Nghiên Cứu và Thiết Kế Mô Hình Robot Tuần Tra

Khóa luận tốt nghiệp kỹ thuật máy tính nghiên cứu và thiết kế mô hình robot tuần tra, ứng dụng công nghệ hiện đại trong giám sát an ninh.

• Tác giả: Nguyễn Quốc Hiếu
• Người hướng dẫn: ThS. Nguyễn Thanh Thiện
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Kỹ thuật máy tính
• Đề tài: Nghiên Cứu và Thiết Kế Mô Hình Robot Tuần Tra
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Lý do thực hiện đề tài
• 1.2. Phương pháp thực hiện
• 1.3. Giới hạn đề tài
• 1.4. Bố cục khoá luận
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Phát hiện đối tượng
• 2.1.1. Phát hiện đối tượng là gì
• 2.1.2. Các thuật toán phát hiện đối tượng
• 2.1.2.1. Phương pháp mô tả đặc trưng (HOG)
• 2.1.2.2. Mạng nơ-ron tích chập theo vùng (R-CNN)
• 2.1.2.3. Faster R-CNN
• 2.1.3. Phát hiện người
• 2.1.3.1. Khái niệm
• 2.1.3.2. Phương thức hoạt động
• 2.1.3.3. Ứng dụng
• 2.1.3.3.1. Đếm số lượng người
• 2.1.3.3.2. Phát hiện người đi bộ
• 2.1.3.3.3. Truy vết (Tracking) người
• 2.1.3.3.4. Y tế
• 2.1.4. YOLO
• 3. CHƯƠNG 3: PHÂN TÍCH THIẾT KẾ VÀ HỆ THỐNG
• 3.1. Thiết kế phần cứng robot
• 3.2. Hệ thống phát hiện người
• 3.3. Chi tiết về server quản lý
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 4.1. Mô hình phát hiện đối tượng
• 4.2. Phát hiện người trên YOLOv5
• 4.3. Thực nghiệm di chuyển và báo động
• 4.4. Hệ thống cảnh báo trên robot
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết luận
• 5.2. Hướng phát triển
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT

Tóm tắt

I. Tổng quan về Nghiên Cứu và Thiết Kế Mô Hình Robot Tuần Tra

Nghiên cứu và thiết kế mô hình robot tuần tra đang trở thành một lĩnh vực quan trọng trong công nghệ hiện đại. Với sự phát triển của công nghệ robot, nhu cầu về an ninh và giám sát ngày càng tăng cao. Mô hình robot tuần tra không chỉ giúp nâng cao hiệu quả giám sát mà còn giảm thiểu chi phí nhân lực. Đề tài này sẽ trình bày chi tiết về các khía cạnh của việc thiết kế và phát triển một mô hình robot tuần tra thông minh.

1.1. Lý do thực hiện đề tài nghiên cứu robot tuần tra

Xã hội hiện đại đang đối mặt với nhiều thách thức về an ninh. Robot tuần tra có khả năng giám sát và phát hiện xâm nhập trái phép, từ đó nâng cao an toàn cho cộng đồng. Việc phát triển mô hình này không chỉ đáp ứng nhu cầu thực tiễn mà còn mở ra cơ hội cho các nghiên cứu sâu hơn trong lĩnh vực công nghệ robot.

1.2. Mục tiêu của nghiên cứu mô hình robot tuần tra

Mục tiêu chính của nghiên cứu là xây dựng một mô hình robot tuần tra có khả năng di chuyển, ghi hình và phát hiện người. Robot sẽ được trang bị các cảm biến và camera để thực hiện nhiệm vụ giám sát hiệu quả. Điều này không chỉ giúp cải thiện an ninh mà còn tạo ra một giải pháp tiết kiệm chi phí cho các tổ chức.

II. Vấn đề và Thách thức trong Thiết Kế Robot Tuần Tra

Mặc dù robot tuần tra có nhiều lợi ích, nhưng việc thiết kế và triển khai chúng cũng gặp phải nhiều thách thức. Các vấn đề như chi phí, khả năng hoạt động trong môi trường thực tế và tính chính xác của các cảm biến là những yếu tố cần được xem xét kỹ lưỡng.

2.1. Chi phí và hiệu quả của robot tuần tra

Chi phí phát triển và triển khai robot tuần tra là một trong những thách thức lớn nhất. Các sản phẩm hiện có trên thị trường thường có giá thành cao, điều này hạn chế khả năng tiếp cận của nhiều tổ chức. Cần có các giải pháp tối ưu hóa chi phí mà vẫn đảm bảo hiệu quả hoạt động.

