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 Những năm gần đây, các ứng dụng robot thông minh để phục vụ con người ngày càng phát triển mạnh. Với tốc độ phát triển công nghệ như hiện nay, nhu cầu đối với các hệ thống robot trợ giúp cho con người dự kiến sẽ tăng. Đây là một lĩnh vực ứng dụng dường như là chính của các robot phục vụ trong tương lai gần.
Vì vậy, con người tìm cách biến đổi các robot để có những biến thể mới phục vụ cho con người, khái niệm xe lăn tự hành (autonomous wheelchair) từ đó cũng ra đời. Một chiếc xe lăn là một chiếc ghế được trang bị bánh xe. Thiết bị này có thể chia làm 2 loại là tự hành và không tự hành. Những loại không tự hành thường có người đẩy ở phía sau hoặc trên xe có trang bị bộ phận vận hành thủ công bằng tay để người ngồi có thể vận hành.
Loại thứ hai là bánh xe được kết nối với động cơ giúp cho việc di chuyển thoải mái và tiện lợi hơn, ngoài ra nó còn có thể tích hợp thêm cả máy tính để điều khiển. Việc điều khiển cho xe lăn tự hành có nhiều điểm giống với điều khiển robot tự hành. Vì vậy, ta có thể xem một xe lăn tự hành giống như một robot tự hành có thể vận chuyển người ngồi ở trên. Định vị cho xe lăn tự hành là một việc cần thiết và cơ bản.
Đối với môi trường trong một căn phòng nếu xe lăn đã được cung cấp sẵn bản đồ thì nó có thể tự định vị và tìm đến nơi người sử dụng cần, ví dụ như người sử dụng gọi nó đến vị trí của mình, hoặc di chuyển tự động đưa người sử dụng đến vị trí cần thiết theo lệnh. Các thuật toán cho việc tự định vị được phát triển dựa trên cơ sở của toán học xác suất.1 mô tả một xe lăn được đặt trong một căn phòng và đang thắc mắc về vị trí hiện tại của nó. Năm 1960 Rudolf Emil Kalman đã cho xuất bản bài báo nổi tiếng “A new approach to linear filtering and prediction problems” [10] trong đó công bố thuật toán sử dụng chuỗi giá trị đo lường có ảnh hưởng nhiễu hoặc sai số, để ước đoán biến số nhằm tăng độ chính xác. Thuật toán này còn được gọi là bộ lọc Kalman, được sử Trang 1 1.
Tổng Quan dụng rộng rãi trong kỹ thuật, phổ biến trong các ứng dụng định hướng, định vị và điều khiển các phương tiện di chuyển. Việc công bố thuật toán đã mở ra hướng tiếp cận cho vấn đề định vị robot tự hành. Sau bộ lọc Kalman thì bộ lọc hạt (Particle filter) hay còn được gọi là phương pháp Sequential Monte Carlo được phát triển, thuật ngữ bộ lọc hạt được Del Moral đặt ra năm 1996 [11]. Thuật toán lọc hạt được sử dụng để giải quyết vấn đề lọc phi tuyến trong xử lý tín hiệu và trong thống kê.
Đề tài này sử dụng bộ lọc Kalman mở rộng để ước lượng vị trí và hướng của xe lăn trong một bản đồ được cung cấp sẵn thông qua các dữ liệu thu được từ các cảm biến. Xe lăn có khả năng tìm đường đi đến vị trí yêu cầu và tránh vật cản trên đường.1: Xe lăn tự hành và bài toán định vị Tình hình nghiên cứu trong và ngoài nước Tình hình nghiên cứu trong nước: Tại Việt Nam tình hình nghiên cứu xe lăn tự hành còn khá mới, chủ yếu là xe lăn điện được thêm cơ cấu động cơ điện và cần điều khiển bằng tay. Các kết quả nghiên cứu thường đến từ các trường Đại học lớn. Năm 2013, nhóm sinh viên trường Đại học Bách khoa Đà Nẵng cũng đã nghiên cứu thành công xe lăn thông minh điều khiển bằng tay hoặc bằng chuyển động đầu.
