Nghiên cứu, thiết kế và điều khiển Manipulator giám sát đối tượng trong không gian

Đồ án thiết kế và điều khiển manipulator giám sát đối tượng trong không gian tại ĐH SPKT TP.HCM

• Tác giả: Lê Công Hậu
• Người hướng dẫn: TS. Trần Minh Thiên
• Trường học: Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh
• Chuyên ngành: Công nghệ kỹ thuật cơ điện tử
• Đề tài: Nghiên cứu, thiết kế và điều khiển Manipulator giám sát đối tượng trong không gian
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Tp. Hồ Chí Minh

Tóm tắt

I. Tổng quan về thiết kế và điều khiển manipulator giám sát đối tượng

Hệ thống manipulator giám sát đối tượng đại diện cho bước tiến quan trọng trong lĩnh vực cơ điện tử và tự động hóa. Đồ án tốt nghiệp tại Đại học Sư phạm Kỹ thuật TP.HCM tập trung phát triển cánh tay robot có khả năng bám bắt mục tiêu không gian ba chiều. Mô hình kết hợp chặt chẽ giữa kỹ thuật cơ khí chính xác, mạch điều khiển nhúng và thuật toán xử lý ảnh số. Cánh tay robot công nghiệp truyền thống thường chỉ hoạt động theo quỹ đạo cố định được lập trình trước. Ngược lại, robot giám sát thông minh đòi hỏi khả năng thích ứng linh hoạt với chuyển động thực tế. Sự tích hợp cảm biến hình ảnh và thuật toán nhận diện giúp robot xác định tọa độ đối tượng liên tục. Nghiên cứu giải quyết toàn diện ba bài toán then chốt: tính toán động học, thiết kế cơ cấu phần cứng và xây dựng mạch điều khiển thời gian thực. Nền tảng vi điều khiển STM32 cung cấp năng lực tính toán ổn định, phản hồi xung nhịp cao và độ trễ thấp. Kết quả thực nghiệm mở ra triển vọng ứng dụng lớn trong dây chuyền sản xuất tự động, giám sát an ninh thông minh và y tế kỹ thuật cao.

1.1. Cấu trúc cơ bản của hệ thống manipulator giám sát

Một hệ thống manipulator tiêu chuẩn gồm bốn thành phần cốt lõi: thân cánh tay, cơ cấu chấp hành cuối, hệ thống truyền động và cảm biến. Các khâu nối và khớp xoay tạo nên không gian làm việc đa bậc tự do. Cơ cấu chấp hành cuối mang camera chuyên dụng để ghi hình và định vị mục tiêu. Động cơ servo hoặc động cơ bước đóng vai trò cơ bắp, tạo chuyển động quay chính xác cho từng trục khớp. Cảm biến encoder cung cấp tín hiệu phản hồi góc quay về bộ điều khiển trung tâm STM32. Nhờ đó, hệ thống luôn kiểm soát chính xác vị trí và vận tốc tức thời của từng khâu trong không gian làm việc.

1.2. Xu hướng phát triển robot tương tác thông minh

Kỷ nguyên sản xuất thông minh 4.0 thúc đẩy nhu cầu hợp tác an toàn giữa người và máy móc. Robot ngày nay không chỉ làm việc lặp lại trong lồng bảo vệ kín. Cánh tay manipulator hiện đại cần nhận biết môi trường xung quanh nhanh chóng. Khả năng phát hiện và theo dõi chuyển động người mở ra hướng đi đột phá cho các dây chuyền lắp ráp linh hoạt. Hệ thống hỗ trợ kỹ thuật viên kiểm tra lỗi bề mặt sản phẩm từ nhiều góc quan sát. Công nghệ thị giác máy tính kết hợp trí tuệ nhân tạo nâng cao tính tự chủ cho thiết bị cơ điện tử. Nghiên cứu tại Đại học Sư phạm Kỹ thuật TP.HCM bắt kịp xu hướng phát triển công nghệ toàn cầu.

II. Phân tích thách thức điều khiển manipulator giám sát đối tượng 3D

Quá trình xây dựng manipulator giám sát mục tiêu đối mặt với nhiều rào cản kỹ thuật phức tạp. Đầu tiên là bài toán động học nghịch đa nghiệm. Khi đối tượng chuyển động bất quy tắc trong không gian 3D, cánh tay phải tính toán góc khớp tức thời để đưa camera bám sát mục tiêu. Sai số động học tích lũy dễ làm mất dấu đối tượng hoặc gây rung lắc cơ khí. Thứ hai, tải trọng động thay đổi liên tục tạo áp lực lớn lên hệ thống truyền động. Mô men quán tính tác động trực tiếp vào các trục khớp làm giảm độ ổn định chuyển động. Thứ ba, độ trễ truyền thông giữa module xử lý hình ảnh và mạch điều khiển trung tâm thường gây ra hiện tượng giật cục. Nếu thuật toán xử lý khung hình mất quá nhiều thời gian, vị trí thực tế của vật thể đã thay đổi trước khi cánh tay kịp di chuyển. Ngoài ra, yếu tố quang học môi trường như ánh sáng thay đổi đột ngột hoặc góc chết quang học cũng gây nhiễu tín hiệu nghiêm trọng. Hệ thống đòi hỏi giải pháp phần cứng đồng bộ và giải thuật bù sai số chặt chẽ để duy trì quỹ đạo chuẩn xác.

2.1. Hạn chế phần cứng và giải pháp phần tử chấp hành

Lựa chọn linh kiện điện tử đóng vai trò sống còn đối với hiệu năng robot. Mạch công suất driver L298N tuy phổ biến và giá rẻ nhưng bộc lộ nhược điểm lớn về hiệu suất nhiệt. Transistor BJT cổ điển gây suy hao công suất cao và sụt áp đáng kể. Hiện tượng quá nhiệt khi vận hành tải liên tục làm giảm tuổi thọ động cơ và mất bước tín hiệu. Vi điều khiển đa năng như ESP32 có lợi thế kết nối không dây nhưng thiếu timer chuyên dụng để xử lý encoder độ phân giải cao. Sự giới hạn ngoại vi điều khiển xung trực tiếp khiến hệ thống khó đạt độ mượt mong muốn trong các thao tác bám đuổi tốc độ cao.

2.2. Vấn đề bám bắt đối tượng trong không gian ba chiều

Theo dõi mục tiêu 3D theo thời gian thực luôn là thách thức lớn đối với thị giác robot. Tốc độ khung hình xử lý ảnh cần duy trì ổn định trên 30 FPS để tránh hiện tượng trễ quỹ đạo. Khi mục tiêu di chuyển nhanh, bóng mờ quang học xuất hiện làm thuật toán nhận diện dễ mất dấu. Mặt khác, nhiễu phông nền và điều kiện chiếu sáng biến đổi liên tục đòi hỏi bộ lọc thích nghi mạnh. Thuật toán điều khiển bám đuổi phải dự đoán trước hướng di chuyển của vật thể. Nếu chỉ dựa vào sai số vị trí quá khứ, cánh tay robot sẽ luôn chậm một nhịp so với thực tế và dễ rơi vào trạng thái dao động tự kích.