2.2. Khả năng hoạt động trong môi trường thực tế

Môi trường hoạt động của robot tuần tra thường không đồng nhất, với nhiều vật cản và điều kiện ánh sáng khác nhau. Việc thiết kế robot có khả năng hoạt động hiệu quả trong các điều kiện này là một thách thức lớn. Cần nghiên cứu và phát triển các thuật toán xử lý hình ảnh và điều khiển robot phù hợp.

III. Phương pháp Thiết Kế Mô Hình Robot Tuần Tra Hiệu Quả

Để thiết kế một mô hình robot tuần tra hiệu quả, cần áp dụng các phương pháp khoa học và công nghệ tiên tiến. Việc sử dụng trí tuệ nhân tạo và các thuật toán phát hiện đối tượng là rất quan trọng trong quá trình này.

3.1. Sử dụng trí tuệ nhân tạo trong robot tuần tra

Trí tuệ nhân tạo đóng vai trò quan trọng trong việc nâng cao khả năng nhận diện và phát hiện của robot tuần tra. Các thuật toán như YOLO (You Only Look Once) giúp robot nhận diện người và đối tượng một cách nhanh chóng và chính xác.

3.2. Thiết kế phần cứng cho robot tuần tra

Phần cứng của robot tuần tra cần được thiết kế để đảm bảo tính ổn định và hiệu suất cao. Sử dụng các linh kiện như camera, cảm biến và bộ xử lý mạnh mẽ sẽ giúp robot hoạt động hiệu quả hơn trong việc giám sát và phát hiện xâm nhập.

IV. Ứng Dụng Thực Tiễn của Robot Tuần Tra trong An Ninh

Mô hình robot tuần tra có thể được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau, đặc biệt là trong an ninh. Việc sử dụng robot trong giám sát giúp tăng cường an toàn và giảm thiểu rủi ro cho con người.

4.1. Ứng dụng trong giám sát an ninh

Robot tuần tra có thể được triển khai trong các khu vực công cộng như sân bay, trung tâm thương mại và khu dân cư. Chúng có khả năng phát hiện và cảnh báo kịp thời về các hành vi khả nghi, từ đó giúp lực lượng an ninh xử lý nhanh chóng.

4.2. Kết quả nghiên cứu và thực nghiệm

Các nghiên cứu và thực nghiệm cho thấy robot tuần tra có khả năng phát hiện người xâm nhập với độ chính xác cao. Hệ thống cảnh báo được tích hợp giúp thông báo ngay lập tức cho người dùng, nâng cao hiệu quả giám sát.

V. Kết Luận và Hướng Phát Triển Robot Tuần Tra Tương Lai

Nghiên cứu và thiết kế mô hình robot tuần tra không chỉ mang lại giá trị thực tiễn mà còn mở ra nhiều cơ hội cho các nghiên cứu trong tương lai. Việc cải tiến công nghệ và tối ưu hóa chi phí sẽ giúp robot tuần tra trở nên phổ biến hơn.

5.1. Kết luận về nghiên cứu robot tuần tra

Nghiên cứu đã chỉ ra rằng robot tuần tra có thể đáp ứng nhu cầu an ninh hiện đại. Các giải pháp thiết kế và công nghệ hiện có đã được áp dụng hiệu quả trong mô hình nghiên cứu.

5.2. Hướng phát triển trong tương lai

Trong tương lai, cần tiếp tục nghiên cứu và phát triển các công nghệ mới để nâng cao khả năng của robot tuần tra. Việc tích hợp thêm các tính năng thông minh và cải tiến phần cứng sẽ giúp robot hoạt động hiệu quả hơn trong các môi trường khác nhau.

Trích đoạn nội dung tài liệu

Chương 1. TONG QUAN DE TÀI. 52-52 SS2EE2EEEEE12E1211211211111211211 11. Ly do thực hiện đề tài.--- 2c 211112111 vS ST vn TT tk ng kg kg tre 2 1.

Phuong pháp thực hiỆn. Giới hạn đề tài. - Bố cục khoá luận.----2-©22+2++2EE+2EE221221211221122112712 22121 crre. CO SỞ LÝ THUYÊT.--2-2¿+2++2E++2EE+2EEE22EEE221222212222ee 5 2.

_ Phát hiện đối tong o. Phat hiện đối tượng là gì. Cac thuật toán phát hiện đối tượng. Phát hiện người.

SN ĐEN HH. Phuong thức hoạt dng. LH TT kg re 10 2.2Ặ2 2122122212211 22112211211121212112111 re 13 Chương 3. PHAN TÍCH THIET KE VÀ HỆ THÓNG.

