Luận văn thạc sĩ HCMUTE: Ứng dụng công nghệ quét laser 2D trong định vị robot tiếp tân

Luận văn thạc sĩ HCMUTE nghiên cứu ứng dụng công nghệ quét laser 2D trong định vị robot tiếp tân, mở ra hướng đi mới cho tự động hóa.

• Tác giả: Võ Công Phát
• Người hướng dẫn: PGS.TS Nguyễn Trường Thịnh
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Cơ Điện Tử
• Đề tài: Nghiên Cứu Ứng Dụng Công Nghệ Quét Laser 2D Trong Định Vị Robot Tiếp Tân
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• TRANG TỰA
• LÝ LỊCH KHOA HỌC
• LỜI CAM ĐOAN
• CẢM TẠ
• MỤC LỤC
• DANH SÁCH CÁC TỪ VIẾT TẮT
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. GIỚI THIỆU
• 1.2. CÁC NGHIÊN CỨU LIÊN QUAN ĐẾN ĐỀ TÀI
• 1.2.1. CÁC NGHIÊN CỨU NGOÀI NƯỚC
• 1.2.2. NGHIÊN CỨU TRONG NƯỚC
• 1.3. LÝ DO CHỌN ĐỀ TÀI
• 1.4. MỤC TIÊU NGHIÊN CỨU
• 1.5. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 1.6. Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN
• 1.7. PHƯƠNG PHÁP NGHIÊN CỨU
• 1.7.1. CƠ SỞ PHƯƠNG PHÁP LUẬN
• 1.7.2. CÁC PHƯƠNG PHÁP NGHIÊN CỨU CỤ THỂ
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. MỘT SỐ PHƯƠNG PHÁP ĐỊNH VỊ TRONG ROBOT
• 2.1.1. PHƯƠNG PHÁP TIÊN ĐOÁN DEAD-RECKONING
• 2.1.2. HỆ THỐNG DẪN ĐƯỜNG CỘT MỐC CHỦ ĐỘNG
• 2.1.3. HỆ THỐNG DẪN ĐƯỜNG CỘT MỐC
• 2.1.4. XỬ LÝ HÌNH ẢNH THU THẬP TỪ CAMERA
• 2.1.5. ĐỊNH VỊ SỬ DỤNG TIA LASER
• 2.2. PHƯƠNG ÁN THỰC HIỆN
• 2.3. BỘ LỌC KALMAN MỞ RỘNG - EKF
• 3. CHƯƠNG 3: XÂY DỰNG MÔ HÌNH THU THẬP VÀ CHUẨN HÓA DỮ LIỆU
• 3.1. XÂY DỰNG MÔ HÌNH ROBOT
• 3.1.1. CẤU TRÚC CƠ KHÍ
• 3.1.2. CẤU TRÚC HỆ THỐNG ĐIỀU KHIỂN
• 3.1.2.1. MÁY TÍNH XỬ LÝ TRUNG TÂM
• 3.1.2.2. CẢM BIẾN NGOẠI VI QUÉT LISER 2D RPLiDAR
• 3.1.2.3. CÁC CẢM BIẾN TRẠNG THÁI ROBOT – IMU
• 4. CHƯƠNG 4: THUẬT TOÁN XÂY DỰNG BẢN ĐỒ VÀ ĐIỀU KHIỂN CHUYỂN ĐỘNG
• 4.1. PHƯƠNG PHÁP TÁCH DỮ LIỆU ĐOẠN THẲNG
• 4.1.1. XỬ LÝ CÁC ĐIỂM KHÔNG TUYẾN TÍNH - SPIKES
• 4.1.2. XỬ LÝ CÁC ĐIỂM THEO QUY LUẬT (RANSAC)
• 4.1.3. SLAM KẾT HỢP KALMAN MỞ RỘNG (EKF-SLAM)
• 4.2. ƯỚC LƯỢNG TRẠNG THÁI ROBOT VÀ XÂY DỰNG BẢN ĐỒ
• 4.3. ĐIỀU KHIỂN BÁM QUỸ ĐẠO
• 4.3.1. THIẾT KẾ BỘ ĐIỀU KHIỂN
• 5. CHƯƠNG 5: KẾT QUẢ MÔ PHỎNG VÀ THỰC NGHIỆM
• 5.1. PHƯƠNG PHÁP ĐỂ ĐO ODOMETRY TRONG THỰC TẾ
• 5.2. KẾT QUẢ CẢM BIẾN QUÉT LASER TRONG MÔI TRƯỜNG
• 5.3. MÔ HÌNH THỰC TẾ
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về công nghệ quét laser 2D

