Giới thiệu dự án

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 đã thúc đẩy ngành công nghiệp ô tô toàn cầu chuyển dịch mạnh mẽ sang các phương tiện thông minh và xe tự hành (Autonomous Vehicles - AVs). Theo các báo cáo thống kê ngành giao thông vận tải, hơn 90% các vụ tai nạn giao thông đường bộ bắt nguồn từ lỗi chủ quan của người điều khiển phương tiện (như mất tập trung, mệt mỏi, không quan sát kịp thời biển báo hoặc đi chệch làn đường). Để giải quyết triệt để vấn đề này, các hệ thống hỗ trợ lái xe nâng cao (Advanced Driver Assistance Systems - ADAS) và xe tự lái đã trở thành trọng tâm nghiên cứu của các tập đoàn công nghệ và ô tô hàng đầu thế giới (tiêu biểu như Google Waymo, Tesla Autopilot, Audi Autonomous Driving Cup, hay Cuộc đua số tại Việt Nam).

Đề tài tốt nghiệp "Nghiên cứu xử lý ảnh bằng LabVIEW – Hỗ trợ xe tự hành" được thực hiện bởi nhóm sinh viên ngành Công nghệ Kỹ thuật Ô tô, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh (HCMUTE) dưới sự hướng dẫn của TS. Nguyễn Bá Hải. Đề tài tập trung giải quyết bài toán cốt lõi trong thị giác máy tính ứng dụng cho giao thông: xây dựng hệ thống thu thập, tiền xử lý và phân tích luồng video thời gian thực để nhận diện các đối tượng quan trọng trên đường, phục vụ công tác cảnh báo an toàn cho phương tiện tự hành.

+------------------+      +-------------------+      +---------------------+
|  Camera Thu Ảnh  | ---> |  LabVIEW Engine   | ---> | Giao Diện Điều Khiển|
| (Logitech C525)  |      | (Vision Assistant)|      |    & Cảnh Báo LCD   |
+------------------+      +-------------------+      +---------------------+

Mục tiêu của dự án

  1. Làm chủ công nghệ xử lý ảnh trên LabVIEW: Nghiên cứu cấu trúc luồng dữ liệu (Dataflow), khai thác hệ sinh thái thư viện NI-IMAQdx, Vision Acquisition và Vision Assistant của National Instruments.
  2. Nhận diện và cảnh báo tín hiệu đèn giao thông: Phân tích màu sắc thời gian thực của 3 trạng thái đèn (Đỏ, Vàng, Xanh) với độ chính xác cao.
  3. Phân loại biển báo và đọc tốc độ giới hạn: Phân biệt 4 nhóm biển báo giao thông chính (Biển báo Cấm, Biển báo Nguy hiểm, Biển báo Hiệu lệnh, Biển báo Chỉ dẫn) và tự động trích xuất giá trị số từ biển hạn chế tốc độ bằng công nghệ nhận dạng ký tự quang học (Optical Character Recognition - OCR).
  4. Nhận dạng vạch kẻ đường và phát cảnh báo lệch làn (LDW): Phát hiện biên của 2 vạch kẻ làn đường, tính toán tọa độ tâm và phát tín hiệu cảnh báo chuyển làn lệch trái/lệch phải.

Phương pháp tiếp cận và cơ sở lựa chọn

Thay vì sử dụng các ngôn ngữ dạng dòng lệnh truyền thống (Text-based) như C++ hay Python đòi hỏi cấu hình môi trường phức tạp và tốn nhiều tài nguyên khi tích hợp phần cứng, đề tài chọn LabVIEW (Ngôn ngữ đồ họa G - Graphical Programming). LabVIEW cho phép lập trình theo luồng dữ liệu trực quan, khả năng xử lý song song đa luồng tự nhiên (Multithreading), cùng bộ công cụ thị giác máy mạnh mẽ (Vision Development Module), giúp rút ngắn thời gian phát triển và tối ưu hóa độ trễ xử lý khung hình (Frame Latency) xuống dưới $33.3\text{ ms}$ (đáp ứng chuẩn thời gian thực 30 FPS).

