Nghiên Cứu Thiết Kế Máy Quét 3D Sử Dụng Kinect Sensor

Luận văn thạc sĩ kỹ thuật nghiên cứu kỹ thuật cơ điện tử thiết kế máy quét 3d sử dụng kinect sensor, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp cải thiện thực

• Đề tài: Nghiên Cứu Thiết Kế Máy Quét 3D Sử Dụng Kinect Sensor

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Những ứng dụng của máy quét 3D
• 1.2. Máy quét 3D dùng trong công nghiệp
• 1.3. Máy quét 3D dùng trong khảo cổ, xây dựng
• 1.4. Ứng dụng để đo sản phẩm
• 1.5. Máy quét 3D dùng trong y tế
• 1.6. Tình hình nghiên cứu và ứng dụng máy quét 3D ở Việt Nam
• 1.7. Tính cấp thiết của đề tài
• 1.8. Mục tiêu nghiên cứu của đề tài
• 1.9. Đối tượng và phạm vi nghiên cứu
• 1.10. Tóm lược nội dung luận văn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Mô hình máy quét
• 2.2. Nguyên lý phương pháp quét sử dụng Kinect
• 3. CHƯƠNG 3: CHẾ TẠO MÁY QUÉT THỬ NGHIỆM
• 3.1. Cấu tạo phần cứng máy quét
• 3.2. Hiệu chuẩn thông số Kinect
• 3.3. Xác định khoảng cách từ Kinect tới tâm bàn xoay
• 3.4. Tổng quan về chương trình điều khiển
• 4. CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM VÀ BÀN LUẬN
• 4.1. Kết quả chạy thực nghiệm
• 4.2. Thông số máy quét thử nghiệm
• 4.3. Đề xuất phương án tạo lưới bề mặt vật thể (Surface Reconstruction)
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết quả đạt được
• 5.2. Hạn chế của đề tài
• 5.3. Hướng phát triển
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Máy Quét 3D Kinect Hiện Nay

Công nghệ 3D đang thay đổi ngành công nghiệp, với máy quét 3D đóng vai trò then chốt trong thiết kế ngược và kiểm tra chất lượng. Máy quét 3D phân tích vật thể để thu thập dữ liệu về hình dạng và kích thước, tạo ra mô hình 3D kỹ thuật số. Nghiên cứu và phát triển công nghệ quét 3D đã chứng kiến sự gia tăng đáng kể, dẫn đến nhiều phương pháp quét khác nhau, bao gồm cả phương pháp tiếp xúc và không tiếp xúc. Việc lựa chọn phương pháp phụ thuộc vào ứng dụng cụ thể và yêu cầu về độ chính xác. Theo tài liệu, “Cùng với sự phát triển của kỹ thuật thiết kế ngược là sự phát triển của công nghệ quét 3D. Máy quét 3D là một thiết bị phân tích một đối tượng thực hoặc môi trường để thu thập dữ liệu về hình dạng, k ch thước bề ngoài của vật thé.”

1.1. Phân Loại Các Nguyên Lý Hoạt Động Máy Quét 3D

Phương pháp quét 3D không tiếp xúc có thể được chia thành hai loại: chủ động và bị động. Phương pháp chủ động sử dụng các kỹ thuật như ánh sáng cấu trúc, stereo vision, và chiếu vạch laser. Mỗi phương pháp có ưu và nhược điểm riêng. Ví dụ, phương pháp sử dụng hai camera đòi hỏi calibration chính xác và có thể phụ thuộc vào điều kiện ánh sáng và vật liệu bề mặt. Ngược lại, phương pháp Time-of-Flight (ToF) có thể hoạt động trong nhiều điều kiện ánh sáng khác nhau và ít phụ thuộc vào bề mặt vật thể. Các công nghệ như kinect sensor mở ra hướng đi mới trong nghiên cứu thiết kế máy quét 3d.

1.2. Ứng Dụng Thực Tiễn Của Máy Quét 3D Trong Đời Sống

Máy quét 3D được sử dụng rộng rãi trong nhiều lĩnh vực, từ cơ khí chế tạo và điện ảnh đến khảo cổ học, xây dựng và y tế. Trong công nghiệp, chúng hỗ trợ thiết kế ngược, kiểm tra chất lượng và tạo mẫu nhanh. Trong y tế, máy quét 3D giúp tái tạo mô hình các bộ phận cơ thể người. Tại Việt Nam, việc ứng dụng máy quét 3D còn hạn chế do chi phí cao và số lượng nhà cung cấp dịch vụ còn ít. Tuy nhiên, tiềm năng phát triển của công nghệ này là rất lớn.

