Luận văn thạc sĩ về quy hoạch quỹ đạo cho robot sử dụng thị giác máy tính

Luận văn thạc sĩ nghiên cứu quy hoạch quỹ đạo cho robot sử dụng thị giác máy tính, ứng dụng trong tự động hóa và công nghệ hiện đại.

• Tác giả: Cao Hoàng Trưởng
• Người hướng dẫn: Ts. Ngô Văn Thuyên
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Kỹ thuật Robot
• Đề tài: Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính
• Loại tài liệu: luận văn
• Năm xuất bản: 2015
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM TẠ
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
• 1.1. Tổng quan về lĩnh vực nghiên cứu
• 1.2. Mục tiêu nghiên cứu
• 1.3. Phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT CỦA ROBOT
• 2.1. Phương pháp định hướng quỹ đạo cho Robot
• 2.1.1. Phương pháp định hướng quỹ đạo dùng Thuật toán Astar
• 2.2. Phương pháp định vị cho Robot
• 2.2.1. Phương pháp định vị dùng Thuật toán Odometry
• DANH SÁCH CÁC HÌNH

Tóm tắt

I. Tổng quan về quy hoạch quỹ đạo robot bằng thị giác máy tính

Quy hoạch quỹ đạo robot bằng thị giác máy tính là một lĩnh vực nghiên cứu quan trọng trong công nghệ robot tự hành. Nó không chỉ giúp robot xác định vị trí mà còn cho phép robot di chuyển một cách chính xác trong môi trường phức tạp. Việc sử dụng thị giác máy tính giúp robot nhận diện và tương tác với các vật thể xung quanh, từ đó tối ưu hóa quỹ đạo di chuyển. Nghiên cứu này sẽ trình bày các phương pháp và thuật toán hiện có trong lĩnh vực này.

1.1. Ứng dụng của thị giác máy tính trong quy hoạch quỹ đạo

Thị giác máy tính cho phép robot nhận diện và phân tích hình ảnh từ môi trường xung quanh. Điều này giúp robot xác định vị trí của các vật thể và lập kế hoạch di chuyển hiệu quả hơn.

1.2. Lợi ích của việc sử dụng robot tự hành

Robot tự hành có khả năng thực hiện các nhiệm vụ mà không cần sự can thiệp của con người. Điều này giúp tiết kiệm thời gian và nguồn lực trong nhiều lĩnh vực như sản xuất, giao thông và dịch vụ.

II. Thách thức trong quy hoạch quỹ đạo robot bằng thị giác máy tính

Mặc dù có nhiều tiến bộ trong công nghệ robot tự hành, vẫn tồn tại nhiều thách thức trong việc quy hoạch quỹ đạo. Các vấn đề như nhận diện đối tượng không chính xác, va chạm với vật cản và sai số trong định vị là những yếu tố cần được giải quyết. Những thách thức này ảnh hưởng đến hiệu suất và độ tin cậy của robot trong các ứng dụng thực tế.

2.1. Vấn đề nhận diện đối tượng

Nhận diện đối tượng là một trong những thách thức lớn nhất. Robot cần phải phân tích hình ảnh một cách chính xác để xác định vị trí và kích thước của các vật thể trong môi trường.

2.2. Sai số trong định vị và điều khiển

Sai số trong quá trình định vị có thể dẫn đến việc robot không di chuyển theo quỹ đạo mong muốn. Điều này có thể xảy ra do các yếu tố như trôi bánh xe hoặc sự thay đổi trong môi trường.

III. Phương pháp quy hoạch quỹ đạo robot hiệu quả

Để giải quyết các thách thức trong quy hoạch quỹ đạo, nhiều phương pháp đã được phát triển. Các thuật toán như A* và Particle Filter là những công cụ mạnh mẽ giúp robot tìm đường đi tối ưu và chính xác. Việc áp dụng các phương pháp này không chỉ cải thiện độ chính xác mà còn tăng cường khả năng tự hành của robot.

3.1. Thuật toán A trong quy hoạch quỹ đạo

Thuật toán A* là một trong những thuật toán phổ biến nhất để tìm đường đi. Nó sử dụng phương pháp tìm kiếm theo lựa chọn tốt nhất để xác định quỹ đạo di chuyển từ điểm xuất phát đến điểm đích.

3.2. Bộ lọc Particle Filter trong định vị

Bộ lọc Particle Filter giúp robot kết hợp thông tin từ cảm biến và thông tin nội bộ để xác định vị trí chính xác. Phương pháp này đã chứng minh được hiệu quả trong nhiều ứng dụng thực tế.