Kết quả kỳ vọng và giới hạn nghiên cứu

  • Chỉ số mục tiêu: Tốc độ thu nhận và xử lý 30 khung hình/giây (FPS) ở độ phân giải HD $1280 \times 720$, tỷ lệ nhận diện chính xác đạt trên 90% trong điều kiện ánh sáng chuẩn.
  • Phạm vi và giới hạn:
    • Bề mặt đường phẳng, đồng nhất về màu sắc; vạch kẻ đường là vạch nét liền rõ ràng.
    • Các biển báo và đèn tín hiệu được thiết kế chuẩn hóa về kích thước và thử nghiệm ở cự ly cố định $50 - 55\text{ cm}$.
    • Thử nghiệm trong điều kiện ánh sáng ban ngày (nắng nhẹ) và môi trường trong nhà có ánh sáng đèn kiểm soát.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hiện nay, các giải pháp xử lý ảnh hỗ trợ xe tự hành trên thị trường chủ yếu chia thành hai trường phái: Học sâu (Deep Learning với CNN/YOLO) và Xử lý ảnh cổ điển (Classical Computer Vision với OpenCV/LabVIEW).

Tiêu chí LabVIEW Vision (Giải pháp đề tài) OpenCV (Python/C++) Deep Learning (YOLOv5 / TensorRT)
Tài nguyên tính toán Thấp - Trung bình (CPU x86) Trung bình (CPU đa nhân) Rất cao (Bắt buộc GPU / NPU chuyên dụng)
Thời gian triển khai Nhanh chóng nhờ GUI kéo thả Trung bình (Viết mã thủ công) Lâu (Cần thu thập và gán nhãn tập dữ liệu lớn)
Độ trễ xử lý (Latency) Thấp, tất định (< 33 ms) Thấp - Trung bình (Tùy tối ưu) Dao động theo kích thước model (30 - 100 ms)
Giao tiếp phần cứng Tích hợp sâu (DAQ, NI-RIO, CAN) Phải viết thêm Driver bridge Cần Middleware trung gian (ROS/ROS2)
Độ phức tạp thuật toán $O(N)$ dựa trên quét ma trận điểm ảnh $O(N)$ đến $O(N^2)$ Hàng triệu tham số ma trận trọng số

Phân loại yêu cầu người dùng theo mô hình MoSCoW

  • Must have (Bắt buộc có): Thu hình trực tiếp từ Camera HD; Phân loại chính xác 3 trạng thái đèn giao thông; Phân loại 4 nhóm biển báo cơ bản; Đọc ký tự số trên biển báo tốc độ bằng OCR; Tính toán tọa độ vạch làn và cảnh báo lệch làn trái/phải.
  • Should have (Nên có): Giao diện Dashboard hiển thị trạng thái và hình ảnh trực quan; Khối đo khoảng cách cạnh viền vạch kẻ đường tự động.
  • Could have (Có thể mở rộng): Tự động cân bằng trắng khi cường độ sáng thay đổi; Cơ chế lọc nhiễu tự thích nghi (Adaptive Thresholding).
  • Won't have (Chưa thực hiện ở giai đoạn này): Điều khiển cơ cấu chấp hành tay lái qua giao thức CAN; Nhận diện vạch kẻ đường nét đứt hoặc khúc cua gắt.

Thiết kế hệ thống

Kiến trúc hệ thống được xây dựng theo mô hình phân tầng khép kín: Tầng thu nhận dữ liệu phần cứng, Tầng tiền xử lý & Trích xuất đặc trưng, Tầng logic phân loại & Quyết định, và Tầng hiển thị & Giao tiếp (HMI).

