Chương 1 TỔNG QUAN 1. Tổng quan chung về lĩnh vực nghiên cứu, các kết quả nghiên cứu trong và ngoài nước đã công bố 1. Tổng quan chung về phát hiện vật cản chuyển động cho robot Theo dự đoán trong tương lai, robot sẽ là tâm điểm của một cuộc cách mạng lớn sau Internet. Con người sẽ có nhu cầu sở hữu một robot cá nhân như một máy tính PC bây giờ.
Với xu hướng này, cùng các ứng dụng truyền thống khác của robot trong công nghiệp, y tế, giáo dục đào tạo, giải trí và đặc biệt là trong an ninh quốc phòng thì thị trường robot sẽ vô cùng to lớn. Một trong các yêu cầu cơ bản của robot tự động thực thụ là khả năng định hướng tốt trong phạm vi môi trường chưa xác định và hình dung ra một bản đồ định hướng, sau đó là né tránh vật cản. Bằng cách sử dụng các quan sát thích hợp từ môi trường, kết hợp cùng lúc với bản đồ để định hướng và né tránh vật cản cho robot đang là một yêu cầu cần nghiên cứu cho robot di động.Việc đồng thời định vị, vẽ bản đồ và né tránh vật cản cùng lúc là một phương pháp chung có liên quan đến việc triển khai một hệ thống di động trong môi trường chưa xác định. Đối với một robot di động tự động, định hướng là một công việc để di chuyển một cách an toàn từ nơi này đến nơi khác.
Việc định hướng gặp nhiều khó khăn do nhiều vấn đề khá phức tạp. Vấn đề gây trở ngại chính là những hạn chế của việc ước tính chuyển động, những khó khăn trong việc phát hiện và nhận biết đối tượng, những khó khăn trong việc tránh xung đột với các đối tượng khác nhau, và những khó khăn liên quan tới việc sử dụng thông tin cung cấp từ môi trường. Nhận biết cảnh mạnh mẽ trong môi trường đô thị là một lĩnh vực nghiên cứu hiện nay và được nghiên cứu bằng cách áp dụng các phương pháp khác nhau. Hệ thống LIDAR cung cấp một mô hình hình học có độ chính xác cao cho rất nhiều điểm 3D có thể được sử dụng để phát hiện nhiều đối tượng dưới mặt phẳng giả định Nguyễn Đình Huân - KDD2013B 1 Phát Hiện Vật Cản Chuyển Động Cho RoBot Trong Môi Trường Đô Thị hoặc bằng cách sử dụng một bộ dò đối tượng dựa trên mô hình.
Chương trình nghiên cứu gần đây, ước tính chuyển động từ những hình ảnh biên cũng cho kết quả đầy hứa hẹn là tốt. Trong khi phương pháp phát hiện dựa trên ánh sáng LIDAR có thể trực tiếp cung cấp thông tin hình ảnh 3D quan trọng, dữ liệu cần thiết lại xuất hiện thiếu phong phú. Một số phương pháp khác nhận dạng đối tượng trong phạm vi hình ảnh hiện tại để phát hiện các lớp đối tượng đơn hay nhiều lớp đối tượng. Tuy nhiên, nhiệm vụ này thậm chí còn khó khăn hơn, nếu các camera quan sát chuyển động thì ảnh hưởng việc thu nhận hình ảnh do bị mờ hoặc thay đổi điều kiện ánh sáng.
Những phương pháp này thường sử dụng một sự tìm kiếm không biết trước trên toàn bộ hình ảnh và loại bỏ thêm nhiều thông tin hơ n về cấu trúc hình học khung cảnh. Ngoài ra, nhận biết môi trường cho robot không chỉ yêu cầu đối tượng được phát hiện thuộc phạm vi hình ảnh mà còn yêu cầu mô tả hình ảnh 3D của cảnh giao thông được quan sát để tiến hành né tránh va chạm. Cấu trúc hình họ c khung cảnh 3D có thể được ước tính chỉ sử dụng một khung duy nhất là tốt, nhưng có một vài hạn chế và thiếu sự phong phú của các đối tượng. Ngày nay, các máy quét laser vẫn được sử dụng rộng rãi trong robot và xe tự lái, chủ yếu là do chúng trực tiếp cung cấp các phép đo 3D trong thời gian thực.
