỹ đạo cho mô hình robot di động hai bánh vi sai được chế tạo tại phòng thí nghiệm.

Cụ thể, luận án giải quyết các nhiệm vụ:

  1. Thiết kế, chế tạo hoàn chỉnh phần cứng robot di động hai bánh vi sai đa cảm biến, tự động hóa cơ cấu quét dọc mở rộng máy quét laser 2D thành hệ thống thu nhận dữ liệu 3D.
  2. Xây dựng thuật toán tổng hợp đa cảm biến bằng bộ lọc Kalman mở rộng (Extended Kalman Filter - EKF) kết hợp số liệu từ bộ lập mã trục quay, cảm biến từ - địa bàn, cảm biến đo xa laser và camera toàn phương.
  3. Đề xuất thuật toán nén ảnh và phát hiện vật cản IPaBD (Image Pressure and Barriers Detection) để xây dựng bản đồ dẫn đường 2D từ dữ liệu không gian 3D, ứng dụng giải thuật A* và đồ thị Voronoi để vạch đường đi.
  4. Thiết kế bộ điều khiển chuyển động ổn định tiệm cận theo hàm Lyapunov và nguyên lý bất biến LaSalle, tích hợp bộ lọc Kalman vào vòng phản hồi để triệt tiêu nhiễu đo lường.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các phương pháp tổng hợp dữ liệu đa cảm biến (EKF, suy luận xác suất Bayes), kỹ thuật xử lý dữ liệu đo xa laser 3D, thuật toán lập bản đồ dẫn đường IPaBD, và các luật điều khiển chuyển động phi tuyến theo tiêu chuẩn Lyapunov.
  • Phạm vi nghiên cứu: Mô hình robot di động dẫn động 2 bánh vi sai hoạt động trong môi trường trong nhà (indoor) tại phòng thí nghiệm; các cảm biến thực nghiệm gồm bộ lập mã quang (optical encoder), cảm biến từ - địa bàn CMPS03, cảm biến đo xa laser Hokuyo/LRF dải quét $180^\circ$ gắn cơ cấu quét ngẩng servo, và camera toàn phương (omni-directional camera).

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trong và ngoài nước

Luận án đã hệ thống hóa các công trình nghiên cứu nền tảng và chuyên sâu về tổng hợp cảm biến và dẫn đường robot:

  • Lý thuyết tổng hợp dữ liệu: Wald (1999) đề xuất khái niệm tổng hợp dữ liệu chung; Bộ Quốc phòng Mỹ (1991), Waltz (1990), Hall và Llinas (1997), Hall và McMullen (2004) hoàn thiện các định nghĩa về xử lý dữ liệu đa cảm biến. Dasarathy (1997) phân loại tổng hợp dữ liệu theo 5 mức vào - ra. McKee và cộng sự (1999) phân biệt tổng hợp trực tiếp và gián tiếp. Durant-Whyte (1988), Brooks và Iyengar (1998) phân loại ba cấu hình cảm biến: bổ sung (complementary), cạnh tranh (competitive/redundant) và cộng tác (cooperative).
  • Tổng hợp cảm biến cho định vị và lập bản đồ:
    • Buchenberger (1993), Courtney và Jain (1994) tích hợp sonar, laser và thị giác để mô hình hóa môi trường. Moravec (1988), Matthies và Elfes (1988), Yenilmez (2008) ứng dụng lưới chiếm giữ (occupancy grid) và suy luận Bayes.
    • Lacroix (2002), Perceptron (1997), Surmann (2003), Hähnel và Burgard (2003) nghiên cứu mở rộng máy quét laser 2D thành máy quét 3D phục vụ tránh vật cản.
    • Áp dụng bộ lọc EKF cho định vị: Jensfelt (2001), Grossman (1998) sử dụng biến đổi Hough phát hiện đường thẳng/tường mốc từ dữ liệu laser; Arras và Vestli (1998), Arras và Tomatis (2000) kết hợp LRF đo tường xa và camera phát hiện cạnh đứng; Zhou Xiaowei (2006) trích chọn điểm gãy (breakpoint) từ laser và odometry; Panich và Afzulpurkar (2011) tích hợp con quay gyro, compass với hệ thống định vị camera CaPS.
  • Tình hình nghiên cứu tại Việt Nam:
    • Các hệ thống ngoài trời tích hợp GPS/INS phục vụ cơ giới với sai số cho phép từ vài mét đến hàng chục mét (Đào Bá Thao, Nguyễn Kim Khánh).
    • Trong nhà: Nhóm nghiên cứu sử dụng camera KINECT nhận diện mốc màu nhân tạo; nghiên cứu của Phạm Thượng Cát và cộng sự ứng dụng đa cảm biến cho xe lăn điện; nhóm ĐH Quốc tế TP.HCM dùng camera stereo; Ngô Văn Thuyên (Đề tài B2009-22-37) dùng vòng cảm biến siêu âm nhưng kết quả chủ yếu mang tính định tính.