Công nghệ quét laser 2D đã trở thành một trong những công nghệ tiên tiến trong lĩnh vực robot và tự động hóa. Công nghệ này cho phép thu thập dữ liệu không gian một cách chính xác và nhanh chóng, từ đó hỗ trợ cho việc định vị robot trong môi trường hoạt động. Việc sử dụng cảm biến RPLiDAR trong nghiên cứu này giúp robot có khả năng xây dựng bản đồ mà không cần dữ liệu có sẵn. Điều này rất quan trọng trong việc phát triển các robot tiếp tân, nơi mà khả năng tự xác định vị trí là một thách thức lớn. Theo nghiên cứu, việc áp dụng công nghệ quét laser 2D không chỉ giúp cải thiện độ chính xác trong định vị mà còn nâng cao hiệu suất hoạt động của robot trong các tình huống thực tế.

1.1. Lợi ích của công nghệ quét laser 2D

Công nghệ quét laser 2D mang lại nhiều lợi ích cho việc phát triển robot tự động. Đầu tiên, nó cho phép thu thập dữ liệu không gian với độ chính xác cao, giúp robot có thể nhận diện và phân tích môi trường xung quanh. Thứ hai, công nghệ này hỗ trợ trong việc xây dựng bản đồ môi trường một cách tự động, từ đó giúp robot có thể di chuyển một cách linh hoạt và hiệu quả. Cuối cùng, việc sử dụng cảm biến laser giúp giảm thiểu sai số trong quá trình định vị, từ đó nâng cao khả năng hoạt động của robot trong các tình huống phức tạp.

II. Ứng dụng công nghệ quét laser trong định vị robot tiếp tân

Nghiên cứu này tập trung vào việc ứng dụng công nghệ quét laser 2D trong việc định vị robot tiếp tân. Robot tiếp tân có khả năng thay thế con người trong việc hướng dẫn và cung cấp thông tin, tuy nhiên, một trong những thách thức lớn nhất là khả năng tự xác định vị trí trong không gian. Việc trang bị cảm biến RPLiDAR cho robot giúp thu thập dữ liệu địa hình và xây dựng bản đồ mà không cần dữ liệu có sẵn. Điều này cho phép robot hoạt động hiệu quả hơn trong các môi trường không xác định trước. Hệ thống định vị chính xác là yếu tố quyết định đến sự thành công của robot trong việc thực hiện các nhiệm vụ của mình.

2.1. Các thuật toán định vị sử dụng trong nghiên cứu

Để thực hiện định vị robot, nghiên cứu đã áp dụng các thuật toán như SLAM (Simultaneous Localization and Mapping) và bộ lọc Kalman mở rộng. Các thuật toán này cho phép robot vừa xác định vị trí của mình trong bản đồ vừa xây dựng bản đồ mới từ dữ liệu thu thập được. Việc sử dụng SLAM giúp robot có thể hoạt động trong môi trường không xác định, đồng thời cải thiện khả năng tự động hóa trong quá trình di chuyển. Các phương pháp này đã được thử nghiệm và cho thấy hiệu quả cao trong việc nâng cao độ chính xác của định vị robot.

III. Kết quả thực nghiệm và đánh giá

Kết quả thực nghiệm cho thấy việc ứng dụng công nghệ quét laser 2D trong định vị robot tiếp tân mang lại nhiều kết quả khả quan. Robot đã có thể tự động xây dựng bản đồ và xác định vị trí của mình trong không gian một cách chính xác. Các thử nghiệm được thực hiện trong nhiều môi trường khác nhau, từ không gian mở đến không gian có nhiều vật cản. Kết quả cho thấy robot có khả năng hoạt động hiệu quả, giảm thiểu sai số trong quá trình định vị. Điều này chứng tỏ rằng công nghệ quét laser không chỉ có giá trị lý thuyết mà còn có ứng dụng thực tiễn cao trong việc phát triển robot thông minh.

3.1. Đánh giá hiệu quả của hệ thống

Hệ thống định vị robot sử dụng công nghệ quét laser 2D đã được đánh giá dựa trên nhiều tiêu chí như độ chính xác, tốc độ xử lý và khả năng hoạt động trong môi trường thực tế. Kết quả cho thấy robot có thể xác định vị trí của mình với độ chính xác cao, đồng thời tốc độ xử lý dữ liệu cũng được cải thiện đáng kể. Điều này cho thấy rằng việc ứng dụng công nghệ quét laser trong robot tiếp tân không chỉ nâng cao hiệu suất mà còn mở ra nhiều cơ hội mới cho việc phát triển các ứng dụng robot trong tương lai.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh cuộc cách mạng công nghiệp 4.0, robot dịch vụ ngày càng trở nên quan trọng với dự báo mỗi người sẽ sở hữu một robot cá nhân trong vòng 20 năm tới. Robot tiếp tân, một loại robot di động phục vụ hướng dẫn và chia sẻ thông tin, đang được nghiên cứu phát triển nhằm thay thế con người trong các công việc đơn giản tại khách sạn, phòng hội nghị, trường học. Một thách thức lớn đối với robot tiếp tân là khả năng tự định vị chính xác trong môi trường hoạt động đa dạng và thay đổi liên tục.