+-----------------------------------------------------------------------------------+
|                            HỆ THỐNG LABVIEW XỬ LÝ ẢNH                             |
+-----------------------------------------------------------------------------------+
                                          |
                                          v
                         +---------------------------------+
                         |   Webcam Logitech HD C525       |
                         |   (720p @ 30fps, USB 2.0)       |
                         +---------------------------------+
                                          |
                                          v
                         +---------------------------------+
                         |   NI-IMAQdx / Vision Acquisition|
                         |   - Cấp phát bộ nhớ: IMAQ Create|
                         |   - Đọc liên tục: IMAQ Grab     |
                         +---------------------------------+
                                          |
                                          v
                         +---------------------------------+
                         |   Bộ Xử Lý Vision Assistant     |
                         |   - Thiết lập ROI vùng quan sát |
                         |   - Resize chuẩn hóa 500x500 px |
                         +---------------------------------+
                                          |
         +--------------------------------+-------------------------------+
         |                                |                               |
         v                                v                               v
+------------------+            +-------------------+           +-------------------+
| Phân tích Đèn    |            | Phân loại Biển    |           | Nhận dạng Làn     |
| Tín Hiệu         |            | Báo & Đọc OCR     |           | Đường             |
| - Color Location |            | - Color Matching  |           | - Color Plane Ext |
| - Đếm Pixel      |            | - Red Plane OCR   |           | - Clamp (Rake)    |
+------------------+            +-------------------+           +-------------------+
         |                                |                               |
         +--------------------------------+-------------------------------+
                                          |
                                          v
                         +---------------------------------+
                         |   Khối Quyết Định (Case Struct) |
                         |   - So sánh ngưỡng điểm ảnh     |
                         |   - Logic điều kiện cảnh báo    |
                         +---------------------------------+
                                          |
                                          v
                         +---------------------------------+
                         |   Giao Diện Front Panel (HMI)   |
                         |   - LED chỉ thị & Text Warning  |
                         |   - Giải phóng RAM: IMAQ Dispose|
                         +---------------------------------+

Bảng thông số công nghệ và thiết bị (Technology Stack)

Thành phần Phiên bản / Model Vai trò kỹ thuật
Môi trường lập trình NI LabVIEW 2017 (32-bit) Thực thi luồng dữ liệu (Dataflow) và quản lý khối VIs
Thư viện xử lý ảnh NI Vision Development Module 2017 Cung cấp thuật toán Vision Assistant, OCR/OCV, Clamp
Driver giao tiếp Camera NI-IMAQdx Driver Suite Giao tiếp chuẩn DirectShow/UVC, điều khiển USB Camera
Cảm biến hình ảnh Logitech C525 HD Webcam Thu hình 720p (1280x720), 30fps, góc quay tự động lấy nét
Phần cứng tính toán MSI GP62M 7REX (Core i7, 16GB RAM) Xử lý dữ liệu số, phân tích ma trận điểm ảnh thời gian thực
Thiết kế cơ khí mô hình SolidWorks 2018 Thiết kế giá đỡ Camera, mô phỏng kích thước hình học 3D

Methodology (Phương pháp luận nghiên cứu)

Dự án áp dụng mô hình phát triển lặp kết hợp kiểm thử thực nghiệm (Iterative Engineering & V-Model). Mỗi module xử lý ảnh được thiết kế độc lập trên công cụ tạo mẫu nhanh Vision Assistant, sau đó chuyển đổi thành mã đồ họa G (SubVI) tích hợp vào kiến trúc tổng thể.

       [Yêu cầu chức năng]                [Thực nghiệm MT1 & MT2]
              \                                      /
               v                                    v
     [Thiết kế thuật toán]                [Đánh giá sai số Pixel]
              \                                /
               v                              v
           [Mô hình hóa Vision Assistant] -> [Tích hợp Block Diagram]
  • Quản lý rủi ro: Rủi ro lớn nhất là sự dao động cường độ ánh sáng môi trường gây biến dạng không gian màu RGB. Giải pháp khắc phục là trích xuất mặt phẳng màu xám chuyên biệt (Red Plane Extraction cho OCR và Value Plane trong không gian màu HSV cho vạch kẻ đường) nhằm loại bỏ ảnh hưởng của độ bão hòa màu.