III. Giải pháp thiết kế và điều khiển manipulator giám sát đối tượng

Nhóm nghiên cứu tại Đại học Sư phạm Kỹ thuật TP.HCM triển khai giải pháp kỹ thuật tích hợp phần cứng và phần mềm đồng bộ. Cấu trúc cơ khí được tính toán tối ưu hóa khối lượng nhằm giảm mô men quán tính trên các khớp. Vật liệu nhôm định hình kết hợp chi tiết in 3D công nghệ cao mang lại tỷ lệ độ bền trên trọng lượng tối ưu. Ở tầng điều khiển cấp thấp, vi điều khiển STM32 nền tảng ARM Cortex-M đảm nhận toàn bộ tác vụ thời gian thực. Chip xử lý đọc tín hiệu phản hồi encoder góc quay với tần số cao thông qua timer phần cứng chuyên dụng. Thuật toán điều khiển PID số kết hợp bù trọng trường triệt tiêu sai số bám vị trí. Ở tầng thị giác máy tính, camera gửi luồng dữ liệu hình ảnh về máy tính trạm để xử lý thuật toán phát hiện người. Tọa độ tâm đối tượng được chuyển đổi thành tọa độ góc khớp thông qua ma trận biến đổi Denavit-Hartenberg. Dữ liệu lệnh truyền xuống STM32 qua giao thức UART tốc độ cao đảm bảo độ trễ tổng thể dưới 50 mili-giây. Giải pháp kiến trúc phân tầng giúp hệ thống đạt độ chính xác cao và vận hành êm ái.

3.1. Lựa chọn vi điều khiển trung tâm và mạch động lực

Vi điều khiển STM32 được lựa chọn làm trung tâm xử lý tín hiệu cho toàn hệ thống. Dòng chip ARM Cortex-M sở hữu bộ định thời cao cấp hỗ trợ chế độ đọc xung encoder trực tiếp không tốn tài nguyên CPU. Nhịp xung xử lý cao cho phép thực thi thuật toán điều khiển kín với chu kỳ ngắt mili-giây. Để khắc phục nhược điểm tỏa nhiệt của driver cũ, các mạch công suất công nghệ MOSFET hiện đại được áp dụng. Mạch driver mới cung cấp dòng đỉnh lớn, điện trở dẫn cực thấp và tích hợp cơ chế bảo vệ quá nhiệt an toàn. Nhờ vậy, động cơ vận hành mát mẻ, kiểm soát gia tốc mượt mà và tiết kiệm năng lượng điện tiêu thụ.

3.2. Thuật toán động học và điều khiển bám bắt chuyển động

Mô hình hóa động học cánh tay robot sử dụng phương pháp biểu diễn Denavit-Hartenberg tiêu chuẩn. Phương trình động học thuận xác định vị trí điểm làm việc cuối của camera dựa vào góc xoay các khớp. Ngược lại, bài toán động học nghịch được giải thông qua phương pháp giải tích kết hợp hình học nhằm rút ngắn thời gian tính toán. Thuật toán bám bắt nhận tọa độ mục tiêu từ luồng hình ảnh, sau đó nội suy quỹ đạo cong mượt mà bằng đường cong đa thức bậc năm. Bộ điều khiển điều chỉnh vận tốc từng khớp để giảm tối đa hiện tượng giật cơ học. Hệ thống duy trì mục tiêu luôn ở trung tâm góc nhìn camera với sai số cực tiểu. Độ chính xác bám bắt được kiểm chứng qua nhiều kịch bản vận động đa dạng trong phòng thí nghiệm.

IV. Đánh giá ứng dụng hệ thống manipulator giám sát đối tượng thực tế

Đề tài nghiên cứu và chế tạo manipulator giám sát đối tượng tại ĐH SPKT TP.HCM đã hoàn thành xuất sắc các mục tiêu kỹ thuật đề ra. Hệ thống thực nghiệm chứng minh độ ổn định cao trong suốt quá trình nhận diện và bám bắt chuyển động người theo thời gian thực. Cánh tay robot chuyển động nhịp nhàng, đáp ứng nhanh với thay đổi bất ngờ từ đối tượng quan sát. Việc phối hợp giữa phần cứng vi điều khiển STM32 và thị giác máy tính tạo nên nền tảng tự động hóa mạnh mẽ. Nghiên cứu mang tính ứng dụng thực tiễn cao trong các dây chuyền sản xuất tự động, trạm kiểm tra sản phẩm lỗi và giám sát an ninh khu vực nhạy cảm. Bên cạnh đó, đề tài cung cấp một mô hình thực hành cơ điện tử trực quan phục vụ công tác giảng dạy kỹ thuật tại các trường đại học chuyên ngành. Hướng phát triển tiếp theo bao gồm tích hợp cảm biến đo chiều sâu 3D và thuật toán học sâu nâng cao để mở rộng phạm vi làm việc của robot. Sản phẩm khẳng định năng lực nghiên cứu khoa học ứng dụng của sinh viên ngành Cơ điện tử Đại học Sư phạm Kỹ thuật TP.HCM.

4.1. Hiệu quả vận hành và độ chính xác thực nghiệm

Kết quả thử nghiệm thực tế cho thấy hệ thống hoạt động liên tục với độ tin cậy vượt trội. Thời gian đáp ứng từ lúc camera phát hiện chuyển động đến khi cánh tay đạt vị trí cân bằng chỉ mất vài phần trăm giây. Sai số bám tâm đối tượng duy trì trong giới hạn cho phép, không gây rung lắc cơ khí. Nhờ thuật toán điều khiển tối ưu, các khớp chuyển động trơn tru mà không xảy ra hiện tượng quá dòng động cơ hay suy giảm điện áp. Hệ thống chứng minh khả năng tự điều chỉnh khi đối tượng đột ngột đổi hướng hoặc thay đổi tốc độ di chuyển trong không gian quan sát. Thiết kế đáp ứng đầy đủ các tiêu chuẩn kỹ thuật nghiêm ngặt trong môi trường thử nghiệm công nghiệp.