Luận văn tập trung nghiên cứu ứng dụng công nghệ quét laser 2D (RPLiDAR) để thu thập dữ liệu địa hình, kết hợp thuật toán SLAM (Simultaneous Localization and Mapping) với bộ lọc Kalman mở rộng (EKF) nhằm xây dựng bản đồ và xác định vị trí robot trong không gian 2D mà không cần dữ liệu bản đồ có sẵn. Nghiên cứu được thực hiện trong phạm vi môi trường trong nhà với robot tiếp tân được trang bị cảm biến quét laser 360° có phạm vi 6 mét, kết hợp các cảm biến trạng thái như IMU và encoder bánh xe.

Mục tiêu chính là phát triển thuật toán định vị và xây dựng bản đồ chính xác, ổn định, giúp robot tiếp tân hoạt động hiệu quả trong môi trường thực tế. Kết quả nghiên cứu có ý nghĩa khoa học và thực tiễn lớn, góp phần thúc đẩy ứng dụng công nghệ quét laser trong robot dịch vụ tại Việt Nam, đồng thời tạo nền tảng cho các nghiên cứu tiếp theo về robot thông minh và tự động hóa.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

• Thuật toán SLAM (Simultaneous Localization and Mapping): Giúp robot đồng thời xây dựng bản đồ môi trường và xác định vị trí của chính nó trong bản đồ đó. Quá trình SLAM bao gồm tách và liên kết các điểm mốc dữ liệu, ước lượng trạng thái robot, cập nhật bản đồ và trạng thái.

• Bộ lọc Kalman mở rộng (Extended Kalman Filter - EKF): Là phương pháp ước lượng trạng thái phi tuyến, được sử dụng để kết hợp dữ liệu từ odometry và cảm biến quét laser nhằm cải thiện độ chính xác định vị. EKF xử lý các ma trận trạng thái, phương sai, độ lợi Kalman và ma trận Jacobian để cập nhật vị trí và bản đồ.

• Phương pháp RANSAC (Random Sampling Consensus): Dùng để xử lý và trích xuất các điểm mốc từ dữ liệu quét laser, loại bỏ các điểm nhiễu và không tuyến tính nhằm tăng độ tin cậy cho quá trình xây dựng bản đồ.

• Khái niệm odometry: Ước lượng vị trí robot dựa trên dữ liệu từ encoder bánh xe và cảm biến IMU, tuy nhiên có sai số tích lũy theo thời gian nên cần được hiệu chỉnh bằng dữ liệu cảm biến ngoại vi.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Dữ liệu thu thập từ cảm biến quét laser 2D RPLiDAR A1M1-R1 với tần số lấy mẫu 2000 mẫu/giây, phạm vi quét 360° trong bán kính 6 mét; dữ liệu odometry từ encoder bánh xe và cảm biến IMU (gồm con quay hồi chuyển và la bàn số).

• Phương pháp phân tích: Xử lý dữ liệu quét laser bằng thuật toán RANSAC để trích xuất các điểm mốc, sau đó áp dụng thuật toán SLAM kết hợp EKF để ước lượng vị trí robot và xây dựng bản đồ 2D. Dữ liệu odometry được sử dụng để dự đoán vị trí ban đầu, sau đó được hiệu chỉnh bằng dữ liệu cảm biến laser.

• Timeline nghiên cứu: Nghiên cứu được thực hiện từ năm 2013 đến 2016, bắt đầu từ việc xây dựng mô hình robot tiếp tân, thử nghiệm cảm biến, phát triển thuật toán xử lý dữ liệu và thực nghiệm trong môi trường phòng thí nghiệm và thực tế.

• Cỡ mẫu và chọn mẫu: Mô hình robot tiếp tân được sử dụng làm đối tượng nghiên cứu thực nghiệm. Dữ liệu thu thập liên tục trong các bài kiểm tra di chuyển theo đường thẳng, đường tròn, hình chữ nhật và di chuyển ngẫu nhiên để đánh giá độ chính xác và ổn định của hệ thống định vị.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác cảm biến RPLiDAR: Độ lệch chuẩn sai số đo khoảng cách của cảm biến dưới 10 mm trong phạm vi 0,2 - 6 mét, sai số đo tăng nhẹ theo khoảng cách nhưng không vượt quá 1% giá trị đo. Độ phân giải góc quét đạt dưới 1 độ, đảm bảo dữ liệu quét laser có độ tin cậy cao cho việc xây dựng bản đồ.