Implementation và kết quả

Development process

Quá trình xây dựng mã nguồn trên LabVIEW Block Diagram bao gồm 3 phân hệ thuật toán then chốt:

1. Thuật toán nhận dạng tín hiệu đèn giao thông

Quy trình nhận diện đèn giao thông trải qua 4 bước:

  • Bước 1: Khởi tạo vùng quan tâm (Region of Interest - ROI) tại vị trí cụ thể của khung hình để loại bỏ nhiễu ngoại cảnh.
  • Bước 2: Chuẩn hóa kích thước ROI về ma trận cố định $500 \times 500\text{ pixel}$.
  • Bước 3: Sử dụng chức năng Color Location để dò tìm các điểm ảnh phù hợp với mẫu màu tham chiếu đã hiệu chuẩn (Đỏ, Vàng, Xanh).
  • Bước 4: Lấy tổng số điểm ảnh thu được so sánh với ngưỡng ngưỡng an toàn ($> 800\text{ pixel}$). Đưa kết quả vào cấu trúc Case Structure để xuất lệnh:
    • Điểm ảnh Đỏ $\ge 800\text{ px} \rightarrow$ Xuất cảnh báo: "DUNG LAI".
    • Điểm ảnh Vàng $\ge 800\text{ px} \rightarrow$ Xuất cảnh báo: "CHU Y GIAM TOC DO".
    • Điểm ảnh Xanh $\ge 800\text{ px} \rightarrow$ Xuất thông báo: "DUOC PHEP DI".
// Pseudo-G-Code: Phân loại đèn tín hiệu giao thông
Image_In = IMAQ_Grab(Camera_Session);
ROI_Image = IMAQ_Extract_ROI(Image_In, Rect(x, y, w, h));
Resized_Image = IMAQ_Resample(ROI_Image, 500, 500);

Pixels_Red    = IMAQ_ColorLocation(Resized_Image, Color_Template_Red);
Pixels_Yellow = IMAQ_ColorLocation(Resized_Image, Color_Template_Yellow);
Pixels_Green  = IMAQ_ColorLocation(Resized_Image, Color_Template_Green);

If (Pixels_Red >= 800) Then:
    Output_Message = "DUNG LAI (RED LIGHT DETECTED)";
Else If (Pixels_Yellow >= 800) Then:
    Output_Message = "CHU Y GIAM TOC DO (YELLOW LIGHT DETECTED)";
Else If (Pixels_Green >= 800) Then:
    Output_Message = "DUOC PHEP DI (GREEN LIGHT DETECTED)";
End If

2. Thuật toán phân loại biển báo và trích xuất ký tự số (OCR)

  • Giai đoạn 1 (Phân loại nhóm biển):
    • Quét toàn bộ khung ảnh $500 \times 500\text{ px}$ bằng hàm Color Matching.
    • Nếu mật độ điểm ảnh Vàng $> 100\text{ px} \rightarrow$ Nhận diện Biển báo nguy hiểm $\rightarrow$ Cảnh báo: "Chú ý nguy hiểm phía trước! Giảm tốc độ".
    • Nếu mật độ điểm ảnh Xanh dương $> 600\text{ px} \rightarrow$ Nhận diện Biển báo chỉ dẫn/hiệu lệnh $\rightarrow$ Cảnh báo: "Đi theo hướng chỉ dẫn của biển báo".
    • Nếu xuất hiện viền Đỏ chủ đạo $\rightarrow$ Kích hoạt nhánh xử lý Biển báo cấm.
  • Giai đoạn 2 (Xử lý chuyên sâu biển báo giới hạn tốc độ):
    • Quét vùng trung tâm biển báo kích thước $250 \times 250\text{ px}$. Nếu không xuất hiện màu đỏ ở tâm $\rightarrow$ Xác định chính xác là Biển báo giới hạn tốc độ.
    • Chuyển đổi ảnh màu 32-bit RGB sang ảnh xám 8-bit bằng cách trích xuất mặt phẳng đỏ (Red Plane Extraction) giúp tăng độ tương phản của chữ số màu đen trên nền trắng.
    • Sử dụng module OCR/OCV (đã được huấn luyện trước bộ ký tự số $0 - 9$) để phân đoạn ký tự và đọc chuỗi số.
    • Ghép chuỗi và xuất thông báo: "Biển báo giới hạn tốc độ: Tốc độ tối đa trên đoạn đường này là [Số đọc được] km/h".
// Pseudo-G-Code: Phân loại biển báo & OCR đọc tốc độ
Color_Matches = IMAQ_ColorMatching(Resized_Image, Sign_Templates);