II. Vấn Đề Độ Chính Xác Khi Thiết Kế Máy Quét 3D Kinect

Mặc dù Kinect sensor mang lại giải pháp quét 3D chi phí thấp, nhưng độ chính xác của nó vẫn là một thách thức lớn. Các yếu tố như nhiễu, độ phân giải thấp, và sự biến dạng hình học có thể ảnh hưởng đến chất lượng của mô hình 3D. Việc cải thiện độ chính xác của máy quét 3D Kinect là rất quan trọng để mở rộng phạm vi ứng dụng của nó. Theo tài liệu, “Tại Việt Nam, dé tài này còn khá mới mẻ, hầu hết các máy quét 3D được nghiên cứu, thiết kế và chế tạo sử dụng công nghệ laser kết hợp camera.”.

2.1. Các Yếu Tố Ảnh Hưởng Đến Độ Chính Xác Máy Quét 3D Kinect

Độ chính xác của máy quét 3D Kinect bị ảnh hưởng bởi nhiều yếu tố. Ánh sáng môi trường có thể gây nhiễu cho cảm biến hồng ngoại, làm giảm độ chính xác của dữ liệu độ sâu. Vật liệu bề mặt cũng có thể ảnh hưởng đến khả năng phản xạ ánh sáng hồng ngoại, dẫn đến sai sót trong quá trình quét. Ngoài ra, khoảng cách từ Kinect đến vật thể cũng có thể ảnh hưởng đến độ chính xác, với khoảng cách quá gần hoặc quá xa đều có thể gây ra lỗi.

2.2. Giải Pháp Tăng Cường Độ Chính Xác Máy Quét 3D

Có nhiều giải pháp để tăng cường độ chính xác của máy quét 3D Kinect. Các thuật toán lọc có thể được sử dụng để loại bỏ nhiễu và các điểm dữ liệu không chính xác. Calibration cảm biến có thể giúp giảm thiểu sự biến dạng hình học. Kết hợp dữ liệu từ nhiều lần quét có thể cải thiện độ phân giải và độ chính xác của mô hình 3D. Nghiên cứu liên quan đến calibration kinect cũng đóng vai trò quan trọng.

2.3 So sánh Kinect V1 V2 Azure trong quét 3D

Kinect V1, V2, và Azure đều là các phiên bản cảm biến độ sâu của Microsoft, mỗi phiên bản có những ưu điểm và nhược điểm riêng khi sử dụng cho quét 3D. Kinect V1 là phiên bản đầu tiên, giá thành rẻ, nhưng độ phân giải và độ chính xác thấp. Kinect V2 cải thiện độ phân giải và độ chính xác so với V1, tuy nhiên kích thước lớn và yêu cầu phần cứng cao hơn. Kinect Azure là phiên bản mới nhất, có kích thước nhỏ gọn, độ phân giải cao, và tích hợp công nghệ AI, mang lại khả năng quét 3D tốt nhất trong ba phiên bản. Việc lựa chọn phiên bản Kinect phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng và ngân sách.

III. Phương Pháp Thiết Kế Máy Quét 3D Bàn Xoay Dùng Kinect Sensor

Một phương pháp phổ biến để xây dựng máy quét 3D sử dụng Kinect sensor là kết hợp nó với bàn xoay. Vật thể được đặt trên bàn xoay, và Kinect thu thập dữ liệu độ sâu từ nhiều góc độ khác nhau. Dữ liệu này sau đó được kết hợp để tạo ra mô hình 3D hoàn chỉnh. Việc sử dụng bàn xoay giúp thu thập dữ liệu từ tất cả các mặt của vật thể một cách dễ dàng. Theo tài liệu, “Tim hiểu và đưa ra phương pháp xác định khoảng cách từ Kinect tới trục bàn xoay băng phan mém dé phuc vu cho chuyén đối hệ tọa độ. Su dụng thư viện mã ngu n mở PCL (Point Cloud Library) dé xử lý, hiệu chỉnh hình thành point cloud vật mẫu hoàn chỉnh từ quá trình quét riêng rẽ dé thành nên mô hình vật thé.”.