IV. Ứng dụng thực tiễn của quy hoạch quỹ đạo robot

Quy hoạch quỹ đạo robot bằng thị giác máy tính đã được áp dụng trong nhiều lĩnh vực khác nhau như giao thông, sản xuất và y tế. Những ứng dụng này không chỉ giúp cải thiện hiệu suất mà còn mở ra nhiều cơ hội mới cho công nghệ robot tự hành.

4.1. Robot trong ngành sản xuất

Robot tự hành được sử dụng để tự động hóa quy trình sản xuất, giúp tăng năng suất và giảm chi phí lao động. Chúng có khả năng di chuyển linh hoạt trong nhà máy và thực hiện các nhiệm vụ phức tạp.

4.2. Robot trong lĩnh vực y tế

Trong lĩnh vực y tế, robot tự hành có thể hỗ trợ trong việc vận chuyển thuốc và thiết bị y tế, giúp tiết kiệm thời gian và nâng cao hiệu quả chăm sóc bệnh nhân.

V. Kết luận và tương lai của quy hoạch quỹ đạo robot

Quy hoạch quỹ đạo robot bằng thị giác máy tính đang trên đà phát triển mạnh mẽ. Với sự tiến bộ của công nghệ, các phương pháp và thuật toán mới sẽ tiếp tục được nghiên cứu và phát triển. Tương lai của robot tự hành hứa hẹn sẽ mang lại nhiều ứng dụng thú vị và hữu ích cho xã hội.

5.1. Xu hướng nghiên cứu trong tương lai

Nghiên cứu trong lĩnh vực quy hoạch quỹ đạo sẽ tiếp tục tập trung vào việc cải thiện độ chính xác và hiệu suất của robot. Các công nghệ mới như học máy và trí tuệ nhân tạo sẽ được tích hợp để nâng cao khả năng tự hành.

5.2. Tác động của quy hoạch quỹ đạo đến xã hội

Quy hoạch quỹ đạo robot không chỉ ảnh hưởng đến ngành công nghiệp mà còn có tác động lớn đến đời sống hàng ngày. Robot tự hành sẽ trở thành một phần không thể thiếu trong nhiều lĩnh vực, từ giao thông đến dịch vụ.

Nội dung chính

Tổng quan nghiên cứu

Trong xu thế phát triển mạnh mẽ của cuộc cách mạng công nghiệp, robot di động (Mobile Robot) tự hành đóng vai trò then chốt trong các hệ thống nhà kho thông minh, thám hiểm và dịch vụ. Một hệ thống robot tự hành hoàn chỉnh luôn phải vận hành dựa trên 4 chức năng nền tảng: Cảm nhận, Định vị, Nhận thức và Điều khiển chuyển động. Trong số đó, định vị là bài toán cốt lõi quyết định khả năng hoạt động độc lập của thiết bị. Thực tế cho thấy, nếu chỉ dựa vào cảm biến đo góc quay bánh xe truyền thống (Odometry), hiện tượng trượt bánh cơ khí và sai số tích lũy theo thời gian có thể khiến độ lệch vị trí vượt quá 15% đến 20% tổng chiều dài quãng đường di chuyển.

Nhằm giải quyết triệt để thách thức trên, công trình nghiên cứu tập trung xây dựng hệ thống quy hoạch quỹ đạo và định vị chính xác cho robot di động lái vi sai hoạt động trong không gian trong nhà. Mục tiêu cụ thể của luận văn bao gồm: tích hợp thuật toán tìm đường tối ưu A* (A-Star) để thiết lập đường đi tránh vật cản cố định; ứng dụng kỹ thuật thị giác máy tính với camera Webcam thu nhận đặc trưng vật mốc nhân tạo; và triển khai bộ lọc hạt (Particle Filter) để kết hợp thông tin đo đạc nội và ngoại vi.

Phạm vi thực nghiệm được triển khai trong không gian phòng thí nghiệm tiêu chuẩn có diện tích 5m x 5m (tương đương 500cm x 500cm), được số hóa thành bản đồ ô lưới 50x50 với kích thước mỗi ô là 10cm x 10cm. Ma trận vật cản cố định được thiết lập với 193 tọa độ điểm cản. Ý nghĩa thực tiễn của công trình thể hiện qua việc giảm thiểu sai số bám quỹ đạo xuống dưới 5%, đồng thời tối ưu hóa chi phí hành trình khi giảm số bước di chuyển từ 38 bước xuống còn 33 bước (tiết kiệm khoảng 13,15% năng lượng và thời gian di chuyển), tạo tiền đề vững chắc cho việc ứng dụng xe tự hành AGV trong sản xuất.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng vững chắc của các mô hình toán học và lý thuyết điều khiển tự động tiên tiến:

• Mô hình động học robot lái vi sai (Differential Drive Kinematics): Trạng thái tức thời của robot được xác định bởi vector vị trí $p = [x, y, \theta]^T$, trong đó tọa độ $(x, y)$ và góc hướng $\theta$ được cập nhật liên tục thông qua quãng đường di chuyển của hai bánh xe độc lập. Mô hình này mô tả chi tiết sự lan truyền sai số vị trí dưới dạng các hình elip không chắc chắn khi robot chuyển động thẳng hoặc bẻ lái theo đường cong.
• Thuật toán tìm đường tối ưu A* (A-Star Algorithm): Thuật toán tìm kiếm đường đi tốt nhất (best-first search) trên không gian lưới thông qua hàm chi phí tổng hợp $f(x) = g(x) + h(x)$, với $g(x)$ là chi phí thực tế từ điểm xuất phát đến nút hiện tại và $h(x)$ là hàm heuristic ước lượng khoảng cách Euclid từ nút hiện tại đến điểm đích.
• Lý thuyết lọc xác suất Bayes phi tuyến và bộ lọc hạt (Particle Filter): Giải quyết bài toán ước lượng trạng thái cho hệ thống phi tuyến và nhiễu phi Gauss. Thuật toán hoạt động qua 4 bước: tạo mẫu hạt đại diện, tính toán khoảng cách/góc hướng quan sát, cập nhật trọng số xác suất $w_k = w_{k-1} * P(z_k|p_k)$ và tái lấy mẫu (resampling) nhằm loại bỏ các hạt có trọng số thấp.
• Khái niệm và kỹ thuật hỗ trợ: Phân loại vật mốc chủ động/thụ động; trích xuất đặc trưng hình học đa giác (vuông, tròn, tam giác); thuật toán trích chọn điểm đặc trưng SURF (detectSURFFeatures) và thuật toán tránh vật cản trường vector phân bố cực (Vector Field Histogram - VFH).

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa khảo sát lý thuyết, mô phỏng thuật toán và kiểm chứng thực nghiệm trực tiếp trên mô hình phần cứng:

• Nguồn dữ liệu: Dữ liệu hình ảnh được thu thập thời gian thực từ cảm biến camera Webcam thông qua các hàm giao tiếp chuyên dụng (videoinput, getsnapshot) và thư viện Image Processing Toolbox trong môi trường Matlab.
• Cỡ mẫu và phương pháp chọn mẫu: Thuật toán lọc hạt thiết lập tập mẫu phân bố ngẫu nhiên từ 100 đến 500 hạt (particles) trên bản đồ số hóa 50x50 ô lưới. Môi trường kiểm thử chứa 193 điểm tọa độ vật cản và hệ thống vật mốc đa giác nhân tạo được phân bổ ngẫu nhiên tại các tọa độ định sẵn.
• Lý do lựa chọn phương pháp phân tích: Phương pháp hình học kết hợp xử lý ảnh 2D được lựa chọn nhờ tốc độ tính toán nhanh, chi phí phần cứng thấp nhưng vẫn đảm bảo độ tin cậy khi nhận diện bán kính (imfindcircles) và tâm vật thể. Bộ lọc Particle Filter được chọn thay vì Kalman Filter truyền thống bởi khả năng chịu đựng nhiễu cơ khí và xử lý xuất sắc các phân phối xác suất đa đỉnh khi robot bị mất dấu vị trí tạm thời.
• Timeline nghiên cứu: Quá trình thu thập dữ liệu, hiệu chỉnh thuật toán mô phỏng và nghiệm thu thực nghiệm được hoàn tất vào tháng 10 năm 2015 tại Thành phố Hồ Chí Minh.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và thử nghiệm thực tế đã mang lại 3 phát hiện khoa học quan trọng:

• Tối ưu hóa hành trình di chuyển với thuật toán A*: Khi tiến hành khảo sát vạch quỹ đạo giữa điểm xuất phát và điểm đích trong bản đồ chứa 193 tọa độ vật cản, thuật toán A* đã so sánh 3 phương án đường đi tiềm năng: Quỹ đạo 1 (màu xanh) gồm 38 bước, 8 đoạn thẳng và 7 lần đổi góc; Quỹ đạo 2 (màu đỏ) gồm 35 bước, 7 đoạn thẳng và 6 lần đổi góc; Quỹ đạo 3 (màu tím) gồm 33 bước, 7 đoạn thẳng và 6 lần đổi góc. Hệ thống đã chọn Quỹ đạo 3 làm lộ trình tối ưu, giúp giảm 13,15% tổng số bước di chuyển và cắt giảm 14,28% số lần chuyển hướng so với Quỹ đạo 1.
• Hiệu quả nhận diện vật mốc và trích xuất dữ liệu thị giác: Hệ thống camera nhận diện chính xác 100% các vật mốc hình học (tròn, vuông, tam giác) nằm trong góc mở và tầm nhìn hiệu dụng. Dữ liệu sau khi xử lý được cấu trúc thành ma trận quỹ đạo 7 cột hoàn chỉnh, bao gồm: tọa độ bước A* $(X, Y)$, tọa độ vật mốc tương ứng, góc di chuyển, khoảng cách Euclid thực tế từ robot tới vật mốc và mã định danh hình học của mốc.
• Nâng cao độ chính xác định vị nhờ Particle Filter: Thử nghiệm bám quỹ đạo cho thấy phương pháp Odometry thuần túy phát sinh sai số tích lũy lớn, khiến robot trôi dạt dần ra khỏi lộ trình sau khi di chuyển qua 10 bước tọa độ. Ngược lại, khi kích hoạt Particle Filter, trọng số của các hạt liên tục được cập nhật từ thông tin vật mốc, đưa quỹ đạo thực tế bám sát đường thẳng lý thuyết với sai số vị trí trung bình chỉ dao động trong khoảng 2cm đến 5cm.

Thảo luận kết quả

Sự sai lệch giữa quỹ đạo lý thuyết và chuyển động thực tế bắt nguồn từ những hạn chế vật lý không thể triệt tiêu của hệ thống cơ khí: sự không đồng đều về đường kính giữa 2 bánh xe chủ động, độ trễ phản hồi của động cơ DC và độ nhám bề mặt sàn. Đối với phương pháp Odometry, các sai số này tích lũy tuyến tính theo quãng đường và nhân lên theo góc quay, dẫn đến việc robot hoàn toàn mất phương hướng ở cuối hành trình.

Việc tích hợp Particle Filter đóng vai trò như một cơ chế phản hồi trạng thái liên tục. Khi camera ghi nhận được hình ảnh vật mốc, khoảng cách đo đạc thực tế được đối chiếu với khoảng cách giả định của từng hạt mẫu. Các hạt có sai số nhỏ được nhân bản và tái phân bố tập trung quanh vị trí thực của robot. So với các nghiên cứu sử dụng thuật toán tránh vật cản Bug hoặc Bug2 vốn chỉ bám biên cơ học, sự kết hợp giữa A* và Particle Filter giúp robot chủ động vạch lộ trình toàn cục ngắn nhất mà không bị rơi vào các bẫy cục bộ.

Toàn bộ dữ liệu thực nghiệm được trực quan hóa rõ nét qua các đồ thị quỹ đạo 2D trên Matlab: đường nét đứt màu xanh thể hiện đường đi lý thuyết của A*, các điểm đánh dấu tròn đỏ biểu diễn vị trí vật mốc được nhận dạng thành công, và đường màu đỏ mô tả quỹ đạo bám sát liên tục của robot dưới sự hỗ trợ của bộ lọc hạt.

Đề xuất và khuyến nghị

Để phát triển và ứng dụng rộng rãi công nghệ định vị robot tự hành vào thực tiễn công nghiệp, 4 giải pháp trọng tâm được đề xuất như sau:

• Nâng cấp hệ thống thị giác với camera kép (Stereo Camera): Tiến hành chuyển đổi từ Webcam đơn sang hệ thống Dual Camera nhằm thu nhận bản đồ độ sâu 3D (3D Reconstruction). Giải pháp này giúp loại bỏ hoàn toàn sự phụ thuộc vào điều kiện ánh sáng môi trường, mở rộng tầm nhận diện vật cản lên mức 10m và giảm 20% sai số đo khoảng cách. Thời gian triển khai dự kiến trong vòng 6 tháng do nhóm nghiên cứu phần cứng phụ trách.
• Tối ưu hóa thuật toán lọc hạt thích nghi (Adaptive Particle Filter): Phát triển thuật toán tự động điều chỉnh số lượng hạt linh hoạt (từ 100 hạt khi di chuyển thẳng lên 400 hạt khi đổi hướng hoặc gặp nhiễu cao). Cải tiến này giúp tiết kiệm 30% tài nguyên tính toán của vi xử lý, duy trì tần số lấy mẫu trên 25Hz. Thời gian hoàn thiện dự kiến 3 tháng do kỹ sư thuật toán đảm nhiệm.
• Mở rộng thư viện nhận dạng vật mốc nhân tạo và tự nhiên: Bổ sung các giải thuật nhận dạng mã vạch, mã QR và các đặc trưng tự nhiên của nhà xưởng (cột nhà, cửa ra vào) dựa trên đặc trưng cục bộ SURF. Mục tiêu nâng tỷ lệ nhận diện vật mốc thành công đạt trên 98% trong môi trường động. Kế hoạch triển khai trong 9 tháng do bộ phận phần mềm thị giác máy tính thực hiện.
• Thương mại hóa và tích hợp vào hệ thống xe tự hành AGV nhà xưởng: Ứng dụng toàn bộ giải pháp điều khiển vào các dòng xe kéo hàng tự động phục vụ các nhà máy có quy mô từ 500m² đến 5.000m². Target metric đặt ra là đảm bảo sai số dừng đỗ tại các trạm bốc dỡ dưới 2cm với thời gian hoạt động liên tục 24/7. Thời gian thực hiện trong vòng 12 tháng do các doanh nghiệp tự động hóa chủ trì.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cao cho 4 nhóm đối tượng chuyên môn:

• Học viên cao học và nghiên cứu sinh ngành Tự động hóa, Cơ điện tử và Robot học: Tiếp cận phương pháp luận chuẩn mực về mô hình hóa động học robot lái vi sai, kỹ thuật biểu diễn không gian trạng thái và công thức toán học chi tiết của thuật toán tìm kiếm A* và bộ lọc xác suất Bayes.
• Kỹ sư nghiên cứu và phát triển (R&D) xe tự hành AGV/AMR: Ứng dụng trực tiếp quy trình lập trình điều khiển, phương pháp chia lưới bản đồ 50x50 và kỹ thuật xử lý ma trận vật cản để xây dựng lộ trình di chuyển tối ưu cho robot vận chuyển hàng hóa trong công nghiệp.
• Lập trình viên và chuyên gia thị giác máy tính (Computer Vision): Tham khảo kiến trúc tích hợp các hàm xử lý ảnh chuyên sâu của Matlab (detectSURFFeatures, imfindcircles), kỹ thuật trích xuất đặc trưng hình học và phương thức kết nối dữ liệu camera thời gian thực với giải thuật điều khiển.
• Giảng viên và các cơ sở đào tạo kỹ thuật: Sử dụng làm tài liệu giảng dạy chuyên đề, bài tập lớn hoặc đề tài mẫu cho các môn học Định vị Robot, Điều khiển Robot thông minh và Xử lý ảnh công nghiệp tại các trường đại học khối kỹ thuật.

Câu hỏi thường gặp

Thuật toán A* mang lại ưu thế gì vượt trội trong bài toán tìm đường cho robot? Thuật toán A* sử dụng hàm đánh giá $f(x) = g(x) + h(x)$ kết hợp tìm kiếm theo lựa chọn tốt nhất (best-first search). Trong không gian lưới 50x50 ô, A* tính toán chính xác chi phí thực tế và khoảng cách ước lượng, giúp chọn ra tuyến đường ngắn nhất chỉ với 33 bước di chuyển, giảm thiểu 14,28% số lần đổi hướng so với các thuật toán tìm kiếm mù thông thường.

Tại sao phương pháp định vị Odometry đơn thuần không thể đáp ứng yêu cầu di chuyển chính xác? Odometry tính toán vị trí dựa trên tín hiệu encoder đếm vòng quay bánh xe. Do hiện tượng trượt cơ khí, sai lệch đường kính bánh xe và độ gồ ghề của mặt sàn, sai số góc quay $\theta$ bị tích lũy liên tục theo thời gian, khiến sai số vị trí thực tế bị lệch từ 15cm đến hơn 25cm chỉ sau một đoạn đường ngắn.

Bộ lọc Particle Filter khắc phục hiện tượng trôi sai số của robot như thế nào? Particle Filter sử dụng hàng trăm hạt mẫu phân bố để ước lượng xác suất trạng thái. Khi robot phát hiện vật mốc qua camera, khoảng cách và góc nhìn thực tế được so khớp để tái phân bố trọng số hạt $w_k$. Các hạt sai lệch bị loại bỏ trong bước resampling, giúp vị trí ước lượng luôn tiệm cận tọa độ thực với sai số dưới 5cm.

Nhận diện vật mốc qua camera 2D có hạn chế gì và giải pháp khắc phục ra sao? Hạn chế lớn nhất của camera đơn 2D là nhạy cảm với cường độ ánh sáng và khoảng cách đo giảm độ chính xác khi robot ở xa vật mốc. Để khắc phục, nghiên cứu đề xuất sử dụng vật mốc đa giác có độ tương phản cao, đồng thời định hướng nâng cấp lên camera kép Stereo Vision để tái tạo không gian độ sâu 3D chính xác hơn.