4.2. Tiềm năng ứng dụng trong công nghiệp và đào tạo

Hệ thống manipulator giám sát mở ra nhiều cơ hội ứng dụng to lớn trong công nghiệp hiện đại. Các nhà máy có thể tích hợp robot vào khâu phân loại sản phẩm tự động hoặc kiểm tra khuyết tật bề mặt chi tiết phức tạp. Trong lĩnh vực an ninh, cánh tay robot hỗ trợ tuần tra và theo dõi mục tiêu xâm nhập tại các khu vực hạn chế. Về mặt học thuật, công trình là tài liệu tham khảo giá trị cho sinh viên ngành Cơ điện tử và Kỹ thuật điều khiển tự động. Đồ án tạo tiền đề vững chắc cho việc phát triển các dòng robot cộng tác thông minh hơn trong tương lai. Mô hình dễ dàng mở rộng và tích hợp thêm nhiều dạng cảm biến công nghiệp thế hệ mới.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế tự động hóa và sản xuất thông minh, sự phát triển của các công nghệ thị giác máy tính, cảm biến thông minh và học sâu đang thúc đẩy nhu cầu tương tác thực giữa con người và robot (Human - Robot Interaction). Các hệ thống xử lý ảnh hai chiều (2D) truyền thống bộc lộ nhiều nhược điểm khi vận hành trong môi trường thực tế, do phụ thuộc lớn vào góc quan sát, điều kiện chiếu sáng và dễ mất dấu khi mục tiêu bị che khuất. Ngược lại, dữ liệu không gian ba chiều (3D) cung cấp thêm thông tin chiều sâu và hình học thực của vật thể, hỗ trợ phân loại, ước lượng chuyển động và xác định tọa độ chính xác. Nhu cầu định vị và giám sát đối tượng theo thời gian thực trong không gian 3D hiện diện rõ nét trong các lĩnh vực như xe tự hành, an ninh công cộng (sân bay, bệnh viện, khu công nghiệp) và robot di động cộng tác (cobots).

Trước yêu cầu đó, đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Cơ điện tử tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh thực hiện đề tài "Nghiên cứu, thiết kế và điều khiển Manipulator giám sát đối tượng trong không gian", do nhóm sinh viên Lê Công Hậu, Nguyễn Anh Kiệt và Hồ Xuân Thưởng tiến hành dưới sự hướng dẫn của TS. Trần Minh Thiên.

Văn bản xác định 5 mục tiêu nghiên cứu cụ thể bao gồm:

1. Phát triển bộ theo dõi đa đối tượng trong không gian 3D chính xác và đáp ứng thời gian thực.
2. Thiết kế và chế tạo mô hình cánh tay robot nhỏ gọn, dễ lắp đặt, vận hành và bảo trì.
3. Tính toán, lựa chọn động cơ, cảm biến và cơ cấu truyền động phù hợp, đảm bảo khả năng theo dõi chuyển động chính xác và mượt mà.
4. Thiết kế mạch điều khiển và lập trình hệ thống điều khiển chuyển động mượt mà, ổn định.
5. Xây dựng cánh tay robot kết hợp camera để giám sát đối tượng được chọn trong không gian.

Đối tượng và phạm vi nghiên cứu của đồ án được giới hạn rõ ràng:

• Đối tượng nghiên cứu: Động cơ DC Servo; cấu tạo và nguyên lý hoạt động của cánh tay robot (manipulator); thiết kế cơ khí cánh tay robot; thiết kế mạch điều khiển và mạch công suất; tối ưu hóa thuật toán bám (tracking) đối tượng trong không gian; các giải thuật điều khiển chuyển động và giao tiếp truyền nhận dữ liệu UART giữa vi điều khiển với máy tính.
• Phạm vi nghiên cứu:
  • Môi trường thử nghiệm: Không gian trong nhà, điều kiện ánh sáng vừa và tốt.
  • Xử lý tọa độ: Chỉ tính toán tọa độ không gian $(x, y, z)$ của mục tiêu, không tính toán góc hướng của đối tượng.
  • Khoảng cách bám: Giới hạn phạm vi theo dõi tối đa trong bán kính 3 m.
  • Tải trọng: Cánh tay robot vận hành ở trạng thái mang cụm camera cảm biến, không mang tải nặng.
  • Thời gian thực hiện: 5 tháng (từ tháng 3/2024 đến tháng 7/2024).

---

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng tính toán dựa trên các mô hình toán học động học, động lực học và điều khiển chuyển động kinh điển trong kỹ thuật robot:

• Mô hình động học: Sử dụng phương pháp tham số Denavit - Hartenberg (D-H) để gắn hệ trục tọa độ lên các khâu và thiết lập ma trận biến đổi thuần nhất $A_i$ dạng $4 \times 4$. Bài toán động học thuận xác định vị trí khâu chấp hành cuối thông qua ma trận chuyển hệ trục tổng quát $^{0}_{n}T$. Bài toán động học nghịch được khảo sát qua phương pháp hình học và phương pháp đại số nhằm giải các góc khớp tương ứng với tọa độ không gian đặt trước.
• Mô hình động lực học: Thiết lập hệ phương trình vi phân chuyển động dựa trên phương pháp Euler - Lagrange ($L = K - P$). Động năng $K$ được tính toán thông qua vận tốc khối tâm, vận tốc góc và tensor quán tính 3D mở rộng dạng ma trận $4 \times 4$; thế năng $P$ được xác định dựa trên ma trận gia tốc trọng trường $g$ và vị trí khối tâm từng khâu.
• Quy hoạch quỹ đạo: Phân tích quy hoạch quỹ đạo trong không gian khớp và không gian Descartes. Đồ án áp dụng phương pháp quy hoạch quỹ đạo hỗn hợp (LSPB - Linear function with parabolic blends), ghép nối các đa thức bậc hai tại giai đoạn tăng tốc, giảm tốc và đường bậc một ở giai đoạn chuyển động đều. Phương pháp này giữ gia tốc ở mức hằng số, hạn chế xung động cơ học và hiện tượng rung lắc so với phương pháp đa thức bậc 3.
• Điều khiển và đo lường chuyển động: Thuật toán điều khiển vị trí sử dụng bộ điều khiển PID số với chu kỳ trích mẫu cố định, tích hợp khâu lọc thông thấp cho thành phần vi phân D để triệt tiêu nhiễu tần số cao và cơ chế Anti-windup cho khâu tích phân I nhằm hạn chế hiện tượng bão hòa tín hiệu điều khiển. Tín hiệu phản hồi vị trí và vận tốc được trích xuất từ encoder quang tương đối ở các chế độ giải mã 1X, 2X, hoặc 4X.
• Cảm biến độ sâu và thị giác máy tính: Khảo sát các công nghệ đo chiều sâu gồm Camera stereo, Structured light, Time-of-Flight (ToF) và Active stereo. Phân tích nguyên lý bài toán theo dõi đa đối tượng (MOT) theo hướng tiếp cận Tracking-by-detection, sử dụng thuật toán SORT kết hợp bộ lọc Kalman và thuật toán Hungarian.

Phương pháp nghiên cứu thực tế gồm bốn nhánh:

1. Nghiên cứu lý thuyết: Khảo cứu tài liệu chuyên ngành về cánh tay robot, cảm biến thị giác 3D và các thuật toán học sâu nhận diện đối tượng.
2. Mô phỏng: Ứng dụng phần mềm SolidWorks thiết kế mô hình 3D và MATLAB/Simulink mô phỏng kiểm chứng động học, động lực học, quy hoạch quỹ đạo và vòng điều khiển PID.
3. Thực nghiệm: Chế tạo chi tiết cơ khí bằng công nghệ in 3D; thiết kế, gia công mạch in PCB; lập trình nhúng STM32 và xây dựng chương trình thị giác máy tính trên máy tính xách tay.
4. Phân tích, đánh giá: Sử dụng các công thức giải tích cơ học máy, lý thuyết điều khiển tự động và các chỉ số đo sai số góc khớp thực tế để đánh giá hiệu năng hệ thống.