Switch (Color_Matches.Class):
    Case DANGER_YELLOW:
        Display("Chu y nguy hiem phia truoc! Giam toc do");
    Case MANDATORY_BLUE:
        Display("Di theo huong chi dan cua bien bao");
    Case PROHIBITION_RED:
        Center_Red = IMAQ_ColorLocation(Center_ROI(250, 250), Template_Red);
        If (Center_Red > Threshold) Then:
            Display("Tuan thu hieu lenh cam (Cam dung / Cam do)");
        Else:
            // Xử lý đọc số biển tốc độ
            Gray_Red_Plane = IMAQ_ExtractSingleColorPlane(Resized_Image, RED_PLANE);
            Speed_Value = NI_Vision_OCR_ReadText(Gray_Red_Plane, Trained_CharSet);
            Display("Bien bao gioi han toc do: " + Speed_Value + " km/h");
        End If
End Switch

3. Thuật toán nhận dạng làn đường và cảnh báo lệch làn (LDW)

  • Trích xuất thông tin vạch kẻ: Dùng Color Plane Extraction chuyển ảnh màu sang ảnh xám theo thành phần giá trị độ sáng Value Plane trong hệ màu HSV ($V \in [0, 255]$).
  • Phát hiện biên vạch: Áp dụng công cụ quét song song Clamp (Rake) với các tia quét vuông góc để xác định tọa độ biên trái ($X_1$) và biên phải ($X_2$) của 2 vạch kẻ đường.
  • Tính toán tọa độ và độ lệch:
    • Khởi tạo gốc tọa độ tham chiếu qua Set Coordinate System.
    • Tính tọa độ trung điểm tức thời của làn đường: $$X_{mid} = \frac{X_1 + X_2}{2}$$
    • Đánh giá khoảng cách với trục camera:
      • Nếu $X_{mid} \in [612.0, 616.0]\text{ px} \rightarrow$ Xe ở giữa làn $\rightarrow$ Thông báo: "Good Lane Keeping".
      • Nếu $X_{mid} \le 500.0\text{ px} \rightarrow$ Xe lệch sang phải $\rightarrow$ Bật cảnh báo: "Warning! Off Lane" kèm chỉ dẫn "TURN LEFT".
      • Nếu $X_{mid} \ge 750.0\text{ px} \rightarrow$ Xe lệch sang trái $\rightarrow$ Bật cảnh báo: "Warning! Off Lane" kèm chỉ dẫn "TURN RIGHT".

Testing và validation

Hệ thống được đưa vào thử nghiệm đánh giá độc lập tại hai môi trường thực nghiệm:

  • Môi trường 1 (MT1): Ngoài trời, ánh sáng tự nhiên, trời nắng nhẹ.
  • Môi trường 2 (MT2): Trong nhà (có mái che), được chiếu sáng ổn định bằng ánh sáng đèn huỳnh quang trắng.

Bảng 1: Đánh giá nhận dạng tín hiệu đèn giao thông (Khoảng cách 50cm, chiều cao 33cm)

Trạng thái đèn Số điểm ảnh MT1 (Trung bình) Số điểm ảnh MT2 (Trung bình) Chênh lệch MT1 Chênh lệch MT2 Kết quả trả về
Đèn Đỏ 908.90 px 896.66 px 27 px 37 px Đúng (100%)
Đèn Vàng ~920.00 px ~919.50 px < 1 px < 1 px Đúng (100%)
Đèn Xanh 986.00 px 881.75 px 40 px 89 px Đúng (100%)

Bảng 2: Đánh giá phân loại biển báo và đọc ký tự OCR

Loại biển báo kiểm tra MT1: Phân loại MT1: Đọc OCR MT2: Phân loại MT2: Đọc OCR Nhận xét độ nhiễu
Biển giới hạn 50 km/h 5/5 Đúng Đọc chính xác '50' 5/5 Đúng Đọc chính xác '50' MT1 nhiễu điểm ảnh trắng do phản xạ nắng
Biển báo nguy hiểm 5/5 Đúng Không áp dụng 5/5 Đúng Không áp dụng MT1 có nhiễu điểm ảnh xanh
Biển chỉ dẫn vòng xuyến 4/5 Đúng Không áp dụng 5/5 Đúng Không áp dụng 1 lần sai ở MT1 do góc chiếu sáng gắt
Biển cấm dừng đỗ 5/5 Đúng Không áp dụng 5/5 Đúng Không áp dụng MT2 xuất hiện điểm ảnh trắng nhẹ