Khoảng trống nghiên cứu được lựa chọn giải quyết

Luận án tập trung giải quyết việc đồng bộ và kết hợp đồng thời 4 loại cảm biến có đặc tính đo lường khác biệt (odometry, địa bàn từ số, LRF, camera toàn phương) qua bộ lọc EKF; tự thiết kế cơ cấu quét ngẩng cho LRF để thu nhận đám mây điểm 3D chi phí thấp; đề xuất thuật toán ép ảnh 3D thành 2D (IPaBD) tránh vật cản phức tạp; và tích hợp bộ lọc trạng thái vào hệ điều khiển chuyển động phi tuyến theo tiêu chuẩn Lyapunov.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và khái niệm cốt lõi

  1. Lý thuyết suy luận xác suất Bayes: Sử dụng hàm mật độ xác suất và xác suất hậu nghiệm để ước tính véc-tơ trạng thái qua chuẩn MAP (Maximum A Posteriori) hoặc MMSE (Minimum Mean Square Error).
  2. Bộ lọc Kalman mở rộng (EKF): Áp dụng cho hệ thống phi tuyến có nhiễu quá trình và nhiễu đo lường Gauss trắng:
    • Phương trình trạng thái: $x_k = f(x_{k-1}, u_{k-1}, w_{k-1})$
    • Phương trình đo lường: $z_k = h(x_k, v_k)$
    • Pha dự đoán (Cập nhật thời gian): $$\hat{x}k^- = f(\hat{x}{k-1}, u_{k-1}, 0)$$ $$P_k^- = A_k P_{k-1} A_k^T + W_k Q_{k-1} W_k^T$$
    • Pha hiệu chỉnh (Cập nhật đo lường): $$K_k = P_k^- H_k^T \left( H_k P_k^- H_k^T + V_k R_k V_k^T \right)^{-1}$$ $$\hat{x}_k = \hat{x}_k^- + K_k \left( z_k - h(\hat{x}_k^-, 0) \right)$$ $$P_k = (I - K_k H_k) P_k^-$$
    • Trong đó: $A_k, W_k, H_k, V_k$ là các ma trận đạo hàm riêng Jacobian tương ứng theo biến trạng thái và biến nhiễu.
  3. Lý thuyết ổn định Lyapunov và nguyên lý bất biến LaSalle: Xây dựng hàm năng lượng $V(x) > 0$ với đạo hàm $\dot{V}(x) \le 0$ để chứng minh hệ thống điều khiển vị thế chuyển động của robot đạt tính ổn định tiệm cận toàn cục và cục bộ.