Mô hình thực nghiệm trên bản đồ 5m x 5m có thể mở rộng cho không gian công nghiệp lớn hơn không? Hoàn toàn khả thi. Không gian 5m x 5m chia thành 50x50 ô lưới là mô hình thu nhỏ tiêu chuẩn. Khi áp dụng vào nhà xưởng diện tích 500m² đến 5.000m², hệ thống chỉ cần mở rộng kích thước ma trận bản đồ, chuẩn hóa thêm các cột mốc tự nhiên và áp dụng thuật toán lọc hạt thích nghi để duy trì tốc độ xử lý thời gian thực.

Kết luận

• Xây dựng thành công khung giải thuật hoàn chỉnh kết hợp giữa tìm đường toàn cục A* và định vị thích nghi Particle Filter cho robot di động lái vi sai.
• Ứng dụng hiệu quả thị giác máy tính với Webcam và Matlab Image Processing Toolbox, nhận dạng chính xác 100% vật mốc đa giác và trích xuất ma trận dữ liệu 7 cột phục vụ điều hướng.
• Tối ưu hóa lộ trình di chuyển trong không gian bản đồ 50x50 ô lưới (5m x 5m), chọn lọc tuyến đường ngắn nhất với 33 bước và 6 lần đổi góc, tiết kiệm 13,15% chi phí hành trình.
• Triệt tiêu triệt để hiện tượng sai số tích lũy của cảm biến cơ khí Odometry, duy trì độ chính xác bám quỹ đạo lý thuyết với sai số kiểm soát chặt chẽ dưới 5cm.
• Định hướng phát triển trong 6 đến 12 tháng tới tập trung vào nâng cấp cảm biến camera 3D, tối ưu hóa thuật toán trên nền tảng vi xử lý nhúng và chuyển giao công nghệ cho xe tự hành AGV công nghiệp.

Quý độc giả, kỹ sư và nhà nghiên cứu quan tâm có thể khai thác toàn văn công trình luận văn để ứng dụng ngay các thuật toán điều khiển và định vị tiên tiến vào các dự án robot tự hành thực tế.

Trích đoạn nội dung tài liệu

Chương 1. Tổng Quan Về Đề Tài Nghiên Cứu 1. Tổng quan về lĩnh vực nghiên cứu Mobile Robot là lĩnh vực nghiên cứu,tìm hiểu và giành được mối quan tâm sâu sắc của các nhà nghiên cứu,các nhà ứng dụng trong công nghệ hàng không,quân sự,dân dụng thậm chí nó càng được tiếp xúc đa dạng với các lĩnh vực khác của xã hội như giải trí,thám hiểm,chăm sóc sức khỏe… Có nhiều Mobile Robot khác nhau,tùy vào từng mục đích sử dụng,phạm vi ứng dụng, lĩnh vực nghiên cứu mà hình dáng hay cấu tạo của Mobile Robot sẽ khác nhau,nhưng về chung thì Mobile Robot đều có chức năng tương tự gồm 4 chức năng cơ bản: + Cảm nhận: Robot phải sử dụng các cảm biến của nó để trích lấy thông tin từ môi trường xung quanh như khoảng cách,nhiệt độ,độ cao. + Định vị: Robot thông qua việc cảm nhận thông tin từ cảm biến sẽ xác định được vị trí của nó trong môi trường làm việc.

+ Nhận thức: Robot sẽ tổng hợp thông tin có được qua cơ sở dữ liệu từ hai bước trên để đưa ra thông tin điều khiển di chuyển thích hợp yêu cầu được đặt trước.Thực hiện hành động được cài đặt tùy theo từng yêu cầu cụ thể dựa trên thông tin có được. + Điều khiển chuyển động: Robot sẽ điều khiển ngõ ra hoạt động để đạt được quỹ đạo chuyển động mong muốn, yêu cầu nhiệm vụ.Trong bốn chức năng trên thìđịnh vị nhận được sự quan tâm nghiên cứu lớn nhất.Vì đóng vai trò then chốt trong sự thành công của một Mobile Robot độc lập.Một robot phải xác định được vị trí của nó trong môi trường làm việc thì Robot mới có thể giải quyết được các nhiệm vụ phức tạp hơn.Do đó định vị là một trong những vấn đề cơ bản nhất để hình thành nên một robot có khả năng độc lập. Trang 1 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Trong kỹ thuật Robot hiện tại, việc định vị kết hợp với kỹ thuật Camera (Computer Vision) để tạo ra kỹ thuật định vị quỹ đạo cho Robot mở ra hướng nghiên cứu mới đầy tiềm năng cho lĩnh vực Robot tự hành.Kỹ thuật này mang nhiều đặc điểm nổi bật so với các kỹ thuật truyền thống khác vì nó không chỉ dừng lại ở việc phát hiện vật thể và xác định khoảng cách với vật thể mà nó còn nhận dạng được về hình dáng,kích thước,màu sắc và sự trùng lắp của vật thể. Để đạt được hiệu quả trong việc xây dựng những thuật toán quỹ đạo định vị cho Robot dựa trên kỹ thuật thị giác thì chúng ta cần phải có các chương trình và thư viện hổ trợ để cung cấp thông tin cho Robot vì để xây dựng chương trình cho Robot rất phức tạp.Vì lý đómà các nhà chuyên sản xuất chương trình đã tạo ra các chương trình hỗ trợ cho việc lâ ̣ p trình này được đơn giản hơn như:OpenCV,Development Studio,Player/stage,Matlab, labview,…Các chương trình có ưu khuyết điểm riêng,tùy mục đích và thư viện mà ta có thể chọn từng chương trình phần mềm tương ứng.Matlab là một ngôn ngữ lập trình cấp cao phổ biến hổ trợ mạnh mẽ trong công việc tính toán,bên cạnh đó,phụ lục về thư viện xử lý ảnh rất nhiều là điều kiện tốt cho việc áp dựng chương trình Mablab cho đề tài.Với đặc điểm nổi bậc như vậy và hướng nghiên cứu mới này sẽ tạo điều kiện tố t cho việc nghiên cứu tìm hiểu về kỹ thuật quỹ đạo định vịcho Robot tự hành trên cơ sở thị giác máy tính và đây cũng là hướng nghiên cứu trong đề tài này.