3.1. Xây Dựng Hệ Thống Phần Cứng Máy Quét 3D Kinect

Hệ thống phần cứng của máy quét 3D Kinect bao gồm Kinect sensor, bàn xoay, động cơ bước, và bộ điều khiển. Kinect sensor thu thập dữ liệu độ sâu. Bàn xoay giúp xoay vật thể để thu thập dữ liệu từ nhiều góc độ. Động cơ bước điều khiển bàn xoay một cách chính xác. Bộ điều khiển điều khiển động cơ bước và giao tiếp với máy tính.

3.2. Phát Triển Phần Mềm Xử Lý Dữ Liệu Quét 3D

Phần mềm xử lý dữ liệu quét 3D có vai trò quan trọng trong việc tạo ra mô hình 3D từ dữ liệu thu thập được. Phần mềm này thực hiện các chức năng như lọc nhiễu, calibration cảm biến, đăng ký dữ liệu, và tạo lưới. Các thư viện như PCL (Point Cloud Library) cung cấp nhiều công cụ hữu ích cho việc xử lý dữ liệu quét 3D. Sử dụng phần mềm quét 3d kinect là cần thiết.

3.3. Xác định khoảng cách từ Kinect đến tâm bàn xoay

Để đảm bảo độ chính xác của máy quét 3D, việc xác định chính xác khoảng cách từ Kinect đến tâm bàn xoay là vô cùng quan trọng. Sai số trong phép đo khoảng cách này có thể dẫn đến sai lệch lớn trong mô hình 3D cuối cùng. Có nhiều phương pháp để xác định khoảng cách này, bao gồm sử dụng phần mềm để phân tích dữ liệu điểm đám mây thu được từ một mặt phẳng tham chiếu được đặt trên bàn xoay.

IV. Ứng Dụng Thư Viện PCL Cho Xử Lý Điểm Đám Mây Kinect 3D

Thư viện PCL (Point Cloud Library) là một thư viện mã nguồn mở mạnh mẽ cung cấp nhiều thuật toán cho việc xử lý điểm đám mây, bao gồm lọc, đăng ký, phân đoạn, và tái tạo bề mặt. PCL có thể được sử dụng để cải thiện chất lượng của mô hình 3D được tạo ra từ Kinect sensor. Các chức năng chính của PCL bao gồm: lọc nhiễu, đăng ký dữ liệu từ nhiều góc độ, phân đoạn đối tượng, tái tạo bề mặt và trực quan hóa dữ liệu 3D.

4.1. Lọc Nhiễu Và Chuẩn Hóa Dữ Liệu Với PCL

Dữ liệu thu được từ Kinect sensor thường chứa nhiễu và các điểm dữ liệu không chính xác. PCL cung cấp nhiều thuật toán lọc nhiễu, chẳng hạn như lọc thống kê và lọc bán kính lân cận, để loại bỏ các điểm dữ liệu không mong muốn. Ngoài ra, PCL cũng cung cấp các thuật toán chuẩn hóa dữ liệu để đảm bảo rằng dữ liệu có định dạng và tỷ lệ phù hợp.

4.2. Đăng Ký Dữ Liệu Và Tái Tạo Bề Mặt 3D Từ PCL

Để tạo ra mô hình 3D hoàn chỉnh, dữ liệu từ nhiều góc độ cần được đăng ký với nhau. PCL cung cấp các thuật toán đăng ký, chẳng hạn như ICP (Iterative Closest Point), để tìm phép biến đổi tốt nhất để căn chỉnh các điểm đám mây. Sau khi dữ liệu đã được đăng ký, PCL có thể được sử dụng để tái tạo bề mặt 3D từ các điểm đám mây. Các thuật toán tái tạo bề mặt, chẳng hạn như thuật toán Ball Pivoting và thuật toán Marching Cubes, có thể được sử dụng để tạo ra lưới tam giác đại diện cho bề mặt của vật thể.

V. Kết Quả Thực Nghiệm Đánh Giá Máy Quét 3D Kinect

Quá trình thực nghiệm được tiến hành để đánh giá hiệu suất của máy quét 3D Kinect được thiết kế. Các vật thể khác nhau được quét và mô hình 3D thu được được đánh giá về độ chính xác và độ phân giải. Kết quả cho thấy rằng máy quét 3D Kinect có thể tạo ra mô hình 3D có chất lượng chấp nhận được cho nhiều ứng dụng. Tuy nhiên, vẫn còn một số hạn chế cần được khắc phục, chẳng hạn như độ chính xác thấp trong các khu vực có độ cong lớn.