2. Hiệu quả thuật toán SLAM-EKF: Thuật toán kết hợp EKF với dữ liệu odometry và RPLiDAR giúp giảm sai số tích lũy của odometry từ hơn 15% xuống còn dưới 5% trong các bài kiểm tra di chuyển đường thẳng 10 mét và di chuyển theo hình chữ nhật. Tỷ lệ sai số giảm khoảng 66%, cho thấy sự cải thiện đáng kể trong định vị.

3. Tốc độ xử lý và tần số quét: Phương án xử lý dữ liệu quét laser theo chu kỳ góc mới (phương án A) đạt tần số quét ổn định khoảng 3,2 Hz, đảm bảo dữ liệu đầu vào cho thuật toán SLAM đủ nhanh để cập nhật vị trí robot trong thời gian thực.

4. Khả năng xây dựng bản đồ môi trường: Robot tiếp tân có thể xây dựng bản đồ 2D chi tiết trong môi trường phòng thí nghiệm với nhiều vách ngăn và vật cản, thể hiện qua các bản đồ mô phỏng và dữ liệu thực tế thu thập được. Bản đồ có độ chính xác cao, giúp robot định vị và di chuyển hiệu quả.

Thảo luận kết quả

Nguyên nhân chính giúp cải thiện độ chính xác định vị là việc kết hợp dữ liệu từ nhiều cảm biến (RPLiDAR, IMU, encoder) qua bộ lọc Kalman mở rộng, giúp bù trừ sai số tích lũy của odometry. So với các nghiên cứu trước đây chỉ sử dụng odometry hoặc camera, việc ứng dụng công nghệ quét laser 2D cho phép thu thập dữ liệu môi trường chính xác hơn, giảm thiểu ảnh hưởng của ánh sáng và chuyển động vật thể.

Kết quả phù hợp với các nghiên cứu quốc tế về robot dịch vụ sử dụng LiDAR như robot hút bụi Neato XV-11 hay robot Spot của Boston Dynamics, đồng thời mở rộng ứng dụng công nghệ này trong môi trường trong nhà tại Việt Nam. Việc lựa chọn tần số quét và phương pháp xử lý dữ liệu đảm bảo cân bằng giữa tốc độ và độ tin cậy, phù hợp với yêu cầu thời gian thực của robot tiếp tân.

Các biểu đồ độ lệch chuẩn, sai số đo và bản đồ xây dựng được có thể trình bày qua các hình ảnh minh họa trong luận văn, giúp trực quan hóa hiệu quả của hệ thống.

Đề xuất và khuyến nghị

1. Tăng cường tích hợp cảm biến đa dạng: Kết hợp thêm các cảm biến như camera RGB-D hoặc siêu âm để bổ sung dữ liệu môi trường, nâng cao độ chính xác và khả năng nhận dạng vật thể, đặc biệt trong môi trường phức tạp.

2. Nâng cấp phần cứng xử lý: Sử dụng bộ xử lý trung tâm có hiệu năng cao hơn (ví dụ CPU đa nhân, GPU) để tăng tốc độ xử lý thuật toán SLAM, cho phép tần số quét và cập nhật bản đồ cao hơn, đáp ứng tốt hơn các ứng dụng thực tế.

3. Phát triển thuật toán lọc và xử lý dữ liệu nâng cao: Áp dụng các thuật toán học máy hoặc mạng nơ-ron để cải thiện khả năng nhận dạng điểm mốc và xử lý nhiễu, từ đó nâng cao độ tin cậy của bản đồ và vị trí định vị.

4. Mở rộng phạm vi và môi trường thử nghiệm: Thực hiện các thử nghiệm trong môi trường đa dạng hơn như khách sạn, trung tâm thương mại, trường học để đánh giá khả năng ứng dụng thực tế và điều chỉnh thuật toán phù hợp.

5. Đào tạo và chuyển giao công nghệ: Tổ chức các khóa đào tạo cho kỹ sư và nhà nghiên cứu về công nghệ quét laser và thuật toán SLAM, đồng thời phát triển các bộ công cụ phần mềm mã nguồn mở để thúc đẩy nghiên cứu và ứng dụng rộng rãi.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành Cơ điện tử, Robot: Luận văn cung cấp kiến thức chuyên sâu về ứng dụng công nghệ quét laser 2D và thuật toán SLAM trong định vị robot, hỗ trợ phát triển các đề tài nghiên cứu liên quan.