Tuy nhiên, so với các hệ thống camera truyền thống, máy quét laser 3D thường đắt tiền hơn và khó khăn hơn để tích hợp hoàn toàn vào các thiết kế phần cứng hiện hành (ví dụ, xe hơi hoặc xe lửa). Hơn nữa, chúng cũng dựa vào nguyên tắc cảm biến nên chúng dễ dàng gây nhiễu với các cảm biến khác cùng loại như chúng. Thay vào đó là một hệ thống stereo camera cho phép khôi phục cấu trúc hình học của khung cảnh trong hệ tọa độ nhiều hình ảnh 3D. Môi trường đô thị rất phức tạp và đòi hỏi nhận biết cho các hệ thống hỗ trợ lái xe hiện đại DAS hay robot.
Các ứng dụng khác nhau như tránh va chạm, giữ làn đường hoặc hỗ trợ ở giao lộ cần thông tin đáng tin cậy về tình hình giao thông hiện tại. Nhận thức và hiểu biết về những cảnh giao thông động ở mức độ cao là rất quan trọng cho các hệ thống như vậy. Môi trường đô thị phức tạp hơn môi trường trong Nguyễn Đình Huân - KDD2013B 2 Phát Hiện Vật Cản Chuyển Động Cho RoBot Trong Môi Trường Đô Thị nhà, do đó công việc đối với DAS là khó khăn hơn và hiện đang là một vấn đề chưa được giải quyết triệt để: Cảnh giao thông đông đúc với nhiều loại phương tiện khác nhau của người tham gia giao thông như ô tô, người đi bộ, người đi xe đạp hoặc xe điện mà phải được phân biệt trong khi khung cảnh xung quanh có thể khác nhau một cách tuỳ ý. Kết quả nghiên cứu trong và ngoài nước Có rất nhiều công trình nghiên cứu và thực nghiệm đã được thực hiện trong nhiều năm qua.
Nhận biết cảnh mạnh mẽ trong môi trường đô thị là một lĩnh vực nghiên cứu hiện nay. Công việc đầu tiên là lập bản đồ xác định vị trí của robot, sau đó phát hiện đối tượng chuyển động trong môi trường đô thị, từ đó có thể đưa ra các phương thức điều khiển hướng chuyển động cho robot hay hệ thống hỗ trợ lái xe. Một số nghiên cứu trong nước và ngoài nước được tóm tắt lại như dưới đây. Trong bài viết của tác giả Nguyễn Minh Thức, định vị cho mobile robot sử dụng GPS [1], robot di chuyển và định vị dựa và tín hiệu GPS, tuy nhiên trong đề tài còn hạn chế là robot không thể tránh nhiều vật cản gần nhau.
Lập bản đồ 3D và 2D sử dụng stereo camera [2], tác giả dùng stereo camera gắn trên xe lăn để xây dựng bản đồ 3D, từ đó phát hiện vật cản, điều khiển xe lăn di chuyển an toàn mà không cần sự điều khiển của người tàn tật. Định vị robot dựa trên cơ sở xử lý ảnh stereo camera và có tích hợp GPS [4], tác giả dựa vào GPS để định vị vị trí robot trên mặt đất trong khoảng không gian rộng lớn. Mỗi lúc robot di chuyển với khoảng cách nhỏ, tác giả ước lượng sự di chuyển này dựa vào xử lý cặp ảnh chụp từ stereo camera. Một mô hình định vị và lập bản đồ thời gian thực mức đối đối tượng 3D [5].