Thiết kế phần cứng robot.---¿---¿- +¿2++22++2E£+EE++EE+£EE++Exzrkrrrxrrrree 20 3. Jetson Nano dev KI.Scc22c2EE22 221221221222 errrree21 3. Mô hình phát hiện nBưỜII. Cài đặt JetsOIn.-cQ TQ HS HT ng kg vu30 3.

Cài đặt thư viỆn. Ăn HH TH HT HH HH ng nhàn 30 3. Chạy YolovŠ trên J€fSOI. Hệ thống cảnh báo.---:- tt St SE EE19E1211211211211211211211111 111111 cxe.

-“-----11111LLLLẢắâắ 32 Chương 4. _ THỰC NGHIỆM VÀ ĐÁNH GIÁ. Mô hình phát hiện đối tượng.--- 2-2 52+ E+EE+EE+2EE£EEEESExerkerrrerxee 34 4. Phat hiện người trên YOLLOVWS.

Luu trữ lên SeTV€T.Ă 2Q 119v ng ng net 45 4. Thực nghiệm di chuyền và báo động.----2- 2 5¿+cx++zx+z++zssez 47 4. _ KÉT LUẬN VÀ HƯỚNG PHAT TRIẺN. Hướng phát triỀn.49 DANH MỤC HÌNH Hình 2-1: Mô hình thuật toán HOG.---- --- 5c 22 2c St E+t + + S9 HH rệt 6 Hình 2-2: Mô hình mạng R-CNN.

211211211111 1111111 1111111111111 111g rkg 6 Hình 2-3: Mô hình Faster R-CNN .S- c1 2112 SH 11 HH Hp 7 Hình 2-4:Kết quả phát hiện người thực thi trên một mô hình phát hiện đối tuong.9 Hình 2-5: Ví dụ về đếm số người.1 10 Hình 2-6: Ví dụ phát hiện người đi bộ.- --- --- 2 22t *+*E+E+ESEESEEkrrsrrrrsrrrek I1 Hình 2-7: Ví dụ về truy vết ngườii.--- -- + x2 2 x2EE2112712711211211 211211 111cc II Hình 2-8: Ví dụ về ứng dụng trong y tẾ.- 1201211201201 111v 10 01 11 11T HH HH Hà Hà HH HH nành 15 Hinh 0202460)09<1. 16 Hình 2-14: So sánh các thông số của YOLOv3, YOLOv4 và YOLOvS. 17 Hình 2-15: Cấu trúc của YOLOV5. ¿552222 ttttEEkrrttrktrrrtttrrrrrrrreerrieg 18 Hình 3-1: Sơ đồ phần mềm của rObOt.------ 2 + E2+E£+EE£EEE+EE£EE£2EE2EEeEEzreerxeri 19 Hình 3-2: Jetson Nano Developer Kit BOIT.

--: 5c sex S+*+Exsersrersersrerrrrree 21 Hình 3-3: Thông số cau hình của Jetbot AI[27].ccccccsscessessesssessesssessessesssessessesseeses 22 Hình 3-4: Các thành phần của Jetbot AI.-- 2-2 + s+E++EE2EE2E2E2EE2EzEerEerreree 23 Hình 3-5: Bộ Pin và nguồn sạc của pin.---¿- + 2 s+Sx‡E2EE2EE2E2EE2E12EE2E2Errrex 24 Hình 3-6: Camera của J€tDO(.- - --- cv HH HH HH HH Hà Hà Hàn HH 24 Hình 3-7: Module wifi của J€fDOf. - - c +32 2 TH 1 111111111111 ket 25 Hinh 3-8: 000i. 25 Hình 3-9: Sơ đồ kết nối phần cUng .eecceccccsessessessessessessessessessessessesssstesestesesesees 26 Hình 3-10: Hình ảnh toàn bộ mô hình sau lắp ráp.------ 2-2 2 + + z2 zz£zzs+26 Hình 3-11: File câu hình YAML(theo định dạng của yolo) chỉnh lại hình. 27 Hình 3-12: Cau trúc dữ liệu của dataset.-----::-ccccccrrtttttrrrrrtrirrrrrrrirrrrri 29 Hình 4-1: Ma trận nhầm lẫn.

--- 2+ St SE+E+EEEE+EEEEEEEEEEEEEEEEEESEEEEEEEEEEEEEEEEEErkrrrree 34 Hình 4-2: Biểu diễn giá trị IO.-- 2-2 + SESE+EE‡EE9EE2EEEEE2E12E121121121121211. xe, 35 Hình 4-3: Ma trận nhằm lẫn của mô hình được huấn luyện với vŠn. 37 Hình 4-4: Biéu đồ biểu thị gia tri Confidence của F1 của mô hình. 37 Hình 4-5: Ma trận nhầm lẫn của mô hình được huấn luyện với v5s.- 38 Hình 4-6: Biểu đồ biểu thị giá tri Confidence của F1 của mô hình .-- 38 Hình 4-7: Ma trận nhằm lẫn của mô hình được huấn luyện với v5m.