---

Thiết kế và triển khai

Hệ thống được thiết kế theo dạng cơ điện tử tích hợp giữa phần cứng cơ khí, mạch điện tử công suất - điều khiển và hệ thống phần mềm thị giác phân tầng.

1. Thiết kế cơ khí và hệ thống truyền động

Cánh tay robot có cấu hình 3 bậc tự do (3-DOF), toàn bộ kết cấu vỏ và các khớp nối được chế tạo bằng công nghệ in 3D từ vật liệu nhựa nhằm giảm tối đa khối lượng tĩnh. Kết cấu được bổ sung các gân tăng cứng, tăng bề dày thành vách tại các vị trí chịu lực uốn và xoắn.

Các cơ cấu truyền động được so sánh và đánh giá để lựa chọn phương án tối ưu:

Phương án truyền động	Ưu điểm ghi nhận	Nhược điểm ghi nhận	Đánh giá lựa chọn
Truyền động trực tiếp	Kết cấu đơn giản, ít độ trễ, không trượt	Mô-men yêu cầu lớn, làm tăng kích thước động cơ tại khớp	Chỉ phù hợp với khớp tải rất nhẹ
Truyền động đai / xích	Giảm rung động, cho phép đặt động cơ xa trục khớp	Dễ trượt nếu không đủ lực căng, độ chính xác vị trí thấp	Không ưu tiên cho kết cấu in 3D
Vít me – đai ốc	Khả năng chịu tải cao, độ dịch chuyển tuyến tính chính xác	Tốc độ chậm, kết cấu cồng kềnh, chỉ tạo chuyển động tịnh tiến	Không phù hợp với khớp quay cánh tay
Puly – dây đai răng	Dễ chế tạo, nhẹ, êm, linh hoạt điều chỉnh tỷ số truyền	Cần cơ cấu căng đai chính xác để tránh mài mòn	Được chọn cho toàn bộ các khớp

Hệ thống sử dụng bộ truyền puly - đai răng chuẩn GT2 (bước răng 2 mm, bản rộng đai 6 mm) với các loại puly 20 răng (đường kính vòng chia 12 mm) và puly 30 răng (đường kính vòng chia 18,6 mm). Cơ cấu truyền động kết hợp với puly căng đai không răng, vòng bi 608zz, gối đỡ và khớp nối mềm, đảm bảo các khớp chuyển động đạt vận tốc góc tối đa 30 rpm. Động cơ dẫn động là loại DC Servo tích hợp encoder phản hồi vị trí kín.

2. Thiết kế hệ thống điện và phần cứng nhúng

Hệ thống điện được phân thành các khối chức năng độc lập:

• Khối xử lý trung tâm: Sử dụng bo mạch vi điều khiển STM32F407 Discovery (lõi ARM Cortex-M4 32-bit). Nền tảng này vượt trội so với Arduino UNO (8-bit, 16 MHz) về tốc độ tính toán thời gian thực và vượt trội so với ESP32 ở khả năng cấu hình Timer phần cứng chuyên dụng cho việc đọc xung Encoder tốc độ cao.
• Khối mạch công suất (Driver): Sử dụng module cầu H BTS7960 công suất lớn (chịu dòng tối đa 43A). Phương án này được chọn thay thế driver L298N do L298N sử dụng transistor BJT có hiệu suất thấp (<70%), dòng tải liên tục chỉ đạt 1A - 2A và phát nhiệt lớn khi mang tải.
• Khối cách ly và hiển thị: Mạch điều khiển dùng opto PC817 để cách ly quang học giữa tín hiệu logic điều khiển và phần động lực công suất cao nhằm chống xung nhiễu; màn hình LCD 2004 hiển thị trạng thái vận hành kết nối qua module giao tiếp I2C PCF8574.
• Khối nguồn: Tủ điện bố trí hai nguồn xung tổ ong gồm nguồn 24V 5A (cấp mạch động lực động cơ) và nguồn 12V 5A; các mạch giảm áp DC-DC LM2596 (hạ áp xuống 5V 3A) và AMS1117 (hạ áp xuống 3.3V) cấp nguồn cho vi điều khiển và cảm biến. Toàn bộ hệ thống mạch in (PCB) được thiết kế và gia công thành các khối riêng biệt: mạch công suất, mạch vi điều khiển và mạch terminal.

3. Thiết kế phần mềm và thuật toán điều khiển

Kiến trúc phần mềm hoạt động trên cơ chế phân tầng xử lý:

• Tầng xử lý thị giác (trên máy tính xách tay): Sử dụng camera độ sâu Primesense Carmine 1.09 để thu nhận đồng thời dữ liệu ảnh màu RGB và bản đồ độ sâu (Depth map). Mô hình học sâu YOLOv8n-seg thực hiện nhận diện và phân đoạn mặt nạ người trong ảnh 2D. Dữ liệu phân đoạn được đưa vào thuật toán FusionVision cải tiến để lọc và tạo các đám mây điểm 3D tương ứng. Sau đó, mô hình theo dõi 3D DeepSORT mở rộng áp dụng chỉ số giao thoa thể tích 3D IoU kết hợp bộ lọc Kalman để gán nhãn, duy trì ID mục tiêu liên tục theo thời gian thực. Tọa độ $(x, y, z)$ của đối tượng được truyền xuống bo mạch STM32 qua cổng giao tiếp nối tiếp UART.
• Tầng chấp hành chuyển động (trên STM32): Vi điều khiển tiếp nhận tọa độ mục tiêu, tính toán nghiệm động học nghịch để xác định góc xoay yêu cầu cho 3 khớp. Bộ điều khiển thực thi quy hoạch quỹ đạo hỗn hợp LSPB nhằm tạo quỹ đạo mượt, sau đó kích hoạt vòng điều khiển PID số có khâu lọc vi phân và anti-windup, xuất xung PWM điều khiển góc quay trục động cơ thông qua driver BTS7960 và kiểm soát sai số bằng tín hiệu encoder.

---

Nội dung chính theo từng chương

CHƯƠNG 1: GIỚI THIỆU

Chương này phân tích bối cảnh phát triển của thị giác máy 3D và vai trò của việc tương tác người - máy trong công nghiệp 4.0. Tác giả khảo sát các công trình liên quan trong nước (hệ thống dẫn đường cho người khiếm thị bằng camera 3D [29], robot theo dõi khuôn mặt dùng PID mờ [30], robot di động 4 bánh Mecanum 4-MWMR bám người [31]) và quốc tế (hệ thống camera pan-tilt dùng Particle Filter [6], khung theo dõi JRMOT trên tập dữ liệu JRDB [1], visual servoing kết hợp SIFT và CAMSHIFT [7]). Từ đó, chương xác lập tính cấp thiết, mục tiêu nghiên cứu, đối tượng, phạm vi giới hạn trong nhà dưới 3 m và phương pháp luận của đề tài.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

Nội dung chương trình bày lý thuyết cơ bản về cánh tay robot công nghiệp (khâu, khớp, cơ cấu chấp hành, cảm biến, bộ điều khiển). Thiết lập hệ phương trình biến đổi thuần nhất D-H cho bài toán động học thuận và các tiếp cận đại số, hình học cho động học nghịch. Trình bày phương pháp Lagrange - Euler trong tính toán động lực học vật rắn và ma trận quán tính. Phân tích lý thuyết quy hoạch quỹ đạo, so sánh giữa đa thức bậc 3 và quỹ đạo hỗn hợp LSPB; cấu trúc nguyên lý của encoder xung vuông (1X, 2X, 4X) cùng thuật toán PID số, khâu lọc thông thấp cho thành phần vi phân D và khâu chống bão hòa tích phân Anti-windup. Phần cuối chương tổng quan các công nghệ camera độ sâu (Stereo, Structured Light, ToF, LiDAR) và cấu trúc thuật toán theo dõi đối tượng SORT/DeepSORT.