Tuy nhiên như đã nói ở trên ta hoàn toàn có thể áp dụng các nghiên cứu về robot tự hành để áp dụng cho xe lăn tự hành, vì vậy sẽ mở rộng đáng kể những kết quả nghiên cứu và ứng dụng. Tổng Quan Luận văn thạc sĩ của tác giả Nguyễn Đặng Phúc Nguyên hoàn thành năm 2011 tại trường Đại học Sư phạm Kỹ thuật [12] nói về việc định vị cho robot tự hành sử dụng giải thuật Monte Carlo để định vị robot. Kết quả được mô phỏng bằng phần mềm Player/Stage. Robot mô phỏng là một robot được trang bị 14 cảm biến siêu âm xung quanh robot.
Luận văn thạc sĩ của tác giả Lê Hoàng Anh hoàn thành năm 2012 tại trường Đại học Sư phạm Kỹ thuật [2] đã đề cập đến vấn đề định vị cho robot tự hành. Nội dung của luận văn nói đến việc sử dụng dữ liệu thu thập được từ camera Kinect trong việc xác định các vật mốc, thuật toán định vị được sử dụng là bộ lọc Kalman và thuật toán tìm đường được sử dụng là A-star, các vật cản trong môi trường đã được biết trước. Điểm mới trong luận văn này là việc người thực hiện sử dụng cảm biến laser thay vì camera, để xác định các vật mốc trong môi trường. Cảm biến laser có khoảng cách đo xa, chính xác, vấn đề xử lý dữ liệu từ cảm biến laser cũng nhanh hơn camera.
Ngoài ra, cảm biến laser có thể sử dụng ngay cả trong bóng tối hoặc trong môi trường ánh sáng mạnh, khắc phục được hạn chế cơ bản của camera. Đề tài sử dụng thuật toán Kalman mở rộng để định vị vị trí cho xe lăn, thuật toán tìm đường được sử dụng là thuật toán D-star giúp cho xe lăn có thể tìm đường đi thay thế nhanh chóng khi gặp vật cản ngẫu nhiên xuất hiện trong môi trường và tránh các vật cản bằng giải thuật Vector Field Histogram. Quá trình thực nghiệm được thực hiện trên mô hình xe lăn thực sử dụng cơ cấu lái vi sai. Xe lăn được trang bị 7 cảm biến siêu âm và một cảm biến laser SICK LMS 291.
Tình hình nghiên cứu ngoài nước: Trên thế giới việc nghiên cứu xe lăn tự hành đã diễn ra khá lâu và đã có nhiều thành tựu được công bố, các nghiên cứu cũng tập trung vào các vấn đề như tránh vật cản hoặc định vị cho xe lăn. Dưới đây là một số mô tả về các nghiên cứu xe lăn tự hành đã được tiến hành và vẫn đang diễn ra: Trang 3 1. Tổng Quan Viện KISS Institute for Practical Robotics tọa lạc tại Virginia là một tổ chức giáo dục phi lợi nhuận R&D trong các công nghệ hỗ trợ robot, robot không gian, thiết bị tự hành dưới nước, các robot trong giáo dục… David Miller và Marc Slack thuộc viện KISS đã phát triển TinMan I và TinMan II (Hình 1. Đây là một xe lăn được tích hợp điều khiển joystick, kết hợp với các cảm biến giúp nó tránh vật cản [7].3) là tên được đặt cho chiếc xe lăn được phát triển thử nghiệm bởi Holly Yanco lần đầu tại Wellesley College và bây giờ là tại MIT.
Chiếc ghế được thiết kế để có thể xoay tại chỗ. Nó có 12 cảm biến tiệm cận, 6 cảm biến siêu âm, 2 encoder. Một máy tính 68332 được tích hợp và giao diện điều khiển chạy trên máy Macintosh PowerBook [7].2: Xe lăn TinMan II Hình 1.3: Xe lăn tự hành Wheelesley Trang 4 1. Tổng Quan UBIRO (UBIquitous RObot) (Hình 1.4) mặc dù có tên robot nhưng nó là một xe lăn tự hành.