Bảng 3: Đánh giá nhận dạng vạch kẻ đường và cảnh báo lệch làn

Vị trí đặt xe mô hình Tọa độ Vạch 1 ($X_1$) Tọa độ Vạch 2 ($X_2$) Trung điểm $X_{mid}$ Bề rộng làn ($\Delta X$) Trạng thái cảnh báo
Chính giữa làn đường 318.0 px 910.0 px 613.59 px 592.0 px Good Lane Keeping (Hệ thống ON)
Lệch Phải 318.0 px 655.0 px 481.77 px 337.0 px Warning! Off Lane - TURN LEFT
Lệch Trái 617.0 px 930.0 px 773.50 px 313.0 px Warning! Off Lane - TURN RIGHT

Kết quả đạt được

  1. Khả năng phân loại đối tượng chuẩn xác: Tỷ lệ phân loại đúng biển báo và đèn tín hiệu đạt 96.6% trên tổng các lượt thử nghiệm ở cả 2 môi trường.
  2. Khả năng đọc OCR chính xác: Đọc chính xác 100% ký tự số "50" từ biển báo giới hạn tốc độ mà không bị nhầm lẫn giữa các chữ số có nét tương đồng (như 5 và 6, hoặc 0 và 8) nhờ tiền xử lý trên mặt phẳng đỏ.
  3. Phản hồi cảnh báo lệch làn tức thời: Thuật toán tính toán trung điểm $X_{mid}$ hoạt động ổn định với sai số vị trí $\le 2\text{ pixel}$ qua 5 lần lấy mẫu liên tiếp tại mỗi vị trí.

Đổi mới và đóng góp

  • Quy trình kết hợp linh hoạt Color Matching và OCR: Đề tài đưa ra giải pháp 2 giai đoạn (Two-stage detection pipeline): Sử dụng đối sánh màu sắc tổng thể để lọc nhóm biển báo trước khi kích hoạt bộ OCR trích xuất số. Điều này giúp giảm hơn 70% tải tính toán CPU so với việc chạy OCR liên tục trên toàn bộ khung hình.
  • Tối ưu hóa trích xuất mặt phẳng màu chuyên biệt: Việc trích xuất trực tiếp Red Plane cho nhận dạng biển báo và Value Plane (HSV) cho nhận dạng vạch kẻ đường giúp thuật toán đạt độ bền vững cao trước các hiện tượng tán xạ ánh sáng.
  • Hiệu quả phát triển vượt trội: Sử dụng kiến trúc luồng dữ liệu trên LabVIEW giúp giảm thiểu 85% số dòng lệnh so với việc triển khai thuần túy trên C++/MFC, đồng thời cho phép tạo giao diện giám sát HMI chuyên nghiệp mà không phát sinh thêm chi phí phần mềm thứ ba.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

  1. Tích hợp hộp hỗ trợ lái an toàn ADAS (Aftermarket Retrofit): Triển khai dưới dạng thiết bị gắn rời trên kính lái cho các dòng xe thương mại, cảnh báo tài xế buồn ngủ hoặc mất tập trung khi xe đè vạch hoặc vượt quá tốc độ cho phép.
  2. Xe tự hành trong nhà xưởng thông minh (Industrial AGVs): Ứng dụng thuật toán dò vạch kẻ màu và nhận dạng biển báo khu vực để điều hướng các robot tự hành chuyển hàng trong các nhà máy sản xuất linh kiện điện tử.
  3. Hệ thống sa hình sát hạch lái xe tự động: Ứng dụng công nghệ xử lý ảnh để tự động chấm điểm bài thi sa hình (nhận biết xe đè vạch, không chấp hành tín hiệu đèn giao thông).