2. Kỹ sư phát triển robot dịch vụ: Các kỹ sư có thể áp dụng các giải pháp cảm biến và thuật toán được trình bày để thiết kế và cải tiến robot tiếp tân hoặc robot di động trong môi trường trong nhà.

3. Doanh nghiệp công nghệ tự động hóa và robot: Tham khảo để phát triển sản phẩm robot thông minh, nâng cao khả năng định vị và xây dựng bản đồ, từ đó tăng tính cạnh tranh và ứng dụng thực tế.

4. Cơ quan quản lý và đào tạo: Sử dụng làm tài liệu tham khảo trong đào tạo kỹ thuật robot, đồng thời định hướng phát triển công nghệ robot dịch vụ tại Việt Nam.

Câu hỏi thường gặp

1. Công nghệ quét laser 2D RPLiDAR có ưu điểm gì so với các cảm biến khác?
   RPLiDAR cung cấp dữ liệu khoảng cách chính xác với độ phân giải cao, hoạt động tốt trong môi trường trong nhà, không bị ảnh hưởng nhiều bởi ánh sáng như camera, và có phạm vi quét 360° giúp thu thập toàn diện môi trường xung quanh robot.

2. Thuật toán SLAM-EKF hoạt động như thế nào trong việc định vị robot?
   SLAM-EKF kết hợp dữ liệu odometry và cảm biến ngoại vi để ước lượng vị trí robot và xây dựng bản đồ môi trường đồng thời. EKF giúp xử lý sai số và nhiễu trong dữ liệu, cải thiện độ chính xác định vị.

3. Sai số tích lũy của odometry được khắc phục ra sao?
   Sai số tích lũy từ odometry được giảm thiểu bằng cách sử dụng dữ liệu cảm biến quét laser để cập nhật và hiệu chỉnh vị trí robot thông qua bộ lọc Kalman mở rộng, giúp định vị chính xác hơn trong thời gian dài.

4. Phương pháp xử lý dữ liệu quét laser nào được sử dụng để loại bỏ nhiễu?
   Thuật toán RANSAC được áp dụng để trích xuất các điểm mốc tuyến tính từ dữ liệu quét laser, loại bỏ các điểm nhiễu và không phù hợp, giúp bản đồ xây dựng chính xác và ổn định.

5. Robot tiếp tân có thể ứng dụng trong những môi trường nào?
   Robot tiếp tân phù hợp với các môi trường trong nhà như khách sạn, phòng hội nghị, trường học, trung tâm thương mại, nơi cần hướng dẫn, cung cấp thông tin và tương tác với con người một cách linh hoạt và tự động.

Kết luận

• Nghiên cứu đã thành công trong việc ứng dụng công nghệ quét laser 2D RPLiDAR kết hợp thuật toán SLAM-EKF để định vị và xây dựng bản đồ cho robot tiếp tân trong môi trường trong nhà.
• Độ chính xác định vị được cải thiện đáng kể, sai số giảm từ khoảng 15% xuống dưới 5% trong các bài kiểm tra thực nghiệm.
• Phương pháp xử lý dữ liệu quét laser và thuật toán lọc Kalman mở rộng đảm bảo tính ổn định và tin cậy của hệ thống trong thời gian thực.
• Kết quả nghiên cứu góp phần thúc đẩy phát triển công nghệ robot dịch vụ tại Việt Nam, mở ra hướng đi mới cho các ứng dụng robot thông minh.
• Các bước tiếp theo bao gồm mở rộng thử nghiệm trong môi trường thực tế đa dạng, nâng cấp phần cứng và phát triển thuật toán nâng cao để hoàn thiện hệ thống.

Hành động đề xuất: Các nhà nghiên cứu và kỹ sư trong lĩnh vực robot dịch vụ nên tiếp cận và ứng dụng các kết quả nghiên cứu này để phát triển các sản phẩm robot thông minh, đồng thời thúc đẩy hợp tác nghiên cứu và đào tạo chuyên sâu về công nghệ quét laser và SLAM.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ CÔNG PHÁT NGHIÊN CỨU, ỨNG DỤNG CÔNG NGHỆ QUÉT LASER 2D TRONG ĐỊNH VỊ ROBOT TIẾP TÂN NGÀNH: KỸ THUẬT CƠ ĐIỆN TỬ - 60520114 S K C0 0 5 1 1 5 Tp. Hồ Chí Minh, tháng 3/2016 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ CÔNG PHÁT NGHIÊN CỨU, ỨNG DỤNG CÔNG NGHỆ QUÉT LASER 2D TRONG ĐỊNH VỊ ROBOT TIẾP TÂN NGÀNH: KỸ THUẬT CƠ ĐIỆN TỬ - 60520114 Tp. Hồ Chí Minh, tháng 3/2016 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ CÔNG PHÁT NGHIÊN CỨU, ỨNG DỤNG CÔNG NGHỆ QUÉT LASER 2D TRONG ĐỊNH VỊ ROBOT TIẾP TÂN NGÀNH: KỸ THUẬT CƠ ĐIỆN TỬ - 60520114 Hướng dẫn khoa học: PGS.TS NGUYỄN TRƯỜNG THỊNH Tp. Hồ Chí Minh, tháng 3/2016 Luan van LÝ LỊCH KHOA HỌC I.