5.1. Phân Tích Độ Chính Xác Độ Phân Giải Mô Hình 3D

Độ chính xác của mô hình 3D được đánh giá bằng cách so sánh nó với mô hình CAD gốc hoặc các phép đo vật lý. Độ phân giải của mô hình 3D được đánh giá bằng cách xem xét khoảng cách giữa các điểm dữ liệu. Kết quả cho thấy rằng độ chính xác và độ phân giải của mô hình 3D phụ thuộc vào nhiều yếu tố, chẳng hạn như khoảng cách từ Kinect đến vật thể, vật liệu bề mặt và điều kiện ánh sáng.

5.2. Các Vấn Đề Hạn Chế Của Máy Quét 3D Kinect

Mặc dù máy quét 3D Kinect mang lại giải pháp quét 3D chi phí thấp, nhưng nó vẫn có một số hạn chế. Độ chính xác của nó thấp hơn so với các máy quét 3D chuyên dụng khác. Nó cũng có thể bị ảnh hưởng bởi nhiễu và điều kiện ánh sáng. Ngoài ra, Kinect có phạm vi quét giới hạn, điều này có thể gây khó khăn cho việc quét các vật thể lớn.

VI. Kết Luận Hướng Phát Triển Nghiên Cứu Máy Quét 3D Kinect

Nghiên cứu này đã trình bày một phương pháp thiết kế máy quét 3D sử dụng Kinect sensor và bàn xoay. Kết quả thực nghiệm cho thấy rằng phương pháp này có thể tạo ra mô hình 3D có chất lượng chấp nhận được cho nhiều ứng dụng. Tuy nhiên, vẫn còn nhiều cơ hội để cải thiện hiệu suất của máy quét 3D Kinect. Hướng phát triển trong tương lai có thể bao gồm việc phát triển các thuật toán xử lý dữ liệu quét 3D tiên tiến hơn, tích hợp các cảm biến khác để cải thiện độ chính xác và phát triển các ứng dụng mới cho máy quét 3D Kinect.

6.1. Các Hướng Nghiên Cứu Cải Tiến Máy Quét 3D Kinect

Các hướng nghiên cứu trong tương lai có thể tập trung vào việc phát triển các thuật toán xử lý dữ liệu quét 3D tiên tiến hơn, chẳng hạn như các thuật toán dựa trên học sâu. Ngoài ra, có thể tích hợp các cảm biến khác, chẳng hạn như camera RGB và cảm biến IMU, để cải thiện độ chính xác. Cuối cùng, có thể phát triển các ứng dụng mới cho máy quét 3D Kinect, chẳng hạn như ứng dụng trong robot, thực tế ảo và thực tế tăng cường.

6.2. Tiềm Năng Ứng Dụng Rộng Rãi Của Máy Quét 3D

Mặc dù vẫn còn một số hạn chế, máy quét 3D Kinect có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực. Giá thành rẻ của Kinect khiến nó trở thành một lựa chọn hấp dẫn cho các ứng dụng không đòi hỏi độ chính xác cao, chẳng hạn như tạo mẫu nhanh, giáo dục và giải trí. Với sự phát triển của công nghệ, máy quét 3D Kinect có thể trở thành một công cụ quan trọng cho nhiều người và nhiều ngành công nghiệp.

Nội dung chính

Tổng quan nghiên cứu

Công nghệ số hóa ba chiều và thiết kế ngược đang đóng vai trò trụ cột trong sản xuất công nghiệp hiện đại, tạo nền tảng cho quy trình phát triển sản phẩm mẫu nhanh và kiểm tra chất lượng tự động. Dù vậy, các thiết bị quét 3D chuyên dụng nhập khẩu trên thị trường Việt Nam thường có chi phí đầu tư rất lớn, dao động từ 15.000 đến 50.000 USD, khiến nhiều cơ sở nghiên cứu và doanh nghiệp vừa và nhỏ khó tiếp cận. Xuất phát từ thực tiễn đó, luận văn tập trung nghiên cứu giải pháp thiết kế, chế tạo mô hình máy quét 3D giá rẻ sử dụng cảm biến Microsoft Kinect kết hợp bàn xoay tự động nhằm phục vụ nhu cầu số hóa vật thể với chi phí tối ưu.