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

+-------------------------------------------------------------+
| BẢNG DỰ TOÁN CHI PHÍ HỆ THỐNG PHẦN CỨNG (TÍNH TRÊN 01 XE)   |
+-------------------------------------------------------------+
| 1. Camera HD góc rộng 720p/1080p UVC              :   650.000 VNĐ |
| 2. Bộ xử lý nhúng x86 (Intel Celeron / Core i3 SBC): 2.800.000 VNĐ |
| 3. Màn hình cảnh báo LCD 5-inch & Loa âm thanh     :   550.000 VNĐ |
| 4. Khung gá cơ khí & Cáp kết nối chống nhiễu      :   200.000 VNĐ |
| 5. Nguồn chuyển đổi DC-DC 12V/24V sang 5V          :   150.000 VNĐ |
+-------------------------------------------------------------+
| TỔNG CHI PHÍ PHẦN CỨNG (BOM COST)                  : 4.350.000 VNĐ |
+-------------------------------------------------------------+

Với chi phí phần cứng thương mại chỉ khoảng 4.350.000 VNĐ, giải pháp này có giá thành thấp hơn từ 5 đến 10 lần so với các hệ thống ADAS chuyên dụng nhập khẩu từ châu Âu hoặc Mỹ, đem lại thời gian hoàn vốn (ROI) cực nhanh cho các doanh nghiệp vận tải thông qua việc giảm thiểu rủi ro va chạm và tiền phạt vi phạm giao thông.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Độ phụ thuộc vào nguồn sáng: Khi ánh nắng mặt trời chiếu trực tiếp ở góc gắt, hiện tượng chói sáng (Glare) làm suy giảm lượng điểm ảnh nhận diện được (đặc biệt là màu trắng và màu xanh dương).
  • Giới hạn hình học vạch kẻ: Thuật toán Clamp (Rake) hiện tại hoạt động tối ưu trên đường thẳng, chưa hỗ trợ tốt khi xe đi vào các đoạn cua có bán kính cong hẹp hoặc vạch kẻ bị mờ, đứt đoạn.
  • Tính năng điều khiển: Hệ thống mới dừng lại ở mức cảnh báo thị giác/âm thanh cho người lái, chưa can thiệp trực tiếp vào cơ cấu chấp hành (Hệ thống trợ lực lái EPS hoặc Phanh khẩn cấp tự động AEB).

Hướng phát triển trong tương lai

  1. Ứng dụng thuật toán Hough Transform và Curve Fitting: Nâng cấp thuật toán phát hiện làn đường bằng phép biến đổi Hough kết hợp nội suy đa thức bậc 3 để bám làn đường cong phức tạp.
  2. Tích hợp cảm biến kết hợp (Sensor Fusion): Bổ sung cảm biến Radar sóng milimet (mmWave Radar) hoặc LiDAR tầm gần để phát hiện vật cản chuyển động trong điều kiện sương mù, mưa lớn hoặc ban đêm.
  3. Mạng truyền thông CAN-Bus: Xây dựng module xuất tín hiệu điều khiển trực tiếp qua giao thức CAN (Controller Area Network) để kết nối với hộp điều khiển ECU trên ô tô thật.

Đối tượng hưởng lợi

  • Sinh viên ngành Kỹ thuật Ô tô / Cơ điện tử / Tự động hóa: Tài liệu tham khảo toàn diện về việc ứng dụng LabVIEW trong thị giác máy tính, phương pháp xây dựng hệ thống ADAS thực nghiệm.
  • Kỹ sư phát triển hệ thống nhúng: Mẫu thiết kế kiến trúc luồng dữ liệu tối ưu cho xử lý ảnh thời gian thực, kinh nghiệm phân đoạn màu và huấn luyện tập ký tự OCR trên công cụ của National Instruments.
  • Doanh nghiệp vận tải & Chế tạo xe: Bản thiết kế tham chiếu (Reference Design) cho thiết bị giám sát an toàn chi phí thấp, nâng cao chỉ số an toàn cho đội xe thương mại.
  • Các nhà nghiên cứu: Dữ liệu thực nghiệm so sánh tác động của môi trường ánh sáng tự nhiên và nhân tạo lên không gian màu số hóa, làm tiền đề cho các nghiên cứu xử lý thích nghi.