LÝ LỊCH SƠ LƢỢC: Họ & tên: VÕ CÔNG PHÁT Giới tính: Nam Ngày, tháng, năm sinh: 06/07/1991 Nơi sinh: Long An Quê quán: Cần Đƣớc – Long An Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: 25 Ngô Quyền, P. Hiệp Phú, Q9, TpHCM Điện thoại cơ quan: Điện thoại nhà riêng: Fax: E-mail: vophat0607@gmail. QUÁ TRÌNH ĐÀO TẠO: 1. Trung học chuyên nghiệp: Hệ đào tạo: Thời gian đào tạo từ ……/…… đến ……/ …… Nơi học (trƣờng, thành phố): Ngành học: 2.

Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2009 đến 09/2013 Nơi học (trƣờng, thành phố): Trƣờng Đại học Sƣ Phạm Kỹ Thuật Tp HCM Ngành học: Kỹ thuật Điện-Điện tử Tên đồ án, luận án hoặc môn thi tốt nghiệp: NGHIÊN CỨU VÀ XÂY DỰNG MÔ HÌNH HỆ THỐNG MẠNG THEO CHUẨN XBEE TRONG ĐIỀU KHIỂN VÀ GIÁM SÁT Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: ngày 20/07/2013 tại Trƣờng Đại học Sƣ Phạm Kỹ Thuật TpHCM Ngƣời hƣớng dẫn: ThS. Trƣơng Ngọc Anh III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Cty TNHH Daewoo Royal 5/2013 – 8/2015 Kỹ thuật viên System (Việt Nam) 9/2015 – đến Trƣờng Cao Đẳng Công Nghệ Giảng viên nay Thủ Đức i Luan van LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác Tp.

Hồ Chí Minh, ngày … tháng … năm 201… (Ký tên và ghi rõ họ tên) Võ Công Phát ii Luan van CẢM TẠ Lời đầu tiên tôi xin gửi lời cảm ơn đến tất cả quý thầy cô giảng dạy tại Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh, đặc biệt là quý thầy cô khoa Cơ Khí Máy và khoa Điện Điện tử đã hướng dẫn và giảng dạy những kiến thức bổ ích tạo tiền đề vựng vàn và quan trọng cho tôi thực hiện chuyên đề này. Tôi xin gửi lời cảm ơn chân thành nhất đến giáo viên hướng dẫn thầy Nguyễn Trường Thịnh đã tận tình góp ý cũng như hướng dẫn chỉ bảo, cung cấp các kiến thức và vật tư quan trọng giúp tôi có nhiều điều kiện thuận lợi trong suốt quá trình thực hiện luận văn. Cảm ơn bạn bè, các anh chị em, những người đi trước và người thân đã góp ý kiến, giúp đỡ và động viên tôi hoàn thành chuyên đề này. Sau cùng, xin gửi lời chúc sức khỏe đến tất cả mọi người! Trân Trọng Người thực hiện Võ Công Phát iii Luan van TÓM TẮT Robot tiếp tân có khả năng thay thế con ngƣời thực hiện các công việc nhƣ hƣớng dẫn hay chia sẽ thông tin nhƣng mộtthách thức chung đối với các robot này là khả năng tự xác định vị trí của mình trong khu vực hoạt động.

Nhằm giải quyết vấn đề trên, đề tài đã lựa chọn và trang bịtrên robot một cảm biến RPLiDAR để thu thập dữ liệu địa hình bằng laser 2D sau đó xây dựng bản đồ mà khôngcần dữ liệu có sẵn. Đề tàixoay quanh việc ứng dụng thuật toánSLAM trên robot tiếp tân. Phần đầu đề cập đếncác thành phần cơ bản của SLAMbao gồm mô tả giải thuật bộ lọc Kalman mở rộng- một trong những thành phần chính của thuật toán dùng để ƣớc tính vị trí của robot trong các bản đồ. Sau đó là liệt kê một số phƣơng pháp xử lý tín hiệutrongmôi trƣờngMATLAB và tổng quan về các cảm biến đƣợc sử dụng trong đề tài.Phần tiếp theo sẽ trình bày phƣơng pháp thử nghiệm cảm biến trong tính toán odometry vàcảm biến quét không gian xung quanh.