Đã có nhiều công trình nghiên cứu khoa học về định vị quỹ đạo cho Robot như : Xây dựng quỹ đạo cho Robot dùng VFH, Thiết lập bản bàn đồ duy chuyển cho Robot trên cơ sở mô phỏng Player, Xây dựng Robot định vị dùng Camera trên cơ sở sử dụng độ sâu của ảnh, …Từ cơ sở đó nên trong đề tải này em sẽ tiếp tục tìm hiểu và nghiên cứu về xây dựng quỹ đạo định vị cho Robot dùng thị giác máy tính, đề tài này không quá mới mẽ, vì đã có nhiều nghiên cứu về nó, mặc dù có nhiều nghiên cứu nhưng đa phần chỉ dừng lại ở cơ sở lý thuyết và mô phỏng thuật toán còn về mô hình thực tế thì chưa hoàn thiện, vì điều đó đề tài này sẽ thực hiện mô hình thực nghiện thuật toán định vị Particle Filter và thuật toán Astar trong vạch đường đi,trên cơ sở thị giác máy tính kết hợp phần mềm bổ trợ Matlab, cung cấp cho ta có cái nhìn cụ thể về cơ sở lý thuyết và thực nghiệm trong mô hình. Trang 2 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” 1. Mục tiêu nghiên cứu Mục tiêu của đề tài là xây dựng quỹ đạo cho Robot trên cơ sở thị giác máy tính(Computer Vision). Trong môi trường phạm vi giới hạn trong phòng đầy đủ ánh sáng,Robot sẽ thu nhận hình ảnh từ camera để tiến hành thu thập dữ liệu từ bản đồ thực tế đồng thời kết hợp 1 phần bổ trợ từ thuật toán Astar, bộ lọc Particle Filter,thông qua việc nhận dạng vật mốc có kích thước hình học khác nhau được bố trí ngẫu nhiên với tọa độ được cung cấp trên bản đồ Demo.Từ bản đồ này Robot sẽ được cung cấp vị trí hiện tại và vị trí cần phải di chuyển đến,với sự hổ trợ của các phương pháp,thuật toán tránh vật cản,thuật toán vạch quỹ đạo đường đi dùng thuật toán Astar,phương pháp định vịquỹ đạo từ đây Robot sẽ di chyển theo toa độ đã được ước lượng với tỉ số sai số được tính toán như vận tốc duy chuyển,vận tốc gốcvà nhận dạng vật thề đích khi đã đến vị trí được xác nhận.

Phạm vi nghiên cứu Thuật toán định vị được xây dựng dựa vào thị giác máy tính để nhận dạng các vật mốc là các vật thể có hình thể như hình vuông,hình tròn, hình tam giác , …đề tài được thực hiện trên mô hình thực tế kết hợp quá trình mô phỏng trên nền của Matlab,thuật toán được thực hiện trên Mobile Robot trong không gian bên trong nhà, điều kiện ánh sáng đầy đủ được cung cấp về tọa độ xuất phát,tọa độ đến, không gian bản đồ hoạt động của Robotđược cung cấp trong gian đoạn khởi tạo ban đầu. Phương pháp nghiên cứu Đề tài được tiếp cận dựa trên các phương pháp sau: + Phương pháp khảo sát tài liệu, tìm hiểu các tài liệu liên quan đến đến đề tài như kỹ thuật xử lý ảnh, robot di động,định vị, cảm biến. + Phương pháp khảo sát các mô hình Robot di động sẵn có và các mô hình thường được sử dụng trong định vị cho Robot di động. + Phương pháp thực nghiệm tiến hành xây dựng các thuật toán nhận dạng vật mốc, định vị trên mô hình Robot thực tế.