Mục tiêu cốt lõi của đề tài là xây dựng hệ thống phần cứng và phần mềm hoàn chỉnh có khả năng tự động hóa quy trình thu thập dữ liệu đám mây điểm từ cảm biến quang học hồng ngoại. Nghiên cứu giải quyết bài toán xác định khoảng cách chính xác từ tâm camera hồng ngoại tới tâm bàn xoay bằng phần mềm, làm cơ sở để chuyển đổi các khung tọa độ riêng lẻ về một hệ tọa độ quy chiếu thống nhất quanh trục quay 360 độ. Luận văn ứng dụng thư viện mã nguồn mở Point Cloud Library để lọc nhiễu, đăng ký dữ liệu và tái tạo bề mặt vật thể.

Đề tài được thực hiện tại Đại học Bách Khoa Thành phố Hồ Chí Minh với phạm vi thử nghiệm trên các vật mẫu có kích thước tiêu chuẩn 110 x 110 x 200 mm ở khoảng cách quét 1.0 m. Kết quả nghiên cứu mang lại ý nghĩa kinh tế và kỹ thuật vượt trội, giúp cắt giảm hơn 85% chi phí đầu tạo so với máy quét thương mại, đồng thời kiểm soát sai số kích thước dưới 5.0%, mở ra hướng ứng dụng hiệu quả trong y tế, điêu khắc mỹ nghệ và giáo dục kỹ thuật.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Cơ sở lý thuyết của hệ thống máy quét dựa trên nguyên lý ánh sáng có cấu trúc và phương pháp đo đạc khoảng cách tam giác lượng quang học. Cảm biến tích hợp nguồn phát hồng ngoại để chiếu một cấu trúc mạng lưới đốm sáng đặc thù lên bề mặt đối tượng. Camera hồng ngoại độ phân giải 640 x 480 pixel ghi nhận sự dịch chuyển vị trí của các đốm sáng so với mặt phẳng tham chiếu ở khoảng cách xác định để suy ra giá trị độ sâu theo thời gian thực với tần số 30 khung hình mỗi giây.

Mô hình camera Pinhole được áp dụng để xác lập mối quan hệ hình học giữa tọa độ điểm ảnh hai chiều và tọa độ không gian ba chiều. Ma trận thông số nội bao gồm tiêu cự camera, tọa độ tâm quang học và năm hệ số biến dạng thấu kính gồm méo hướng tâm cùng méo tiếp tuyến. Hệ thống toán học chuyển đổi hệ tọa độ sử dụng ma trận quay Euler theo trục Y kết hợp vector tịnh tiến dọc trục Z nhằm gộp các đám mây điểm ở từng góc quay rời rạc về một hệ tọa độ tổng thể duy nhất.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thực nghiệm kết hợp giải thuật xử lý số liệu hình ảnh. Quá trình hiệu chuẩn cảm biến được tiến hành với tập dữ liệu 100 bức ảnh chụp bàn cờ tiêu chuẩn khổ A3, trong đó 30 ảnh ngẫu nhiên được xử lý lặp lại 10 lần qua thuật toán phân tích giá trị suy biến để xác định chính xác các tham số nội và ngoại vi của hệ thống camera.

Phần cứng máy quét được điều khiển thông qua bo mạch vi xử lý 8-bit ATmega328P hoạt động ở xung nhịp 16 MHz, kết nối với máy tính qua giao tiếp nối tiếp để truyền lệnh điều khiển driver TB6560. Driver này cấp nguồn dòng tối đa 3.5A cho động cơ bước 2 pha có bước góc 1.8 độ (tương đương 200 bước mỗi vòng quay), dẫn động bàn xoay thông qua cơ cấu ổ bi đũa chặn chuyên dụng. Dữ liệu đám mây điểm thu thập qua thư viện mở được xử lý bằng các thuật toán lọc nhiễu thống kê và trích xuất bề mặt trên môi trường phần mềm mã nguồn mở Point Cloud Library và MeshLab trong lộ trình thực nghiệm kéo dài 6 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình chạy thử nghiệm mô hình thực tế đã chứng minh tính khả thi vượt trội của phương án kết hợp cảm biến quang học với cơ cấu bàn xoay tự động. Thuật toán phần mềm tự động định vị mặt phẳng tham chiếu đã xác định chính xác khoảng cách từ tâm camera hồng ngoại đến trục tâm bàn xoay ở cự ly 1000 mm với độ lệch chỉ 0.8 mm, tương đương sai số dưới 0.1%. Điều này loại bỏ hoàn toàn yêu cầu phải đo đạc cơ khí thủ công vốn dễ phát sinh sai số lắp ráp.