Phương pháp nghiên cứu và công cụ thực tế

  • Phương pháp mô hình hóa và mô phỏng: Xây dựng mô hình động học vi sai của robot, thiết lập các ma trận hiệp phương sai sai số ($Q, R, P$), chạy mô phỏng thuật toán trên máy tính để đánh giá hội tụ.
  • Phương pháp thực nghiệm phần cứng: Thiết kế mạch điều khiển nhúng vi điều khiển Microchip dsPIC30F4011, ghép nối truyền thông RS485 và USB; sử dụng bộ điều khiển động cơ chuyên dụng Motion Mind điều khiển PWM cho động cơ một chiều có gắn hộp giảm tốc và encoder.
  • Kỹ thuật xử lý ảnh và đo đạc: Sử dụng thuật toán biến đổi Hough để trích chọn đoạn thẳng từ dữ liệu quét laser và trích chọn đường thẳng đứng (cột mốc) từ ảnh camera toàn phương; giải thuật tìm đường A* và sơ đồ Voronoi.
+-----------------------------------------------------------------------------------+
|                              HỆ THỐNG CẢM BIẾN ROBOT                              |
|  +--------------------+  +--------------------+  +--------------+  +-----------+  |
|  | Encoder (Odometry) |  | Địa bàn từ CMPS03  |  | Laser 3D/LRF |  | Omni-Cam  |  |
|  +---------+----------+  +---------+----------+  +-------+------+  +-----+-----+  |
+------------|-----------------------|---------------------|---------------|--------+
             |                       |                     |               |
             +-----------------------+----------+----------+---------------+
                                                |
                                                v
                           +-----------------------------------------+
                           |       BỘ LỌC KALMAN MỞ RỘNG (EKF)       |
                           |   - Pha dự đoán (Mô hình chuyển động)   |
                           |   - Pha hiệu chỉnh (Dữ liệu đa cảm biến)|
                           +--------------------+--------------------+
                                                |
                               +----------------+----------------+
                               |                                 |
                               v                                 v
                 +---------------------------+     +---------------------------+
                 |    ĐỊNH VỊ & LẬP BẢN ĐỒ   |     |    ĐIỀU KHIỂN CHUYỂN ĐỘNG  |
                 | - Trích đặc trưng Hough   |     | - Luật Lyapunov (tập G, L)|
                 | - Thuật toán ép ảnh IPaBD |     | - Hồi tiếp Kalman         |
                 | - Quy hoạch A*, Voronoi   |     | - Điều khiển động cơ PID  |
                 +---------------------------+     +---------------------------+

Nội dung chính theo từng chương

Chương 1. Phương pháp tổng hợp cảm biến

Chương 1 tổng quan các nguyên lý cơ bản của kỹ thuật tổng hợp dữ liệu cảm biến (multisensor data fusion) và vai trò của nó trong bài toán dẫn đường robot di động.

Tiêu chí phân loại Các nhóm / Cấu hình cụ thể Đặc điểm kỹ thuật chính
Theo mức quản lý Mức thấp, Mức trung, Mức cao Xử lý từ dữ liệu thô, gán tính năng/chế độ đo, đến tổng hợp quyết định hệ chuyên gia.
Theo dữ liệu vào/ra (Dasarathy) 5 mức: Dữ liệu-Dữ liệu, Dữ liệu-Đặc trưng, Đặc trưng-Đặc trưng, Đặc trưng-Quyết định, Quyết định-Quyết định Chuẩn hóa mức độ trừu tượng của luồng thông tin đầu vào và đầu ra.
Theo cấu hình cảm biến Bổ sung, Cạnh tranh (Dư thừa), Cộng tác Mở rộng không gian quan sát, tăng độ tin cậy chống lỗi hỏng (fault-tolerant), hoặc tạo thông tin mới (như ảnh 3D).
Theo kiến trúc hệ thống Tập trung, Phân tán, Cục bộ Xử lý toàn bộ tại máy tính trung tâm hoặc phân chia tính toán tại các nút cảm biến độc lập.

Chương này phân tích chi tiết hiện tượng trôi dạt định vị của robot (minh họa qua thực nghiệm trên robot Nomad 200), trình bày phương pháp suy luận Bayes trên lưới ô xác suất chiếm chỗ, và thiết lập toàn bộ hệ thống phương trình toán học của bộ lọc Kalman rời rạc tuyến tính cùng bộ lọc Kalman mở rộng (EKF).