UBIRO được phát triển vào năm 2009 dựa trên nền một chiếc xe lăn điện [EMC-230] cho người già và người tàn tật. UBIRO bao gồm 3 phần chính: máy tính điều khiển, hệ thống RFID để thu thập thông tin vị trí của xe lăn và bộ phận điều hướng. Máy tính đóng vai trò là bộ xử lý trung tâm của xe lăn giúp nó điều khiển các bộ phận thu thập dữ liệu cũng như ra các lệnh điều khiển dựa trên các thuật toán có sẵn hoặc theo ý muốn người sử dụng [14].4: Xe lăn tự hành UBIRO 1. Mục tiêu đề tài Đề tài thực hiện xây dựng giải thuật định vị cho xe lăn di động.
Xe lăn có khả năng xác định vị trí dựa trên dữ liệu thu thập được từ cảm biến laser khi biết trước bản đồ môi trường. Xe lăn có khả năng lập kế hoạch đường đi di chuyển đến vị trí yêu cầu và tránh vật cản trên đường đi. Xe lăn được cho biết trước vị trí đặt, vị trí điểm đích. Các giải thuật được áp dụng trên mô hình xe lăn thực, sử dụng cơ cấu lái vi sai.
Giới hạn của đề tài Đề tài chỉ nghiên cứu khảo sát môi trường trong nhà. Bản đồ môi trường, vị trí điểm đích và vị trí đặt đã được cung cấp trước cho xe lăn khi khởi động, không cung cấp vị trí vật cản. Phương pháp nghiên cứu Các phương pháp nghiên cứu được sử dụng như sau: - Phương pháp khảo sát: khảo sát các giải thuật định vị, tránh vật cản và tìm đường khác nhau nhằm tìm được giải thuật phù hợp. - Phương pháp nghiên cứu tài liệu: tìm hiểu, thu thập các tài liệu liên quan đến đề tài.
Nghiên cứu các lý thuyết liên quan để xây dựng giải thuật điều khiển cho xe lăn. - Phương pháp thực nghiệm: lập trình phần mềm và chạy trên mô hình đã xây dựng. Kiểm tra kết quả thu được và điều chỉnh các giải thuật cũng như chương trình để thu được kết quả tốt hơn. Nội dung đề tài Chương 2: Cơ Sở Lý Thuyết Về Định Vị Xe Lăn Chương này người thực hiện đưa ra các khái niệm định vị, các phương pháp định vị cơ bản thường được sử dụng và hai giải thuật được khảo sát là bộ lọc hạt và bộ lọc Kalman.
So sánh, lựa chọn giải thuật phù hợp với yêu cầu đưa ra của đề tài. Ngoài ra người thực hiện cũng nêu mô hình động học cho xe lăn nhằm mục đích tạo nền tảng để áp dụng các giải thuật. Chương 3: Định Vị Cho Xe Lăn Tự Hành Sử Dụng Bộ Lọc Kalman Mở Rộng Trong chương 3 người thực hiện trình bày phương pháp trích xuất các đường thẳng, vật mốc khi xe lăn hoạt động trong môi trường trong nhà từ dữ liệu laser. Bên cạnh đó phần còn lại là triển khai thuật toán EKF cho xe lăn, nêu các bước áp dụng giải thuật EKF cho xe lăn.
Chương 4: Quy Hoạch Quỹ Đạo Di Chuyển Cho Xe Lăn Trong phần 4 người thực hiện trình bày cách thức hoạt động của giải thuật D- star trong giải quyết vấn đề tìm đường đi và cách áp dụng cho xe lăn. Bên cạnh đó Trang 6 1. Tổng Quan phần còn lại của chương 4 là việc trình bày giải thuật tránh vật cản Vector Field Histogram.