Tác giả tạo một tập dữ liệu các đối tượng 3D. Bản đồ được xây dựng từng bước trực tiếp theo hướng đối tượng. Một máy ảnh chụp một cảnh nhiều đối tượng, thông tin các đối tượng được lặp đi lặp lại giải thuật nhận diện đối tượng 3D và tạo ra bản đồ 3D thể hiện vị trí các đối tượng liên quan trong tập dữ liệu. Biểu đồ được tối ưu hóa lên tục như các phép đo mới và cho phép luôn cập nhật, các dự đoán liên tục và chính xác của phép đo camera kế tiếp.
Nguyễn Đình Huân - KDD2013B 3 Phát Hiện Vật Cản Chuyển Động Cho RoBot Trong Môi Trường Đô Thị Với công trình nghiên cứu của Hoiem và cộng sự [6] phương pháp này dựa trên hiểu biết về ước lượng hình học từ các hình ảnh của hệ thống đơn camera đã thấy sự phục hồi 3D [7], [10]. Những phương pháp này thông thường phân khúc hình ảnh thành các siêu điểm ảnh và dựa trên sự xuất hiện cục bộ cũng như các ràng buộc toàn cục, suy ra cấu hình 3D giống nhất của mỗi phân khúc đó. Mặc dù có các kết quả ấn tượng đã được chứng minh gần đây [7 ], những phương pháp này vẫn còn thiếu chính xác và có nhiều lỗi để đưa vào các ứng dụng hỗ trợ trực t iếp như điều hướng di động hoặc lái xe tự động. Tái tạo 3D từ bộ sưu tập hình ảnh chưa được hiệu chỉnh đã được đưa ra bởi Koch [8], Seitz [9] và các cộng sự khác, sử dụng kỹ thuật cổ điển là cấu trúc từ sự chuyển động (SFM).
Phần mở rộng để tái tạo đô thị đã được chứng minh trong [11], [12]. Gần đây hơn, với sự sẵn có của nền tảng chia sẻ hình ảnh như Flickr dẫn đến những nỗ lực mô hình hóa các thành phố lớn như Rome [13], [14]. Tuy nhiên, để có được tái tạo 3D bán dày đặc chính xác, hệ thống đa tầm nhìn stereo mạnh mẽ được sử dụng, trong đó, thậm chí trên các bộ thu thập hình ảnh nhỏ, dễ dàng mất đến vài giờ trong khi sử dụng rộng rãi trong các thiết bị xử lý song song. Hơn thế nữa, hầu hết các phương pháp đề xuất yêu cầu một số điểm nhìn dư thừa, trong khi mục tiêu ứng dụng của chúng tôi là một nền tảng di động di chuyển liên tục, ở đó các mục tiêu có thể được nhìn thấy chỉ trong một thời gian ngắn.
Badino và cộng sự [15] giới thiệu Stixel World như là đại diện mức trung để giảm số lượng các thông tin đầu vào đọc được. Chúng quan sát không gian trống ở phía trước của một chiếc xe thường được giới hạn bởi các đối tượng với các bề mặt thẳng đứng, và đại diện cho chúng là các thanh hình chữ nhật liền kề với chiều rộng cố định, cái mà được theo dõi theo thời gian. Một loại đại diện cấp trung khác thường xuyên được sử dụng là mạng lưới lấp đầy [16], [17], cái mà rời rạc hóa thế giới 3D thành các phần tử 2d nhị phân. Mặc dù rất hữu ích trong nhiều ứng dụng, những loại trừu tượng này là chưa đủ để thể hiện cho vỉa hè hoặc các đối tượng treo, chìa ra như cây cối, bảng hiệu hay đèn giao thông.
Cách khác nữa, lưới điểm ảnh ba chiều 3D có thể được sử dụng. Tuy nhiên nếu không miễn trừ độ phân giải, tính Nguyễn Đình Huân - KDD2013B 4 Phát Hiện Vật Cản Chuyển Động Cho RoBot Trong Môi Trường Đô Thị toán phức tạp sẽ gia tăng đáng kể. Thay vào đó trong bài báo này, chúng tôi quan tâm đến biển diễn cho các thông tin nhận được càng chi tiết càng tốt, nhưng mà không bị mất hiệu suất làm việc trong thời gian thực.