39 Hình 4-8: Biểu đồ biểu thi giá tri Confidence của F1 của mô hình.- 39 Hình 4-9: Ma trận nhằm lẫn của mô hình được huấn luyện với vŠÏ.- 40 Hình 4-10: Biểu đồ biểu thị giá tri Confidence của F1 của mô hình.- 40 Hình 4-11: Quá trình huấn luyện mô hình YOLOv5n với dataset Crowdhuman.41 Hình 4-12: Kết quả dự đoán của mô hình được huấn luyện với vŠn. 42 Hình 4-13: Kết quả dự đoán của mô hình được huấn luyện với vŠn. 42 Hình 4-14: Kết quả dự đoán của mô hình được huấn luyện với v5m. 43 Hình 4-15: Kết quả dự đoán của mô hình được huấn luyện với vSÏ.

43 Hình 4-16: Chay phát hiện người trên Jetson Nano. ---- s5 5s c2 s+scsserseees 44 Hình 4-17: Kết quả chạy phát hiện người.--- 2-2 2 x+EE+EE2E++EE+EE+EEzEezrerrerrx 45 Hình 4-18 Thư mục lưu kết quả.---¿- 2-2 252 £+SE+EE+EE£EE2EEEEE2EEEEEEEEEErErrrerreee 46 Hình 4-19: Thư mục hình ảnh.- + 5 2 2 1322221312331 3E221E E2 EESSkkerrreeerrrree 46 Hình 4-20: Email cảnh báo tới người dùng.- --- + + *++£+ekEseseereeereerseers 48 DANH MỤC BANG Bảng 1: Kết quả huấn luyện mô hình với các phiên bản khác nhau của mô hình YOLOvS5 mMAPS50 trén 0,0. 40 DANH MỤC TỪ VIẾT TẮT YOLO: You Only Look Once HOG: Histrogram of oriented gradient ADAS : Advanced Driver Assistance Systems CNN: Convolutional neural network R-CNN: Region-based Convolutional Neural Network SIFT: Scale-Invariant Feature Transform mAP: Mean Average Precision YAML: YAML Ain’t Markup Language RPN: Region Proposal Network LiDAR: Light Detection and Ranging FPN: Feature pyramid network TOM TAT KHÓA LUẬN Đề tài “Nghiên cứu và thiết kế mô hình robot tuần tra” với mục đích xây dựng một hệ thống robot tuần tra có khả năng thực hiện được nhiệm vụ giám sát và báo động. Hệ thống còn bao gồm một server có chức năng quản lý lưu trữ dữ liệu, được đồng bộ hoá trên các thiết bị dé người dùng quản lý Robot sẽ được xây dựng dựa trên máy tính nhúng AI NVIDIA Jetson Nano Developer Kit B01 và JetBot AI Kit.

Jetson Nano sẽ có vai trò như một bộ não trung tâm của toàn robot với các chức năng xử lý và tính toán dữ liệu, bên cạnh đó JetBot AI sẽ là bộ khung vững chắc và cũng là cơ thể của Robot với các chức năng ghi hình, di chuyên. TONG QUAN DE TÀI 1. Lý do thực hiện đề tài Xã hội càng phát triển, nhu cầu về an ninh, bảo mật càng được nâng cao trong cuộc sống hiện đại. Robot tuần tra là một lĩnh vực công nghệ đầy hứa hẹn với khả năng ứng dụng rộng rãi trong an ninh, giám sát và dịch vụ.

Hiên tại, có rất nhiều nghiên cứu và sản phẩm robot tuần tra đã được phát triển, bao gồm robot sử dụng camera tích hợp cảm biến như dòng robot GUOXING với mẫu WT1000 và có nhiều loại khách tích hợp cả trí tuệ nhân tạo như hệ thống robot SS.2 PTZ IS Picard). Điểm nổi bật của các sản pham đã có mặt trên thi trường hiện tai là khả năng hoàn thiện rất cao (kích thước khá lớn, trang bị nhiều công nghệ như camera 360, các cảm biến nhiệt, radar, lidar.), tích hợp trí tuệ nhân tạo và nhiều chức năng khác. Tuy nhiên, các sản pham nay van còn một số hạn chế như giá thành cao và có một vài chức năng không phù hợp với nhu cầu hoặc môi trường hoạt động ở nước ta (điều kiện cơ sở vật chất chưa đồng bộ, sẽ có nhiều vật cản làm ảnh hưởng tới quá trình hoạt động của robot, không gửi cảnh báo tức thời cho người sử dụng qua email, tin nhắn. Do đó robot tuần tra vẫn chưa phổ biến sử dụng ở nước ta.