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

Chương 2 mô tả quá trình thiết kế, tích hợp cơ khí - điện tử và kiểm chuẩn mô hình robot di động hai bánh dẫn động vi sai tại phòng thí nghiệm:

  • Cơ cấu cơ khí và động lực: Robot có 2 bánh chủ động độc lập và 1 bánh lái tự lựa (caster wheel); sử dụng hai động cơ DC gắn hộp giảm tốc được điều khiển tốc độ qua mô-đun Motion Mind bằng giải thuật PID số, đạt phản hồi vận tốc bám sát giá trị đặt.
  • Hệ thống điều khiển điện tử: Trọng tâm là vi điều khiển dsPIC30F4011 kết nối với máy tính nhúng qua bo mạch chuyển đổi USB $\leftrightarrow$ RS485; hỗ trợ các chuẩn truyền thông UART, CAN và các bộ chuyển đổi tương tự - số ADC.
  • Tích hợp hệ thống cảm biến:
    • Bộ lập mã quang (optical encoder) đo số vòng quay bánh xe phục vụ tính toán odometry.
    • Cảm biến từ - địa bàn số CMPS03 đo góc hướng la bàn của robot.
    • Hệ thống cảm biến siêu âm phát hiện vật cản gần.
    • Cảm biến camera toàn phương (omni-directional camera) quan sát góc mở $360^\circ$.
    • Cảm biến đo xa laser LRF (Laser Range Finder) quét dải góc ngang $180^\circ$.
  • Cơ cấu quét ngẩng 3D cho LRF: Tác giả tự thiết kế bộ gá cơ khí truyền động với mô-tơ servo, điều khiển góc ngẩng $\alpha$ quét lên - xuống đồng bộ với góc quét ngang $\beta$. Nhờ đó, mỗi điểm đo được xác định trong không gian cầu $(r, \beta, \alpha)$ và chuyển đổi sang tọa độ Descartes 3D $(x, y, z)$.
  • Đo đạc kiểm chuẩn mô hình:
    • Robot thực nghiệm chạy thẳng 7 m và chuyển động quay với nhiều dải vận tốc khác nhau để hiệu chuẩn sai số cơ khí.
    • Kiểm tra độ tin cậy của ảnh laser 3D trước các vật thể tĩnh (hình tròn, dầm ngang) và đối tượng chuyển động (người đi ngang qua LRF, hoặc người đứng yên khi robot di chuyển tới với vận tốc $0{,}3\text{ m/s}$).

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

Chương 3 là phần trọng tâm khoa học của luận án, triển khai chi tiết các giải thuật tổng hợp dữ liệu cảm biến:

  • Định vị EKF kết hợp Odometry và Cảm biến Từ - Địa bàn: Sử dụng mô hình chuyển động vi sai làm pha dự đoán trạng thái vị thế $(x, y, \theta)$; số đo góc từ CMPS03 đóng vai trò pha hiệu chỉnh, triệt tiêu sai số trôi góc của encoder.
  • Định vị EKF tích hợp thêm Cảm biến Đo xa Laser (LRF): Áp dụng biến đổi Hough với ngưỡng động để trích xuất các đoạn thẳng môi trường (tường, vách); xác định véc-tơ đo $z_k = [\rho_i, \psi_i]^T$, ma trận Jacobian $H_k$, và nhận dạng các tham số phương sai $\text{var}(r_i), \text{var}(\psi_i)$ để xây dựng ma trận hiệp phương sai nhiễu đo $R_k$; tiến hành làm khớp đoạn thẳng cục bộ với bản đồ toàn cục.
  • Định vị EKF tích hợp Camera Toàn phương: Áp dụng xử lý ảnh nhận dạng cột mốc nhân tạo màu sắc và thuật toán Hough phát hiện đường thẳng đứng, đo góc nhìn $\gamma_k$ từ robot tới mốc; xác định ma trận đo lường và khảo sát sai số định góc.
  • Đánh giá sai số RMSE giữa các cấu hình: Luận án tổng hợp bảng so sánh sai số căn quân phương (RMSE) của quỹ đạo ước tính so với đường thực tế qua các cấu hình cảm biến khác nhau (Bảng 3.3).
Cấu hình tổng hợp cảm biến Hiện tượng sai số / Đặc điểm quỹ đạo Mức độ cải thiện độ chính xác (RMSE)
1. Chỉ Odometry (Encoder) Sai số tích lũy tăng nhanh theo quãng đường, trôi quỹ đạo lớn Sai số RMSE lớn nhất trong các thử nghiệm
2. Odometry + Địa bàn CMPS03 Khống chế được sai số trôi góc hướng $\theta$, giảm lệch hướng Cải thiện đáng kể so với cấu hình 1
3. Odometry + CMPS03 + LRF (2D/3D) Khớp chính xác các đoạn thẳng môi trường, cố định tọa độ $(x, y)$ RMSE giảm rõ rệt, bám sát quỹ đạo thực
4. Odometry + CMPS03 + LRF + Omni-Cam Tối ưu hóa góc nhìn mốc và khoảng cách vật cản đa phương Đạt giá trị RMSE nhỏ nhất, độ ổn định cao nhất
  • Giải thuật IPaBD (Image Pressure and Barriers Detection) xây dựng bản đồ:
    • Thu thập đám mây điểm 3D từ hệ thống LRF quét ngẩng.
    • Ép toàn bộ các điểm ảnh 3D theo phương thẳng đứng xuống mặt phẳng 2D $Oxy$, bảo toàn thông tin về chiều cao của các vật cản có hình dạng phức tạp (như gầm bàn, khung treo).
    • Tạo lưới bản đồ chiếm giữ 2D hoàn chỉnh.
  • Quy hoạch đường đi: Ứng dụng bản đồ tạo bởi IPaBD để chạy thuật toán A* tìm đường đi ngắn nhất và xây dựng đồ thị Voronoi tìm đường đi an toàn cách xa các vật cản.