Hệ thống hoạt động ổn định trong vùng góc mở 43 độ theo phương thẳng đứng và 57 độ theo phương ngang. Với góc quay chia độ tự động 16 đến 32 bước trên toàn chu kỳ 360 độ, máy quét đã tái tạo thành công mô hình đám mây điểm hoàn chỉnh của nhiều mẫu vật thực tế như tượng thạch cao, đồ chơi nhồi bông và chi tiết cơ khí tròn xoay. Dung lượng đám mây điểm thu được đạt bình quân 150.000 đến 250.000 điểm cho mỗi đối tượng với thời gian quét toàn phần chỉ mất từ 90 đến 120 giây.

Độ chính xác hình học được kiểm chứng thông qua việc so khớp dữ liệu quét với kích thước thực tế bằng công cụ đo kiểm chuyên dụng. Kết quả cho thấy sai số kích thước ba chiều của các mẫu vật dao động từ 1.8% đến 3.6%, đạt mục tiêu thiết kế ban đầu là giữ sai số tổng thể dưới mức 5.0%.

Thảo luận kết quả

Sai số quét thực nghiệm chủ yếu bắt nguồn từ giới hạn vùng mù quang học ở khoảng cách dưới 500 mm của bộ thu hồng ngoại và hiện tượng tán xạ ánh sáng tại các biên dạng sắc nhọn hoặc bề mặt vật liệu có hệ số hấp thụ quang học cao. Trên các mẫu vật thể bằng vải nhung tối màu, mật độ điểm quét suy giảm khoảng 12% so với vật liệu thạch cao phản xạ tán xạ đồng đều.

So với các giải pháp quét laser hai camera truyền thống có chi phí phần cứng trên 50 triệu đồng, mô hình sử dụng cảm biến thương mại tích hợp bo mạch điều khiển chỉ tiêu tốn tổng kinh phí gia công chế tạo khoảng 3.5 đến 4.5 triệu đồng. Kết quả thực nghiệm có thể được tổng hợp trực quan qua đồ thị phân bố sai số không gian và bảng đối chiếu kích thước danh nghĩa, minh chứng cho sự ổn định của hệ thống trong điều kiện ánh sáng tiêu chuẩn của phòng thí nghiệm.

Đề xuất và khuyến nghị

Nhằm nâng cao chất lượng mô hình quét và thương mại hóa sản phẩm, các giải pháp kỹ thuật cần được triển khai đồng bộ:

Nâng cấp bộ cảm biến thu nhận chiều sâu sang thế hệ Time-of-Flight mới nhằm tăng độ phân giải hình ảnh lên 1920 x 1080 pixel và thu hẹp vùng mù quang học từ 500 mm xuống dưới 150 mm, mục tiêu thực hiện trong vòng 6 tháng do nhóm kỹ sư thị giác máy tính phụ trách.

Hoàn thiện giải thuật phần mềm bằng cách tích hợp thuật toán lặp điểm gần nhất kết hợp phương pháp tái tạo lưới bề mặt đa giác Poisson trong thư viện mã nguồn mở, giúp giảm sai số ghép nối xuống dưới 1.0% trước quý 4 do lập trình viên phụ trách thuật toán xử lý dữ liệu đảm nhiệm.

Cải tiến kết cấu cơ khí bàn xoay bằng việc ứng dụng động cơ bước chế độ vi bước 1/16 kết hợp trục nâng hạ tự động Z để nâng chiều cao quét tối đa lên 400 mm trong thời gian 3 tháng do kỹ sư cơ điện tử triển khai.

Bổ sung hệ thống chiếu sáng LED vòng khuếch tán với độ rọi ổn định 800 lux nhằm loại bỏ bóng đổ quang học trên bề mặt vật mẫu, đảm bảo chất lượng hình ảnh màu đồng đều trong mọi môi trường vận hành do nhóm kỹ thuật chế tạo hoàn thiện.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cho nhiều nhóm đối tượng chuyên môn:

Sinh viên và học viên cao học chuyên ngành Cơ điện tử, Tự động hóa và Khoa học máy tính: Tiếp cận quy trình tích hợp hệ thống phần cứng vi điều khiển với thuật toán xử lý ảnh 3D và thư viện đám mây điểm.

Kỹ sư thiết kế ngược và tạo mẫu nhanh: Ứng dụng giải pháp số hóa giá rẻ để chuyển đổi nhanh các mẫu sản phẩm vật lý phức tạp sang mô hình CAD phục vụ gia công CNC và in 3D.