Đề tài sẽ hướng tới việc xây dựng robot tuần tra có khả năng phát hiện người xâm nhập trái phép và cảnh báo với chủ sở hữu hay lực lượng an ninh với một mức giá phù hợp với điều kiện hiện tại. Mục tiêu Đề tài sẽ xây dựng một mô hình hệ thống robot gồm các chức năng sau đây: * Di chuyên: Robot có thé khả năng di chuyên trong một khu vực mặt phăng nhất định. « Ghi hình: Khả năng quay phim, ghi lại hình ảnh trong quá trình di chuyền và gửi về máy chủ. + Phát hiện người: Xây dựng thuật toán phát hiện các đối tượng người dựa trên mô hình Yolov5.

* Gửi cảnh báo: Khi phát hiện xâm nhập trái phép, sẽ thông báo bằng còi, đèn và gửi tin nhắn thông qua email hoặc thông báo tới điện thoại cho chủ sở hữu. Phương pháp thực hiện s Nghiên cứu các tải liệu, các bai báo khoa học, tìm hiểu trên internet về robot tuần tra, các thuật toán xử lý ảnh, trí tuệ nhân tạo. Phân tích các phương pháp phát hiện người được sử dụng trong các robot hiện có từ đó đặt ra mục tiêu phù hợp. + Tìm hiểu về các điều kiện cần thiết dé có thể xây dựng một con robot hoàn chỉnh, tìm hiểu tải liệu về hướng dẫn sử dụng, các thư viện sẵn có dé thuận tiện cho việc kết nối và điều khiển, lập trình trên robot.

» Lập trình phần mềm điều khiển robot di chuyền theo lộ trình được lập trình sẵn hoặc điều khiến từ xa. Phát triển các thuật toán xử lý ảnh dé phát hiện người. Tích hợp trí tuệ nhân tạo đề nâng cao hiệu quả phát hiện người. Giới hạn đề tài - _ Kích thước của robot: 35 x 30 x 40 cm (tối đa).

- Pham vi hoạt động của robot (quãng đường, thời gian): lộ trình cố định trên mặt phăng chiều dài tối đa 100m, thời gian hoạt động 2h. - Pham vi phát hiện đối tượng 15m. - _ Thời gian đáp ứng phản hỏi cảnh báo < 1s. Bố cục khoá luận Khoá luận này gôm năm chương: Chương | sẽ trình bày tong quan về đề tài “NGHIÊN CỨU VÀ THIET KE MÔ HÌNH ROBOT TUẦN TRA”, bao gồm: Lý do chọn đề tài, mục tiêu khoá luận, phương pháp thực hiện, giới han của dé tài và cuôi cùng là bô cục của khoá luận.

Chương 2 là về các cơ sở lý thuyết về phát hiện đối tượng, một ứng dụng của phát hiện đối tượng là phát hiện người và cuối cùng sẽ đi vào các mô hình YOLO, và chỉ tiết nhất vào YOLOvS được sử dụng dé thực hiện khoá luận này. Chương 3 trình bày về chỉ tiết thiết kế và phân tích hệ thống trong đó có thiết kế phần cứng của robot, hệ thống phát hiện người và chi tiết về server quan lý. Chương 4 trình bày quá trình thực nghiệm trong đó có mô hình phát hiện đối tượng khi chạy thực tế trên Jetson nano, khả năng hoạt động của robot và phần kết là hệ thống cảnh báo trên robot. Chương 5 sẽ đưa ra các kêt luận cuôi cùng về đê tài.

Kêt luận các mục tiêu đạt được, ưu vả nhược điêm của hệ thông hiện tại từ đó đưa ra một sô các hướng phát triên cho đề tài trong tương lai. Phát hiện đối tượng 2. Phat hiện đối tượng là gì Phát hiện đối tượng là một kỹ thuật thị giác máy tinh (Computer vision) đề định vị sự xuất hiện của đối tượng ở trong hình ảnh hoặc video. Các thuật toán phát hiện đối tượng thường tận dụng khả năng của machine learning hoặc deep learning dé có thé cho ra các kết quả mong muốn.

Sau khi hoàn thành quá trình định vị đối tượng, nhìn vào hình ảnh hoặc video, chúng ta có thể xác định được vị trí của đối tượng mà chúng ta quan tâm.