Cuối cùng là sự kết hợp dữ liệu của các cảm biến đã đƣợc lựa chọn và kết quả thực nghiệm của toàn bộ hệ thống trong thực tế. iv Luan van ABSTRACT Service robot is able to replace humans in guiding or sharing information, however, thisrobot faces a challenge of locating its position in a particular environment. For the purpose of solving the problem, author has select and equip the robot with RPLiDAR sensor for collecting data and building map bability without available data. This dessertation mainly focuses on the application of SLAM agolthrism to service robot.

The first part mentions SLAM’s fundamental parts including descripting extended Kalman filter, one of the main parts of this agolthrism, to estimate the robot’s position in maps. Then, methods solving signals in MATLAB environment is listed, and overview of sensors used in thi research is provided. The next part presents sensor enperiment method in odometry calculation and scanner sensor. The last is the data combination of sensors chosen and test results of the research in practice.

v Luan van MỤC LỤC TRANG TỰA TRANG LÝ LỊCH KHOA HỌC. I LỜI CAM ĐOAN. II CẢM TẠ. IV MỤC LỤC.

VI DANH SÁCH CÁC TỪ VIẾT TẮT. VIII DANH MỤC HÌNH ẢNH. IX DANH MỤC BẢNG. XII CHƢƠNG I TỔNG QUAN .2 CÁC NGHIÊN CỨU LIÊN QUAN ĐẾN ĐỀ TÀI .1 CÁC NGHIÊN CỨU NGOÀI NƢỚC .2 NGHIÊN CỨU TRONG NƢỚC .3 LÝ DO CHỌN ĐỀ TÀI .4 MỤC TIÊU NGHIÊN CỨU .5 ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU .6 Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN .7 PHƢƠNG PHÁP NGHIÊN CỨU .1 CƠ SỞ PHƢƠNG PHÁP LUẬN .2 CÁC PHƢƠNG PHÁP NGHIÊN CỨU CỤ THỂ.8 KẾ HOẠCH THỰC HIỆN .9 CHƢƠNG II CƠ SỞ LÝ THUYẾT .1 MỘT SỐ PHƢƠNG PHÁP ĐỊNH VỊ TRONG ROBOT .1 PHƢƠNG PHÁP TIÊN ĐOÁN DEAD-RECKONING.2 HỆ THỐNG DẪN ĐƢỜNG CỘT MỐC CHỦ ĐỘNG.3 HỆ THỐNG DẪN ĐƢỜNG CỘT MỐC .4 XỬ LÝ HÌNH ẢNH THU THẬP TỪ CAMERA .12 vi Luan van 2.5 ĐỊNH VỊ SỬ DỤNG TIA LASER .2 PHƢƠNG ÁN THỰC HIỆN .3 BỘ LỌC KALMAN MỞ RỘNG - EKF .15 CHƢƠNG III XÂY DỰNG MÔ HÌNH THU THẬP VÀ CHUẨN HÓA DỰ LIỆU .1 XÂY DỰNG MÔ HÌNH ROBOT .1 CẤU TRÚC CƠ KHÍ.2 CẤU TRÚC HỆ THỐNG ĐIỀU KHIỂN .1 MÁY TÍNH XỬ LÝ TRUNG TÂM .2 CẢM BIẾN NGOẠI VI QUÉT LISER 2D RPLiDAR .3 CÁC CẢM BIẾN TRẠNG THÁI ROBOT – IMU .36 CHƢƠNG IV THUẬT TOÁN XÂY DỰNG BẢN ĐỒ VÀ ĐIỀU KHIỂN CHUYỂN ĐỘNG.1 PHƢƠNG PHÁP TÁCH DỮ LIỆU ĐOẠN THẲNG.1 XỬ LÝ CÁC ĐIỂM KHÔNG TUYẾN TÍNH - SPIKES .2 XỬ LÝ CÁC ĐIỂM THEO QUY LUẬT (RANSAC) .3 SLAM KẾT HỢP KALMAN MỞ RỘNG (EKF-SLAM) .2 ƢỚC LƢỢNG TRẠNG THÁI ROBOT VÀ XÂY DỰNG BẢN ĐỒ .3 ĐIỀU KHIỂN BÁM QUỸ ĐẠO .1 THIẾT KẾ BỘ ĐIỀU KHIỂN .61 CHƢƠNG V KẾT QUẢ MÔ PHỎNG VÀ THỰC NGHIỆM .1 PHƢƠNG PHÁP ĐỂ ĐO ODOMETRY TRONG THỰC TẾ .2 KẾT QUẢ CẢM BIẾN QUÉT LASER TRONG MÔI TRƢỜNG .3 MÔ HÌNH THỰC TẾ .69 CHƢƠNG VI KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN .74 TÀI LIỆU THAM KHẢO .76 vii Luan van DANH SÁCH CÁC TỪ VIẾT TẮT RPLiDAR - Robopeak