CHƯƠNG 3: LỰA CHỌN PHƯƠNG ÁN THIẾT KẾ

Chương này đưa ra các tiêu chí thiết kế hệ thống cơ khí bằng công nghệ in 3D. Tác giả tiến hành phân tích ưu nhược điểm của 4 phương án truyền động cơ khí (trực tiếp, đai/xích, vít me - đai ốc, puly đai), từ đó quyết định lựa chọn hệ thống puly - đai răng GT2. Khảo sát 4 dòng động cơ (DC, bước, servo, BLDC) và chọn DC Servo có encoder. Khảo sát 3 nền tảng vi xử lý (Arduino, STM32, ESP32) và lựa chọn STM32F407 nhờ hiệu năng cao và bộ định thời hỗ trợ đọc encoder; lựa chọn mạch cầu H BTS7960 43A thay thế cho L298N. Đối với thuật toán thị giác, chương khảo sát mô hình nhận diện 3D và các cấu trúc theo dõi đa mục tiêu thời gian thực.

CHƯƠNG 4: THIẾT KẾ CƠ KHÍ

Trình bày chi tiết bản vẽ 3D trên SolidWorks và cấu trúc lắp ráp thực tế của cánh tay robot 3 bậc tự do. Chương tập trung tính toán mô-men tải của các khớp để lựa chọn thông số động cơ phù hợp, tính toán chọn thông số dây đai răng GT2, bước răng, chiều dài đai và lực căng đai. Bố trí các cụm gá đặt vòng bi 608zz, gối đỡ, puly căng đai và khớp nối mềm nhằm triệt tiêu độ lệch trục trong quá trình truyền động.

CHƯƠNG 5: THIẾT KẾ HỆ THỐNG ĐIỆN

Xây dựng sơ đồ khối tổng thể của hệ thống điện điều khiển. Tính toán dòng điện tiêu thụ của các linh kiện điện tử trong mạch điều khiển và mạch động lực để lựa chọn các bộ nguồn xung 24V 5A, 12V 5A, mạch hạ áp LM2596 và AMS1117. Giới thiệu thông số camera Primesense Carmine 1.09, sơ đồ chân kết nối opto cách ly PC817, module I2C PCF8574, màn hình LCD 2004 và kit STM32F407 Discovery. Thiết kế sơ đồ nguyên lý và layout mạch in hai lớp (TOP/BOTTOM) cho bo mạch công suất, bo mạch vi điều khiển, bo mạch terminal và bố trí không gian tủ điện thực tế.

CHƯƠNG 6: MÔ HÌNH HÓA VÀ THIẾT KẾ BỘ ĐIỀU KHIỂN VỊ TRÍ

Thành lập bảng thông số D-H của cánh tay robot 3 bậc tự do, giải các phương trình động học thuận và động học nghịch giải tích. Xây dựng mô hình toán học động lực học và thuật toán quy hoạch quỹ đạo hỗn hợp. Mô hình hóa hàm truyền động cơ DC Servo và xác định các tham số hàm truyền gần đúng thông qua thực nghiệm. Thiết kế bộ điều khiển vị trí theo phương pháp IMC (Internal Model Control), xác định hệ số điều khiển vận tốc và vị trí. Tiến hành mô phỏng trên máy tính để kiểm chứng tính đúng đắn của động học, so sánh đáp ứng quỹ đạo đặt với quỹ đạo thực và tính toán sai số góc quay tại từng khớp.

CHƯƠNG 7: THUẬT TOÁN THEO DÕI ĐỐI TƯỢNG TRONG KHÔNG GIAN 3D VÀ GIẢI THUẬT ĐIỀU KHIỂN HỆ THỐNG ROBOT THEO DÕI ĐỐI TƯỢNG

Trình bày chi tiết kiến trúc thuật toán xử lý ảnh: mô hình phân đoạn YOLOv8n-seg kết hợp với thuật toán FusionVision cải tiến để tái tạo tọa độ vật thể 3D từ dữ liệu camera độ sâu. Mở rộng bộ theo dõi 3D DeepSORT sử dụng hộp giới hạn ba chiều và phép tính 3D IoU để duy trì định danh đối tượng khi di chuyển. Trình bày chi tiết hai lưu đồ giải thuật chính: giải thuật xử lý ảnh, tính toán tọa độ mục tiêu trên máy tính xách tay và giải thuật tiếp nhận dữ liệu UART, giải động học nghịch, quy hoạch quỹ đạo và xuất xung điều khiển PID trên vi điều khiển STM32.

CHƯƠNG 8: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Đánh giá toàn diện kết quả chế tạo cơ khí, mạch điện, độ chính xác của bộ định vị 3D và bộ theo dõi 3D DeepSORT. Phân tích các biểu đồ thực nghiệm so sánh góc khớp gửi tới và góc khớp phản hồi từ encoder, đánh giá sai số bám quỹ đạo của hệ thống trong điều kiện thực tế. Rút ra các kết luận chung về tính khả thi của mô hình và nêu rõ các hướng phát triển hoàn thiện trong tương lai.

---

Kết quả và đóng góp

1. Kết quả thực nghiệm

• Về cơ khí: Chế tạo thành công mô hình cánh tay robot 3 bậc tự do bằng công nghệ in 3D với kết cấu gọn nhẹ, chuyển động êm dịu thông qua hệ truyền động puly - dây đai răng GT2; các khớp vận hành ổn định ở vận tốc góc tối đa 30 rpm.
• Về hệ thống điện: Gia công hoàn chỉnh hệ thống tủ điện điều khiển gồm các mạch in chuyên dụng (khối vi điều khiển STM32F407, khối công suất BTS7960 43A, khối terminal). Mạch điện đáp ứng tốt việc cách ly chống nhiễu quang học qua opto PC817, duy trì nguồn cấp ổn định 24V, 12V, 5V và 3.3V cho toàn bộ hệ thống.
• Về thuật toán và điều khiển:
  • Xác định hàm truyền động cơ bằng thực nghiệm và thiết kế bộ điều khiển PID vị trí theo phương pháp IMC kết hợp quy hoạch quỹ đạo hỗn hợp LSPB, giảm xung rung cơ khí.
  • Tích hợp thành công mô hình phân đoạn YOLOv8n-seg với thuật toán FusionVision cải tiến và bộ theo dõi 3D DeepSORT mở rộng.
  • Thử nghiệm thực tế chứng minh robot có khả năng bám theo chuyển động của mục tiêu nhanh chóng, giữ bám mượt mà và duy trì ID ổn định ngay cả khi đối tượng bị che khuất tạm thời trong điều kiện ánh sáng ổn định.