Chương 4. Điều khiển chuyển động

Chương 4 nghiên cứu giải pháp điều khiển chuyển động cho robot di động hai bánh vi sai bám quỹ đạo dựa trên lý thuyết ổn định Lyapunov:

  • Thiết kế bộ điều khiển phi tuyến: Xây dựng mô hình động học vi sai của robot; thiết lập luật điều khiển vận tốc dài $v$ và vận tốc góc $\omega$ trên hai tập cấu hình: tập cấu hình toàn cục $G$ và tập cấu hình cục bộ $L$.
  • Chứng minh ổn định Lyapunov: Sử dụng hàm Lyapunov xác định dương và áp dụng nguyên lý bất biến LaSalle để chứng minh các sai số vị thế tiệm cận về 0 khi thời gian $t \to \infty$.
  • Tích hợp bộ lọc Kalman vào vòng phản hồi: Đưa ước lượng trạng thái từ bộ lọc Kalman vào mạch hồi tiếp điều khiển, giúp loại bỏ nhiễu đo lường của cảm biến, ngăn ngừa dao động cơ khí.
  • Kết quả mô phỏng và thực nghiệm: Vận tốc góc $\omega$ và quỹ đạo chuyển động của robot hội tụ tiệm cận ổn định mượt mà về đích khi có sử dụng bộ lọc Kalman/EKF so với trường hợp điều khiển phản hồi trực tiếp không qua lọc (Hình 4.6, 4.7, 4.8).

Kết quả và những đóng góp mới

Những đóng góp mới về mặt khoa học và kỹ thuật

Theo công bố trong văn bản luận án, các kết quả mới đạt được bao gồm:

  1. Thiết kế và chế tạo hệ thống phần cứng: Xây dựng thành công mô hình robot di động 2 bánh dẫn động vi sai tích hợp vi điều khiển dsPIC30F4011, mô-đun công suất Motion Mind điều khiển PID, cùng hệ thống đa cảm biến (encoder, địa bàn CMPS03, siêu âm, camera toàn phương, LRF).
  2. Cơ cấu mở rộng laser 3D chi phí thấp: Tự thiết kế giải pháp phần cứng cơ khí quét ngẩng điều khiển bằng servo kết hợp phần mềm thu nhận dữ liệu, biến đổi máy quét laser 2D thông thường thành hệ đo không gian 3D hoạt động chính xác và ổn định.
  3. Phương pháp tổng hợp đa cảm biến EKF toàn diện: Xây dựng và thực nghiệm thành công giải thuật EKF kết hợp đồng bộ 4 nguồn dữ liệu cảm biến khác nhau (odometry, từ - địa bàn, LRF, camera toàn phương), giải quyết bài toán sai số trích xuất đoạn thẳng và góc nhìn cột mốc, nâng cao độ chính xác ước lượng vị thế của robot.
  4. Đề xuất giải thuật lập bản đồ IPaBD: Phát triển thuật toán nén ảnh 3D thành bản đồ 2D (IPaBD), cho phép phát hiện chính xác các vật cản có kết cấu không đồng nhất theo chiều đứng mà hệ quét 2D truyền thống không thực hiện được; ứng dụng thành công cho giải thuật vạch đường A* và Voronoi.
  5. Bộ điều khiển chuyển động ổn định Lyapunov kết hợp Kalman: Thiết kế luật điều khiển ổn định tiệm cận trên hai tập cấu hình toàn cục và cục bộ, tích hợp bộ lọc Kalman vào vòng phản hồi điều khiển giúp robot chuyển động êm thuận, triệt tiêu can nhiễu.