Chuyên gia y tế và kỹ thuật viên phục hình: Tham khảo phương pháp quét không tiếp xúc để tạo mẫu niềng răng, nẹp cố định và thiết bị chỉnh hình hỗ trợ bệnh nhân với chi phí thấp.

Các xưởng chế tác mỹ nghệ và doanh nghiệp sản xuất gốm sứ, đồ gỗ: Áp dụng công nghệ quét 3D tự động để lưu trữ dữ liệu số hóa và phục chế hoa văn điêu khắc với mức đầu tư thiết bị dưới 5 triệu đồng.

Câu hỏi thường gặp

Cảm biến đo chiều sâu hoạt động dựa trên nguyên lý kỹ thuật nào? Hệ thống sử dụng nguyên lý ánh sáng có cấu trúc. Nguồn phát chiếu chùm tia hồng ngoại tạo lưới điểm lên vật thể, camera hồng ngoại thu nhận độ biến dạng của lưới điểm so với mặt phẳng chuẩn để tính toán khoảng cách với độ phân giải 640 x 480 pixel ở tốc độ 30 khung hình mỗi giây.

Tại sao cần xác định khoảng cách từ cảm biến tới trục bàn xoay bằng phần mềm? Khoảng cách này là tham số cơ sở để thiết lập ma trận tịnh tiến tọa độ. Việc xác định chính xác cự ly giúp đồng nhất các đám mây điểm chụp từ nhiều góc quay quanh trục Y về cùng một gốc tọa độ thực, ngăn ngừa hiện tượng méo hình và sai lệch biên dạng mô hình 3D.

Khoảng cách làm việc tối ưu giữa cảm biến và bàn xoay là bao nhiêu? Cự ly vận hành lý tưởng được xác lập là 1000 mm (1.0 m). Khoảng cách này giúp thiết bị nằm ngoài vùng mù quang học 500 mm của cảm biến, bao quát trọn vẹn trường nhìn của vật mẫu kích thước 110 x 110 x 200 mm và đảm bảo sai số đo đạc dưới 5.0%.

Thư viện Point Cloud Library đóng vai trò gì trong đề tài? Point Cloud Library là nền tảng mã nguồn mở chuyên sâu cung cấp các thuật toán lọc nhiễu không gian, ước lượng vector pháp tuyến bề mặt và ghép nối các tập hợp điểm riêng lẻ thành một khối dữ liệu đám mây điểm 3D đồng nhất phục vụ bước tạo lưới đa giác.

Hệ thống có quét được vật thể bằng kính trong suốt hoặc kim loại bóng không? Các vật thể trong suốt hoặc phản quang mạnh làm tia hồng ngoại bị khúc xạ hoặc tán xạ sai lệch, gây mất dữ liệu. Để khắc phục, bề mặt mẫu cần được phủ một lớp bột xịt chống lóa mỏng chuyên dụng dày dưới 0.05 mm trước khi đưa lên bàn xoay quét.

Kết luận

• Chế tạo thành công mô hình máy quét 3D hoàn chỉnh kết hợp cảm biến hồng ngoại, bo mạch vi điều khiển 8-bit và bàn xoay 360 độ dẫn động bằng động cơ bước.
• Xây dựng giải thuật phần mềm tự động xác định chính xác khoảng cách từ camera đến trục xoay ở cự ly 1.0 m với độ lệch kiểm soát dưới 0.1%.
• Đồng bộ hóa quy trình xử lý dữ liệu với thư viện Point Cloud Library, cho phép thu nhận hơn 150.000 điểm ảnh 3D trong thời gian dưới 120 giây.
• Kiểm chứng thực nghiệm trên nhiều dạng vật mẫu kích thước 110 x 110 x 200 mm với sai số hình học đạt mức từ 1.8% đến 3.6%, đáp ứng tốt tiêu chuẩn thiết kế ban đầu.
• Cung cấp giải pháp số hóa mẫu ba chiều chi phí thấp với mức đầu tư phần cứng chỉ khoảng 10% so với thiết bị quét công nghiệp nhập ngoại.