2. Đóng góp của đề tài

• Đề xuất giải pháp cải tiến thuật toán FusionVision kết hợp dữ liệu camera độ sâu Carmine 1.09 và mô hình YOLOv8n-seg để tái tạo vị trí 3D mục tiêu tin cậy hơn so với phương pháp gốc.
• Mở rộng thuật toán DeepSORT sang không gian ba chiều bằng cách ứng dụng chỉ số 3D IoU, nâng cao độ chính xác khi theo dõi đa mục tiêu theo thời gian thực.
• Xây dựng hoàn chỉnh một hệ thống cơ điện tử khép kín từ khâu thu nhận - xử lý thị giác máy tính 3D trên PC đến khâu quy hoạch quỹ đạo và điều khiển vòng kín trên phần cứng nhúng STM32.

---

Hạn chế và hướng nghiên cứu tiếp

1. Hạn chế của đề tài

Căn cứ vào kết quả kiểm nghiệm được tác giả công bố trong văn bản, hệ thống còn tồn tại các hạn chế kỹ thuật:

• Độ nhạy sáng: Hệ thống phụ thuộc nhiều vào điều kiện chiếu sáng của môi trường xung quanh, chỉ hoạt động ổn định ở điều kiện ánh sáng vừa và tốt; chất lượng trích xuất bản đồ độ sâu suy giảm khi ánh sáng biến động mạnh.
• Hiện tượng méo dạng điểm: Thuật toán chưa xử lý được hiện tượng méo dạng dữ liệu đám mây điểm (point distortion) khi camera bị nghiêng hướng lên hoặc hướng xuống. Do đó, hệ thống hiện tại mới chỉ theo dõi được đối tượng theo phương ngang (mặt phẳng ngang), chưa theo dõi được chuyển động theo chiều đứng.
• Giới hạn không gian và tải: Khoảng cách bám bắt mục tiêu bị khống chế trong phạm vi 3 m; robot chỉ bám tọa độ vị trí $(x, y, z)$ mà chưa tính toán góc hướng của đối tượng; kết cấu in 3D nhẹ nên không có khả năng mang tải nặng.

2. Hướng nghiên cứu tiếp

• Nghiên cứu giải thuật bù trừ hiện tượng méo dạng điểm khi thay đổi góc ngẩng/chúi của camera, giúp robot mở rộng khả năng bám mục tiêu theo cả trục đứng trong không gian 3D toàn diện.
• Nâng cao độ bền vững của thuật toán thị giác đối với sự biến đổi cường độ ánh sáng, cho phép hệ thống vận hành trong điều kiện ánh sáng yếu hoặc môi trường ngoài trời.
• Tối ưu hóa thuật toán để triển khai trực tiếp toàn bộ quá trình nhận diện và điều khiển trên các bo mạch tính toán biên chuyên dụng (Edge AI), loại bỏ sự phụ thuộc vào máy tính xách tay trung gian.

---

Giá trị tham khảo

Báo cáo đồ án tốt nghiệp này mang lại giá trị tham khảo kỹ thuật rõ ràng cho sinh viên, giảng viên và kỹ sư thuộc các chuyên ngành Kỹ thuật Cơ điện tử, Kỹ thuật Robot, Tự động hóa và Thị giác máy tính:

• Tài liệu tham khảo cơ khí - điện tử: Đồ án cung cấp quy trình thiết kế, tính toán bộ truyền puly - đai răng GT2 cho robot in 3D; cung cấp phương pháp bố trí mạch công suất BTS7960, cách ly tín hiệu quang bằng opto PC817 và khai thác ngắt Timer trên dòng vi điều khiển STM32F4 để đọc encoder xung.
• Tài liệu tham khảo điều khiển học: Cung cấp phương pháp nhận dạng hàm truyền động cơ bằng thực nghiệm, quy trình thiết kế thông số bộ điều khiển PID theo phương pháp IMC và cách cài đặt quy hoạch quỹ đạo hỗn hợp LSPB nhằm giảm rung giật cho cơ cấu.
• Tài liệu tham khảo thuật toán thị giác 3D: Cung cấp phương pháp tích hợp mô hình phân đoạn ảnh YOLOv8n-seg với dữ liệu đám mây điểm từ camera Primesense Carmine 1.09, cùng mã nguồn thuật toán FusionVision cải tiến và 3D DeepSORT sử dụng chỉ số 3D IoU trong bài toán theo dõi mục tiêu.

---

Câu hỏi thường gặp

1. Cơ cấu truyền động nào được lựa chọn cho cánh tay robot và vì sao?
Nhóm tác giả lựa chọn cơ cấu truyền động bằng puly và dây đai răng GT2 (bước răng 2 mm, bề rộng 6 mm) cho toàn bộ các khớp của robot. Lựa chọn này dựa trên tiêu chí: puly đai có kết cấu nhẹ, dễ gia công lắp ráp với các chi tiết in 3D, vận hành êm ái, giảm rung động, cho phép tạo tỷ số truyền phù hợp và đảm bảo độ chính xác điều khiển mà không gây quá tải cho động cơ tại khớp như truyền động trực tiếp.

2. Vi điều khiển trung tâm nào được sử dụng và lý do loại trừ các phương án khác?
Đồ án sử dụng kit STM32F407 Discovery (ARM Cortex-M4 32-bit). Nền tảng này được lựa chọn thay thế Arduino UNO R3 vì Arduino bị giới hạn ở kiến trúc 8-bit, xung nhịp thấp (16 MHz) và thiếu bộ nhớ để xử lý thời gian thực; đồng thời được chọn thay thế ESP32 do STM32 sở hữu khối Timer phần cứng mạnh mẽ hỗ trợ chế độ Encoder Mode (Capture Timer) chuyên dụng cho việc đọc xung chính xác cao từ động cơ servo.

3. Mạch driver điều khiển động cơ DC sử dụng loại nào và tại sao không dùng module L298N phổ biến?
Hệ thống sử dụng mạch điều khiển BTS7960 công suất lớn với dòng tải định mức lên tới 43A. Nhóm tác giả loại trừ module L298N vì L298N sử dụng transistor tiếp mặt BJT có hiệu suất chuyển đổi năng lượng thấp (<70%), phát nhiệt rất lớn khi tải nặng, dòng liên tục thực tế chỉ đạt 1A - 2A và không tích hợp các cơ chế bảo vệ quá dòng hay quá nhiệt, không đáp ứng được yêu cầu dòng khởi động của động cơ DC servo trong hệ thống.