Kiến nghị và giải pháp đề xuất

  • Ứng dụng cấu hình tổng hợp đa cảm biến EKF cho các dòng xe tự hành AGV trong nhà máy và robot dịch vụ trong nhà để loại bỏ nhu cầu dán mốc phản quang hay ray dẫn đường phức tạp.
  • Ứng dụng giải thuật IPaBD cho các bài toán lập bản đồ môi trường có nhiều chướng ngại vật dạng treo hoặc bàn ghế có chân.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

  • Các thực nghiệm định vị, lập bản đồ và điều khiển chuyển động chủ yếu được tiến hành trong môi trường trong nhà (indoor) tại phòng thí nghiệm với mặt sàn tương đối bằng phẳng.
  • Tốc độ quét 3D của cảm biến LRF còn bị giới hạn bởi quán tính cơ học của cơ cấu quét ngẩng servo, chưa đáp ứng tối ưu cho các chuyển động ở vận tốc cao.
  • Cảm biến từ - địa bàn và camera vẫn chịu tác động nhất định khi môi trường có biến dạng từ trường cục bộ quá lớn hoặc cường độ ánh sáng thay đổi đột ngột.

Hướng phát triển tương lai

  1. Nghiên cứu nâng cao tốc độ quét và xử lý dữ liệu đám mây điểm 3D thời gian thực trên các nền tảng phần cứng nhúng hiệu năng cao (như FPGA hoặc DSP chuyên dụng).
  2. Mở rộng thuật toán tổng hợp cảm biến cho môi trường ngoài trời (outdoor) hoặc các địa hình phức tạp, kết hợp thêm các bộ đo quán tính đa trục (IMU/INS 6-DOF/9-DOF).
  3. Phát triển các giải thuật điều khiển thích nghi thông minh kết hợp mạng nơ-ron và logic mờ để tối ưu hóa việc tự động chỉnh định các ma trận hiệp phương sai nhiễu $Q_k$ và $R_k$ trong bộ lọc Kalman.

Giá trị tham khảo

Luận án là tài liệu kỹ thuật và học thuật có giá trị cho các đối tượng:

  • Nghiên cứu sinh, học viên cao học và sinh viên ngành Kỹ thuật Điện tử, Tự động hóa, Cơ điện tử, Công nghệ Thông tin: Tham khảo phương pháp toán học xây dựng bộ lọc Kalman mở rộng (EKF), các ma trận Jacobian đạo hàm riêng, kỹ thuật xử lý ảnh (biến đổi Hough cho camera toàn phương và laser), cùng lý thuyết chứng minh ổn định Lyapunov cho hệ phi tuyến vi sai.
  • Kỹ sư thiết kế và phát triển robot: Tham khảo sơ đồ nguyên lý mạch điện tử dsPIC30F4011, mạch giao tiếp USB $\leftrightarrow$ RS485, cơ chế ghép nối mô-đun Motion Mind, và giải pháp cơ khí quét ngẩng biến LRF 2D thành 3D.
  • Các nhà phát triển thuật toán SLAM và AGV: Tham khảo giải thuật ép ảnh IPaBD và phương pháp tích hợp bản đồ với các thuật toán tìm đường tối ưu A* và đồ thị Voronoi.