Light Detection and Ranging RANSAC - Random Sampling Consensus LiDAR - Light Detection and Ranging SLAM - Simultaneous Localization and Mapping IMU - Inercial Measurment Unit USB - Universal Serial Bus UART - Universal Asynchronous Receiver/Transmitter EKF - Extended Kalman Filter GUI - Graphical User Interface viii Luan van DANH MỤC HÌNH ẢNH HÌNH TRANG Hình 1.1:Hai robot của đội Hector Darmstadt [1].2: Bài thi cuối của cuộc thi RoboCup 2012 [1].3:Spot sử dụng công nghệ LiDAR để điều hƣớng [2] .4: Robot hút bụi XV-11 [17] .5: Xe không ngƣời lái của Google .1: Định vị sử dụng vật mốc [3] .2: Định vị và dẫn đƣờng cho robot chuyển động sử dụng camera .3: Tổng quan về quá trình SLAM .4: Ma trận tổng quát phƣơng sai P .5: Ma trận Jacobian H của phép đo .6: Ma trận Jacobian H của phép đo .7: Ma trận tổng quát phƣơng sai P .1: Kết cấu tổng thể và bản vẽ đế dƣới của robot tiếp tân .2: Cấu trúc truyền nhận dữ liệu trên Robot tiếp tân .3: Các cổng kết nối của máy tính điều khiển .3: Cảm biến quét laser RPLiDAR lắp trên robot [5].4: Dữ liệu trả về từ cảm biến laser cho mỗi mẫu.5: Nguyên lý một hệ thống laser đo đạc theo cơ sở hin ̀ h tam giác .6: So sánh hai trƣờng hợp đọc dữ liệu từ cảm biến RPLIDAR .7: Độ lệch chuẩn của cảm biến RPLIDAR .8: Sai số phép đo của cảm biến RPLIDAR .9: Độ phân giải của cảm biến RPLIDAR .10: Motor Transmotec PD4266 [10] .11: Cảm biến con quay hồi chuyển MPU6050 .12: Trạng thái và các thông số của robot trong hệ tọa độ .13: Kiểm tra dữ liệu thu thập trên Matlab .43 ix Luan van Hình 3.14: Sơ đồ các dữ liệu đầu vào cho thuật toán SLAM .15: Dữ liệu đầu vào từ các cảm biến .16: Xử lý đọc dữ liệu từ các cảm biến với các mốc thời gian khác nhau [16] .1: Lƣu đồ thuật toán xác định điểm mút của đoạn thẳng .2: Lƣu đồ thuật toán RANSAC .3: Một tập hợp dữ liệu mẫu thu thập đƣợc từ RPLiDAR .4: Chọn 2 giá trị mẫu ngẫu nhiên .5: Vẽ đƣờng giả định .6: So sánh điểu kiện tổng hợp .7: Lập lại inliers giả định .8: Dữ liệu quét laser trong phòng thí nghiệm.9: Đoạn thẳng rút ra từ dữ liệu quét laser trong hình 4.11: EKF-SLAM nâng cấp .12: Giao diện mô phỏng xây dựng bản đồ .13: Nguyên tắc "chia để trị" đƣợc sử dụng trong chƣơng trình tuyến tính .14: Đo thông số của một đƣờng thẳng trong môi trƣờng .15: Trạng thái và các thông số của robot .16: Sơ đồ khối vòng điều khiển động học.1: Kiểm tra odometry - đƣờng thẳng trực tiếp 10 mét .2: Kiểm tra odometry - di chuyển theo đƣờng tròn (10 vòng) .3: Kiểm tra odometry - di chuyển theo hình chữ nhật .4: Kiểm tra odometry - di chuyển trở về vị trì ban đầu (phòng thí nghiệm)65 Hình 5.5: Kiểm tra odometry - di chuyển ngẫu nhiên và encoder bị “trƣợt” .6: Kiểm tra odometry - di chuyển thay đổi góc ngẫu nhiên .7: Dữ liệu của cảm biến RPLIDAR trong không gian nhỏ và hành lang .8: Dữ liệu của cảm biến RPLIDAR trong phòng học có bàn ghế .