4. Thuật toán thị giác máy tính thực hiện việc phát hiện và duy trì bám đối tượng như thế nào?
Quy trình thị giác kết hợp ba mô hình chính: Trước tiên, mô hình YOLOv8n-seg phân đoạn vùng chứa đối tượng người từ ảnh màu 2D; tiếp theo, thuật toán FusionVision cải tiến kết hợp mặt nạ 2D với bản đồ độ sâu từ camera Primesense Carmine 1.09 để tái tạo đám mây điểm và xác định hộp giới hạn 3D của đối tượng; cuối cùng, thuật toán 3D DeepSORT mở rộng áp dụng chỉ số 3D IoU kết hợp bộ lọc Kalman để gán nhãn ID cố định, giúp robot theo dõi liên tục mục tiêu ngay cả khi bị che khuất tạm thời.

5. Tại sao hệ thống thực nghiệm hiện tại mới chỉ theo dõi được mục tiêu theo chiều ngang?
Theo kết quả kiểm nghiệm trong văn bản, thuật toán hiện tại chưa khắc phục được hiện tượng méo dạng dữ liệu điểm (point distortion) khi góc trục của camera ngẩng lên hoặc chúi xuống. Do đó, để đảm bảo tính ổn định và độ tin cậy của thuật toán bám đối tượng, phạm vi bám bắt hiện tại được nhóm nghiên cứu giới hạn trên mặt phẳng nằm ngang.

---

Kết luận

Đồ án tốt nghiệp của nhóm tác giả đã xây dựng thành công mô hình cánh tay robot 3 bậc tự do in 3D kết hợp camera độ sâu để bám theo đối tượng trong không gian thời gian thực. Bằng việc kết hợp vi điều khiển STM32F407, giải thuật điều khiển vị trí PID/IMC với mô hình thị giác YOLOv8n-seg, FusionVision cải tiến và 3D DeepSORT, hệ thống đã chứng minh được tính ổn định và khả năng duy trì định danh mục tiêu khi bị che khuất trong nhà ở phạm vi 3 m. Mặc dù vẫn còn hạn chế về độ nhạy sáng và hiện tượng méo dạng điểm khiến việc bám bắt mới chỉ thực hiện trên phương ngang, công trình đã cung cấp một thiết kế thực nghiệm cơ điện tử hoàn chỉnh và là cơ sở khoa học tin cậy cho các hướng phát triển robot cộng tác, giám sát thông minh tiếp theo.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: GIỚI THIỆU 1. Tính cấp thiết của đề tài Trong kỷ nguyên công nghệ số hiện nay, sự phát triển nhanh chóng của các lĩnh vực liên quan đến thị giác máy tính, học sâu và cảm biến thông minh đã mở ra một bước ngoặt lớn trong việc xử lý và hiểu biết môi trường xung quanh một cách toàn diện hơn. Trong đó, việc hiểu và tương tác hiệu quả với không gian ba chiều (3D) đang nổi lên như một yếu tố cốt lõi, đặc biệt trong các hệ thống thị giác máy hiện đại. Khác với các phương pháp truyền thống chỉ dựa trên hình ảnh hai chiều (2D), các hệ thống 3D không chỉ tái hiện được hình dạng và cấu trúc không gian của vật thể mà còn cung cấp thông tin về chiều sâu – một thành phần quan trọng giúp máy móc “nhìn” thế giới theo cách gần với con người hơn.

Việc này đóng vai trò đặc biệt quan trọng trong các ứng dụng đòi hỏi độ chính xác cao về định vị, phân tích chuyển động cũng như khả năng tương tác với môi trường động. Theo dõi đối tượng trong không gian 3D vì thế không chỉ đơn thuần là xác định vị trí của một vật thể tại một thời điểm cụ thể, mà còn bao gồm việc nhận biết hành vi, phân biệt giữa các thực thể khác nhau, và dự đoán chuyển động của chúng trong tương lai. Điều này càng trở nên phức tạp khi áp dụng trong các môi trường thực tế, nơi các yếu tố như ánh sáng thay đổi, vật thể bị che khuất, hoặc tương tác vật lý giữa nhiều đối tượng xảy ra thường xuyên. Trong bối cảnh đó, hệ thống 3D với khả năng mô hình hóa không gian chính xác, tận dụng thông tin hình học và chiều sâu, đã chứng minh là một công cụ không thể thiếu để nâng cao hiệu quả nhận diện, phân loại và ra quyết định một cách tự động.1: Tương tác giữa con người và robot Một trong những lĩnh vực đi đầu trong việc ứng dụng các hệ thống 3D tiên tiến là xe tự hành [20].

Để có thể vận hành an toàn trong điều kiện giao thông phức tạp, xe tự hành cần có 1 khả năng “nhìn thấy” và hiểu được toàn cảnh không gian xung quanh nó theo thời gian thực – từ việc phát hiện người đi bộ đang băng qua đường, các phương tiện giao thông đang di chuyển nhanh, cho đến việc nhận dạng các biển báo giao thông và những tình huống bất thường có thể xảy ra. Các hệ thống dựa trên hình ảnh 2D đơn thuần thường bị giới hạn bởi góc nhìn, điều kiện ánh sáng không ổn định hoặc vật cản che khuất. Ngược lại, hệ thống thị giác 3D sử dụng các cảm biến như LIDAR, camera stereo hay structured light có thể khắc phục các hạn chế đó bằng cách tái tạo hình học không gian, từ đó đưa ra các quyết định lái xe chính xác và an toàn hơn trong thời gian thực.2: Robot di động hoạt động trong không gian công cộng Không chỉ trong giao thông, các hệ thống theo dõi 3D còn đóng vai trò quan trọng trong lĩnh vực an ninh và giám sát [13][23], Với sự hỗ trợ của cảm biến chiều sâu và thuật toán học sâu, các hệ thống giám sát hiện đại ngày nay có thể phân biệt giữa con người và vật thể vô tri, theo dõi chuyển động đáng ngờ và phát hiện hành vi xâm nhập trong các khu vực nhạy cảm như sân bay, bệnh viện, nhà máy hoặc khu dân cư. Các giải pháp này đặc biệt hữu ích trong điều kiện ánh sáng yếu, ban đêm hoặc môi trường ngoài trời – nơi camera truyền thống có thể không đủ hiệu quả.

Ngoài ra, trong lĩnh vực robot và tự động hóa [17], đặc biệt là đối với các hệ thống robot di động hoạt động trong môi trường phức tạp như nhà ở, bệnh viện hoặc nhà máy sản xuất [29], việc nhận biết và hiểu không gian 3D xung quanh giúp robot tránh va chạm, xác định vị trí và tương tác một cách linh hoạt với con người và vật thể. Điều này đòi hỏi sự tích hợp chặt chẽ giữa cảm biến thời gian thực, thuật toán định vị và lập kế hoạch chuyển động, cũng như khả năng thích nghi với các tình huống chưa được lập trình trước. Các ứng dụng như robot 2 hỗ trợ y tế, robot vận chuyển trong kho thông minh hay robot làm việc cộng tác với con người (cobots) đều cần đến một hệ thống theo dõi và hiểu biết 3D mạnh mẽ để hoạt động hiệu quả.3: Máy tính AI vision ABOX-E70L cho robot giám sát trạm điện Từ những lý do đó, nhóm nghiên cứu đã lựa chọn hướng đi tập trung vào đề tài “nghiên cứu, thiết kế và điều khiển manipulator giám sát đối tượng trong không gian”. Đề tài không chỉ mang giá trị học thuật sâu sắc khi giải quyết các bài toán thị giác máy 3D trong không gian động, mà còn có tính ứng dụng cao trong thực tiễn.