Câu hỏi thường gặp

1. Tại sao phép đo odometry đơn thuần không đủ tin cậy cho dẫn đường robot di động?

Phép đo odometry sử dụng bộ lập mã quang gắn trên trục bánh xe để tính toán quãng đường và góc quay dựa trên số xung đếm được. Trong thực tế, các yếu tố như sự trượt bánh trên mặt sàn, ma sát cơ khí không đồng đều, sai số đường kính bánh xe và độ rơ hộp giảm tốc tạo ra hiện tượng tích lũy sai số theo thời gian và quãng đường (dead-reckoning drift). Khi quãng đường di chuyển càng dài, sai số vị trí và góc hướng càng lớn, khiến robot mất khả năng xác định đúng vị trí nếu không có cảm biến bên ngoài hiệu chỉnh.

2. Tác giả đã giải quyết nhược điểm quét 2D của cảm biến đo xa laser (LRF) bằng giải pháp nào?

Tác giả đã tự thiết kế một cơ cấu cơ khí gá truyền động kết hợp mô-tơ servo để tạo chuyển động quét ngẩng (lên và xuống) cho máy đo LRF. Bằng cách điều khiển góc ngẩng $\alpha$ đồng bộ với góc quét ngang $\beta$ ($180^\circ$) của tia laser, hệ thống thu nhận được tập hợp điểm đo trong không gian cầu $(r, \beta, \alpha)$ và chuyển đổi thành đám mây điểm 3D $(x, y, z)$.

3. Thuật toán IPaBD trong luận án hoạt động theo nguyên lý gì?

Thuật toán IPaBD (Image Pressure and Barriers Detection - Ép ảnh và phát hiện vật cản) thu thập toàn bộ dữ liệu tọa độ 3D của các điểm phản xạ laser từ môi trường xung quanh, sau đó thực hiện phép chiếu/ép các điểm ảnh này theo phương thẳng đứng vuông góc xuống mặt phẳng hai chiều $Oxy$. Kỹ thuật này giúp chuyển đổi dữ liệu không gian 3D phức tạp thành bản đồ lưới 2D chuẩn, đồng thời bảo toàn vị trí của các vật cản có kết cấu thay đổi theo chiều cao (như mặt bàn, dầm ngang) để phục vụ thuật toán vạch đường đi.

4. Bộ lọc Kalman mở rộng (EKF) tổng hợp dữ liệu từ những cảm biến nào trên robot?

Luận án xây dựng thuật toán EKF tổng hợp đồng thời 4 nguồn dữ liệu:

  1. Bộ lập mã quang (Optical Encoder) cung cấp số đo odometry trong mô hình chuyển động dự đoán.
  2. Cảm biến từ - địa bàn CMPS03 cung cấp số đo góc hướng tuyệt đối.
  3. Cảm biến đo xa laser LRF cung cấp khoảng cách và góc của các đoạn thẳng tường mốc qua biến đổi Hough.
  4. Camera toàn phương (Omni-camera) cung cấp góc nhìn $\gamma_k$ đến các cột mốc đứng qua kỹ thuật xử lý ảnh.

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

Trong hệ thống điều khiển bám quỹ đạo phi tuyến, các tín hiệu phản hồi trực tiếp từ cảm biến thường chứa nhiễu đo lường ngẫu nhiên, dễ gây ra hiện tượng rung lắc hoặc dao động vận tốc góc $\omega$. Việc đưa bộ lọc Kalman vào vòng phản hồi giúp ước lượng trạng thái thực mịn hơn, triệt tiêu nhiễu đo, đảm bảo hệ thống đạt được tính ổn định tiệm cận mượt mà về đích theo đúng tiêu chuẩn ổn định Lyapunov và nguyên lý LaSalle.

Kết luận

Luận án tiến sĩ 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 đa cảm biến và điều khiển phi tuyến. Tác giả đã hoàn thành việc chế tạo phần cứng robot thực nghiệm, thiết kế cơ cấu quét laser 3D, xây dựng thuật toán EKF kết hợp 4 loại cảm biến, phát triển thuật toán lập bản đồ IPaBD và thiết kế bộ điều khiển chuyển động ổn định theo tiêu chuẩn Lyapunov. Các kết quả mô phỏng và thực nghiệm thu được tại phòng thí nghiệm đã chứng minh tính đúng đắn của các mô hình toán học, khẳng định việc tổng hợp đa cảm biến giúp nâng cao rõ rệt độ chính xác định vị và chất lượng điều khiển chuyển động của robot di động.