Trang 3 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Chương 2. Cơ Sở Lý Thuyết Của Robot Về cơ bản thì chúng ta có thể nói rằng các Mobile Robot có thể thực hiện các nhiệm vụ khác nhau tùy vào mục đích nghiên cứu và sử dụng,mỗi Mobile Robot đều được cấu tạo từ hai thành phần cơ bản là phần cứng, phần mềm: + Phần cứng bao gồm hệ thống truyền động,hệ thống cảm biến,hệthống nhận hình ảnh có thể gọi đây là thành phần bên ngoài của Robot. + Phần mềm bao gồm hệ thống phần mềm sử dụng để xử lý thông tin,dữ liệu và điều khiển mọi hoạt động của Robot để đảm bảo được tính đồng bộ và kiểm soát hoạt động của Robot. Làm sao một Robot có thể duy chuyển trong một không gian mà chính Robot cũng không thể cảm nhận được vị trí hiện tại của nó,do vậy để Mobile Robot có thể di chuyển được thì Robot phải được trang bị các phương pháp,các giải thuật ứng dụng thông qua cơ sở phần mềm với các phương pháp tính toán trên cơ sở thực tế từ đó mới có thể đề ra phương hướng,tọa độ,góc quay, quảng đường di chuyển của Robot,quá trình như vậy được gọi là quy hoạch quỹ đạo cho Robot.

Quy hoạch quỹ đạo là một nhiệm vụ mang tính khó khăn cho Mobile Robot tự hành trong quá trình duy chuyển từ một vị trí bất kỳ đến một vị trí đã định trước.Để Robot xây dựng được quỹ đạo di chuyển thì đòi hỏi Robot phải được cung cấp đầy đủ thông tin về dữ liệu của môi trường di chuyển từ các cảm biến và Camera thu nhận hình ảnh,các dữ liệu này phải được xử lý và yêu cầu phải thể hiện được bản chất của môi trường di chuyển.Chương này đề cặp đến cơ sở chung và các thuật toán về vạch quỹ đạo cho Robot dùng thị giác máy tính (Computer Vision).Thể hiện nội dung về phương pháp tìm đường đi bao bồm việc định hướng và định vị trí của Robot.Phương pháp định vị cho Robot. Trang 4 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Mục 2.Phương pháp xác định vật cản trong môi trường.Phương pháp nhận dạng vật thể mốc trong môi trường. Phương pháp định hướng quỹ đạo cho Robot Phạm vi định hướng cho Robot trên cơ sở thị giác máy tính được chia làm hai hướng khác nhau: + Định hướng trên cơ sở thị giác máy tính cho ứng dụng trong nhà + Định hướng trên cơ sở thị giác máy tính cho ứng dụng ngoài trời Như đề cặp ở trên thì trong đề tài này chúng ta sẽ tìm hiểu về kỹ thuật định hướng trên cơ sở thị giác máy tính cho ứng dụng trong nhà.Về lĩnh vực này có nhiều hướng nghiên cứu khác nhau, nhưng chúng ta có thể tổng hợp thành 3 hướng chính như: + Định hướng quỹ đạo dựa trên bản đồ: Robot là hoạt động định hướng dựa trên mô hình hình học hay bản đồ về môi trường do người sử dụng tạo ra và cung cấp cho Robot. + Định hướng quỹ đạo không dựa trên bản đồ: Là phương pháp định hướng mà Robot sẽ không sử dụng đến bản đồ hay mô tả hình học về môi trường để định hướng,mà chỉ sử dụng nhận dạng vật thể trong môi trường hay theo sự chuyển động của vật thể trong môi trường.

Trong nội dung đề tài này ta sẽ sử dụng kết hợp hai phương pháp trên cho Robot và sự kết hợp được mô tả như sau: Bản đồ sẽ được cài đặt và vị trí tọa độ vật mốc cũng được cài đặt sẵn trong bản đồ Mapvà bản đồ này sẽ được cung cấp cho Robot,bên cạnh đó thì robot cũng được cài đặt vị trí xuất phát và vị trí đến cần phải đạt được và nhận dạng được vật thể đích đã cung cấp sẵn. Phương pháp định hướng quỹ đạo dùng Thuật toán Astar A* là thuật toán được sử dụng rộng rãi trong ngành khoa học máy tính để tìm kiếm đường đi.