Hệ thống này có thể làm nền tảng cho các công nghệ tương lai, góp phần vào sự phát triển của các giải pháp giám sát thông minh, vận hành tự động, an toàn và hiệu quả hơn trong các lĩnh vực công nghiệp, dân dụng và y tế hiện đại. Dự án liên quan 1. Trong nước Trong những năm gần đây, tại Việt Nam đã có nhiều nghiên cứu hướng đến phát triển các hệ thống robot thông minh có khả năng nhận diện và theo dõi đối tượng trong môi trường thực. Một trong những hướng đi tiêu biểu là hỗ trợ người khiếm thị di chuyển độc lập trong không gian trong nhà thông qua các hệ thống robot không tiếp xúc [29].

Một nghiên cứu đáng chú ý đã sử dụng camera 3D để thu thập thông tin hình học của đối tượng, kết hợp kỹ thuật lọc ảnh độ sâu và xây dựng khung xương để xác định hướng chuyển động của người khiếm 3 thị. Kết quả cho thấy thuật toán có độ chính xác cao với đối tượng tĩnh và hiệu quả tương đối với đối tượng di chuyển, mở ra tiềm năng ứng dụng trong các hệ thống robot hỗ trợ con người. Bên cạnh đó, nghiên cứu [30] tích hợp hoàn chỉnh từ phần cơ khí, phần cứng đến phần mềm xử lý ảnh, sử dụng thuật toán điều khiển PID số và PID số-mờ để điều khiển chuyển động của robot trong quá trình theo dõi khuôn mặt. Nghiên cứu này cho thấy khả năng áp dụng thuật toán thị giác truyền thống kết hợp điều khiển số trên nền tảng nhúng, hướng đến các hệ thống robot có thể giao tiếp với con người trong thời gian thực, với chi phí thấp và dễ triển khai.

Ở nghiên cứu [31],nhóm tác giả thiết kế robot sử dụng bánh xe đa hướng nhằm tăng tính cơ động trong môi trường hẹp và không gian phức tạp. Đặc biệt, cấu hình robot 4 bánh Mecanum (4-MWMR) đã thu hút được nhiều sự quan tâm nhờ khả năng di chuyển linh hoạt theo mọi hướng mà không cần xoay thân, vượt trội hơn so với các robot truyền thống dùng bánh xe cố định. Một nghiên cứu tiêu biểu trong lĩnh vực này đã đề xuất và phát triển một nền tảng robot di động 4-MWMR với mục tiêu hỗ trợ con người trong các môi trường như cơ sở y tế, siêu thị và kho hàng – nơi đòi hỏi robot không chỉ có khả năng định hướng và vận động tốt, mà còn phải tương tác trực quan với người dùng. Hệ thống sử dụng các kỹ thuật xử lý hình ảnh thời gian thực kết hợp với mô hình học sâu, cho phép robot nhận diện và bám theo người điều khiển được phân quyền, tránh chướng ngại vật một cách tự động, đồng thời có thể tiếp nhận lệnh điều khiển từ xa thông qua nhận dạng cử chỉ tay.

Không yêu cầu bản đồ lập sẵn, robot có thể hoạt động linh hoạt trong môi trường chưa được định nghĩa trước, mở ra hướng ứng dụng thực tiễn trong các khu vực linh hoạt và thay đổi liên tục. Các thử nghiệm ban đầu cho thấy hệ thống hoạt động ổn định và có tiềm năng cao trong việc ứng dụng vào các nhiệm vụ hỗ trợ vận chuyển vật tư trong thực tế. Ngoài nước Trên thế giới, nhiều nghiên cứu đã tập trung phát triển các hệ thống theo dõi đối tượng trong không gian 3D, kết hợp robot, thị giác máy tính và các thuật toán điều khiển thông minh. Nghiên cứu [6] đề xuất một hệ thống theo dõi đối tượng sử dụng robot có cánh tay và hai camera pan-tilt, kết hợp với thuật toán particle filter để xác định vị trí đối tượng một cách xác suất trong chuỗi ảnh.

Hệ thống này có khả năng mở rộng phạm vi và tăng tốc độ theo dõi nhờ cơ cấu quay-lật của camera và cánh tay robot linh hoạt. Các thử nghiệm cho thấy hệ thống có thể theo dõi đối tượng chuyển động xung quanh với độ tin cậy cao, góp phần xây dựng các hệ thống robot tương tác thời gian thực trong không gian thực tế. Một nghiên cứu tiêu biểu khác là hệ thống JRMOT (Joint Recursive Multi-Object Tracker) [1], được phát triển nhằm phục vụ cho robot tự hành. Khác với các phương pháp MOT (multi-object tracking) truyền thống vốn chủ yếu sử dụng hình ảnh (red-green-blue) 4 RGB 2D, JRMOT kết hợp cả ảnh RGB và dữ liệu đám mây điểm 3D để theo dõi đối tượng trong không gian tọa độ thực (3D Cartesian space).

Hệ thống tích hợp các mạng nơ-ron sâu phục vụ tái nhận diện, phát hiện 2D–3D và mô tả quỹ đạo, hoạt động trong kiến trúc Kalman đa chế độ. Ngoài ra, nhóm nghiên cứu còn công bố tập dữ liệu lớn JRDB, gồm hơn 2 triệu nhãn hộp và hơn 3500 quỹ đạo 2D+3D liên tục trong các cảnh xã hội thực tế. Hệ thống này chứng minh hiệu suất theo dõi vượt trội và được kiểm thử thành công trên robot xã hội JackRabbot trong các môi trường tương tác người-máy. Bên cạnh đó, một nghiên cứu khác ứng dụng thuật toán visual servoing [7] để điều khiển robot di động có gắn stereo camera nhằm thực hiện theo dõi đối tượng ba chiều.

Hệ thống sử dụng kết hợp giữa SIFT và CAMSHIFT để nhận diện đối tượng và ước lượng vị trí-hướng trong không gian. Kết hợp với hệ điều khiển cân bằng trung tâm trọng lực, robot có thể ổn định chuyển động trong khi vẫn duy trì được đối tượng trong vùng quan sát. Các thử nghiệm thực nghiệm đã chứng minh hiệu quả của hệ thống trong môi trường thực, làm nền tảng cho các nghiên cứu điều khiển và giám sát robot thông minh dựa trên thị giác stereo. Mục tiêu nghiên cứu của đề tài Nghiên cứu, thiết kế và chế tạo cánh tay robot giám sát theo các đặc tính sau: - Phát triển bộ theo dõi đa đối tượng trong không gian 3D chính xác và đáp ứng thời gian thực.