Câu hỏi thường gặp

1. Yêu cầu phần cứng và phần mềm tối thiểu để triển khai hệ thống là gì?

Hệ thống yêu cầu máy tính chạy hệ điều hành Windows 7/8/10, CPU từ lõi kép 2.4 GHz (tối ưu nhất là Intel Core i5 trở lên), RAM tối thiểu 2 GB (khuyến nghị 4 GB trở lên), 01 cổng USB 2.0/3.0. Về phần mềm, cần cài đặt môi trường NI LabVIEW 2017 (32-bit), gói NI Vision Development Module và bộ driver NI-IMAQdx.

2. Hệ thống xử lý thế nào khi cường độ ánh sáng môi trường thay đổi đột ngột?

Trong điều kiện thay đổi độ sáng nhẹ, thuật toán thích nghi tốt nhờ việc chuyển đổi sang mặt phẳng giá trị (Value Plane trong HSV) và mặt phẳng đơn sắc (Red Plane). Tuy nhiên, để hoạt động hoàn hảo dưới trời nắng gắt hoặc ban đêm, hệ thống cần bổ sung thuật toán cân bằng biểu đồ mức xám (Histogram Equalization) hoặc sử dụng camera có tính năng tự động bù sáng phần cứng (WDR - Wide Dynamic Range).

3. Có thể kết nối hệ thống LabVIEW này với vi điều khiển hoặc mạng CAN trên xe không?

Hoàn toàn có thể. LabVIEW hỗ trợ sẵn các khối giao tiếp chuẩn công nghiệp như Serial (RS-232/UART), TCP/IP, và đặc biệt là card giao tiếp chuyên dụng NI-CAN hoặc module vi điều khiển (Arduino/STM32) qua tập lệnh NI-VISA để truyền lệnh điều khiển lái hoặc kích hoạt còi/đèn cảnh báo phần cứng.

4. Chi phí triển khai và thời gian hoàn vốn (ROI) khi ứng dụng thực tế ra sao?

Một bộ phần cứng đầy đủ bao gồm vi xử lý nhúng, camera và màn hình cảnh báo có chi phí xuất xưởng khoảng 4.350.000 VNĐ. Đối với các đơn vị vận tải, việc lắp đặt thiết bị giúp ngăn ngừa các sự cố va chạm và phạt nguội do vi phạm biển báo, mang lại thời gian hoàn vốn đầu tư ước tính chỉ trong vòng 3 đến 6 tháng hoạt động.

5. Quy trình huấn luyện (Training) bộ ký tự cho khối OCR trong LabVIEW được thực hiện như thế nào?

Người dùng sử dụng tiện ích OCR Training Interface tích hợp trong NI Vision Assistant. Quy trình gồm: nạp ảnh mẫu chứa các biển số tốc độ thực tế ($20, 40, 50, 60, 80$), phân đoạn (Thresholding) để tách ký tự khỏi nền, gán nhãn giá trị (Labeling) cho từng ký tự và lưu thành tệp từ điển ký tự .abc. Module OCR/OCV trong Block Diagram sẽ nạp tệp này để đối soát ký tự thời gian thực.

Kết luận

Đồ án "Nghiên cứu xử lý ảnh bằng LabVIEW – Hỗ trợ xe tự hành" đã chứng minh tính khả thi, độ tin cậy và hiệu năng vượt trội của việc ứng dụng ngôn ngữ lập trình đồ họa LabVIEW trong bài toán thị giác máy tính cho giao thông thông minh. Bằng việc phối hợp linh hoạt giữa các công cụ Vision Acquisition, Color Matching, OCR Engine và thuật toán Clamp Rake, nhóm nghiên cứu đã xây dựng thành công một hệ thống hoàn chỉnh có khả năng nhận diện chính xác tín hiệu đèn giao thông, phân loại biển báo, đọc tốc độ giới hạn và cảnh báo lệch làn đường theo thời gian thực (30 FPS).

Đây là bước đệm kỹ thuật quan trọng, mở ra hướng nghiên cứu ứng dụng thực tế phong phú cho các hệ thống an toàn chủ động ADAS trên ô tô nội địa, góp phần thúc đẩy sự phát triển của công nghệ phương tiện tự hành tại Việt Nam trong tương lai gần.