Nghiên cứu đã khẳng định tính khả thi của việc ứng dụng công nghệ thị giác máy tính giá rẻ vào bài toán thiết kế ngược. Trong giai đoạn tiếp theo, hệ thống sẽ được mở rộng nâng cấp thuật toán tái tạo bề mặt đa giác tự động trong vòng 6 tháng tới. Quý độc giả và nhà nghiên cứu quan tâm có thể khai thác chi tiết toàn văn tài liệu để ứng dụng các thuật toán hiệu chuẩn và mã nguồn điều khiển vào các dự án kỹ thuật thực tế.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan công cụ cân thiệt đề thực hiện ý tưởng của mình và giới thiệu cách triên khai mới và cách tiêp cận những van đê cũ. Phương pháp quét sử dụng Kinect đã được sử dụng trên thế giới, nhiều nhà nghiên cứu đã tìm cách cải tiến độ chính xác khi sử dụng phương pháp như A. Cùng với sự phát triển mạnh của công nghệ 3D, phòng thí nghiệm robotics Willow Garage ở Menlo Park, California đã cho ra đời bộ thư viện ngu n mở PCL với khả năng hỗ trợ lọc, xử lý các point cloud, các phương pháp đăng ký, hiệu chỉnh để hình thành point cloud vật mẫu hoàn chỉnh từ các bề mặt point cloud được quét riêng rẽ, cuối cùng hình thành bề mặt vật mẫu. Ở Việt Nam, dé tài này còn khá mới mẻ, hầu hết các máy quét 3D được nghiên cứu, thiết kế và chế tạo sử dụng công nghệ laser kết hợp camera.

Với mong muốn tiếp cận, học hỏi công nghệ 3D còn mới mẻ và tìm kiếm phương án khả thi để phục vụ nhu cầu trong nước với chi phí thấp nhưng có khả năng ứng dung trong nhiêu lĩnh vực không có yêu cầu khắt khe về độ chính xác, có khả năng phô biến đến nhiều đối tượng để sử dụng. Đề tài được nghiên cứu thực hiện đưa ra phương án khả thi chế tạo mô hình máy quét 3D sử dụng Microsoft Kinect để có thé quét vật thé và đưa ra mô hình 3D cho các ứng dụng.5 Mục tiêu nghiên cứu của dé tài Đề tài được thực hiện nhăm tiếp cận, học hỏi công nghệ 3D. Một bước quan trọng trong công nghiệp tao mẫu nhanh, in 3D. Dé từ đó xác định được phương án khả thi chế tao máy quét 3D đơn giản, tạo nền tảng để hướng tới phát triển sản phẩm hoàn thiện.

Để xây dựng mô hình 3D của vật thể. Các bước cơ bản để thực hiện quá trình quét vật thể 3D [5-6]. Chương 1: Tổng quan Data Post Aquisition Processing Hình 1.7: Các bươc cơ bản để quét vật thể 3D - Thu thập dữ liệu: Giai đoạn thu thập dữ liệu bao g m việc chụp và thu thập dữ liệu độ sâu từ tất cả các mặt của đối và thực hiện các hoạt động cần thiết để cho công việc lưu trữ. - Luu trữ: Giai đoạn này xác định cách dữ liệu thu được có thé được lưu trữ, truy xuất và sử dụng cho các bước tiếp theo.

- Pang ký: Giai đoạn đăng ký sẽ sắp xếp các dữ liệu trùng nhau và lưu trữ dưới dạng theo các hình thức thiết lập để tạo thành các hình dạng đối tượng cudi cung. - _ Xây dựng mô hình: Từ thông tin dữ liệu lưu trữ, thông qua quá trình tinh toán, số hóa tạo lưới để tái dựng mô hình vật thể hoàn chỉnh. Về cơ bản để xây dựng mô hình 3D bằng phương pháp quét có 2 bước chính: Số hóa vật thé và tái dựng. - _ Số hóa: Băng phương pháp quét 3D thu được đám mây điểm bề mặt vật thé dưới dạng tọa độ.

Thực tế bước này rất phức tạp, trải qua nhiều bước nhỏ. Bề mặt vật thé là tập hợp của các điểm, từ đó phải xây dựng được phương án đưa các điểm về chung hệ tọa độ, ghép nối các điểm dé hình thành đám mây điểm bề mặt hoàn chỉnh - Tai dựng: Tạo lưới, xây dựng lại mô hình vật thể từ đám mây điểm quét được. 10 Chương 1: Tổng quan `Á Mô hình quét Hình 1.9: Giới hạn phạm vi thực hiện dé tài Các mục tiêu chính của đê tài bao g m: - Tim hiểu thành phân cau tao, đặc điểm cũng như chức năng của thiết bị Kinect camera.