Robot Vận Chuyển Hàng Tự Động: Nghiên Cứu và Phát Triển

Khóa luận tốt nghiệp nghiên cứu tốt nghiệp kỹ thuật máy tính robot vận chuyển hàng tự động, vận dụng lý thuyết vào thực tế, đề xuất giải pháp cụ thể cho vấn đề kỹ thuật.

• Tác giả: Nguyên Hoài Tú
• Người hướng dẫn: TS. Phạm Quốc Hùng
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Kỹ thuật máy tính
• Đề tài: Robot Vận Chuyển Hàng Tự Động: Nghiên Cứu và Phát Triển
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. MỞ ĐẦU
• 2. NGHIÊN CỨU THỰC NGHIỆM
• 2.1. Open CV
• 2.2. Hệ điều hành Raspbian
• 2.3. Xử lý ảnh trong OpenCV
• 2.4. Contour trong OpenCV
• 3. PHÂN TÍCH THIẾT KẾ HỆ THỐNG
• 4. KẾT QUẢ THỰC NGHIỆM
• 5. PHƯƠNG HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Robot Vận Chuyển Hàng Tự Động

Robot vận chuyển hàng tự động đang trở thành một phần quan trọng trong ngành logistics hiện đại. Với sự phát triển của công nghệ, các hệ thống robot này không chỉ giúp tiết kiệm thời gian mà còn nâng cao hiệu quả trong việc vận chuyển hàng hóa. Chúng được thiết kế để hoạt động trong môi trường kho bãi, nơi mà việc di chuyển hàng hóa thường gặp nhiều khó khăn. Việc áp dụng công nghệ robot vào quy trình vận chuyển giúp giảm thiểu rủi ro và tăng cường độ chính xác trong việc giao nhận hàng hóa.

1.1. Định Nghĩa và Chức Năng Của Robot Vận Chuyển

Robot vận chuyển hàng tự động là thiết bị được lập trình để thực hiện các nhiệm vụ vận chuyển hàng hóa mà không cần sự can thiệp của con người. Chúng có khả năng di chuyển linh hoạt trong không gian kho, giúp tối ưu hóa quy trình vận chuyển và giảm thiểu thời gian chờ đợi.

1.2. Lịch Sử Phát Triển Robot Trong Ngành Logistics

Ngành logistics đã chứng kiến sự phát triển mạnh mẽ của robot tự động từ những năm 2000. Các công ty lớn như Amazon và Alibaba đã đầu tư mạnh vào công nghệ này, giúp cải thiện hiệu suất và giảm chi phí vận hành. Sự phát triển này không chỉ dừng lại ở việc vận chuyển mà còn mở rộng sang các lĩnh vực khác như phân loại và lưu trữ hàng hóa.

II. Thách Thức Trong Việc Triển Khai Robot Vận Chuyển Hàng

Mặc dù robot vận chuyển hàng hóa mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức cần được giải quyết. Độ chính xác trong việc xác định vị trí và khả năng tương tác với môi trường là hai vấn đề lớn nhất. Các yếu tố như điều kiện ánh sáng và địa hình có thể ảnh hưởng đến hiệu suất của robot. Việc phát triển các giải pháp công nghệ để cải thiện độ tin cậy và khả năng tương tác là rất cần thiết.

2.1. Độ Chính Xác Trong Việc Xác Định Vị Trí

Độ chính xác trong việc xác định vị trí của robot là rất quan trọng. Các cảm biến và thuật toán cần được cải thiện để đảm bảo robot có thể nhận diện và theo dõi đường đi một cách chính xác, ngay cả trong điều kiện ánh sáng yếu hoặc môi trường phức tạp.

2.2. Khả Năng Tương Tác Với Môi Trường

Robot cần có khả năng phát hiện và tránh vật cản trong môi trường làm việc. Điều này đòi hỏi sự phát triển của các thuật toán thông minh để đảm bảo tính an toàn và hiệu quả trong quá trình vận chuyển hàng hóa.

III. Phương Pháp Giải Quyết Vấn Đề Trong Robot Vận Chuyển

Để giải quyết các thách thức trong việc triển khai robot vận chuyển hàng, cần áp dụng các phương pháp và công nghệ tiên tiến. Việc sử dụng AI và machine learning có thể giúp cải thiện khả năng nhận diện và xử lý thông tin của robot. Ngoài ra, việc tối ưu hóa quy trình lập kế hoạch vận chuyển cũng rất quan trọng.

3.1. Ứng Dụng AI Trong Robot Vận Chuyển

AI có thể giúp robot học hỏi từ các tình huống thực tế và cải thiện khả năng xử lý thông tin. Việc áp dụng các thuật toán học sâu sẽ giúp robot nhận diện và phân loại hàng hóa một cách chính xác hơn.

3.2. Tối Ưu Hóa Quy Trình Lập Kế Hoạch

Quản lý và lập kế hoạch vận chuyển là một yếu tố quan trọng trong việc tối ưu hóa hiệu suất của robot. Cần phát triển các giải pháp để quản lý tốt các yếu tố như tuyến đường và phân bổ công việc, giúp robot hoạt động hiệu quả hơn.

IV. Ứng Dụng Thực Tiễn Của Robot Vận Chuyển Hàng

Robot vận chuyển hàng tự động đã được áp dụng rộng rãi trong nhiều lĩnh vực, từ kho bãi đến sản xuất. Chúng không chỉ giúp tiết kiệm thời gian mà còn nâng cao độ chính xác trong việc giao nhận hàng hóa. Các công ty như Amazon đã sử dụng robot để tự động hóa quy trình phân loại và vận chuyển hàng hóa, từ đó giảm thiểu chi phí và tăng cường hiệu suất.

4.1. Ứng Dụng Trong Ngành Logistics

Trong ngành logistics, robot tự động giúp cải thiện quy trình vận chuyển hàng hóa. Chúng có khả năng hoạt động liên tục 24/7, giảm thiểu rủi ro và tai nạn lao động, đồng thời nâng cao hiệu suất làm việc.

4.2. Kết Quả Nghiên Cứu Về Hiệu Suất Robot

Nghiên cứu cho thấy rằng việc áp dụng robot trong quy trình vận chuyển hàng hóa có thể giảm thời gian giao hàng xuống còn một nửa. Các thử nghiệm thực tế đã chứng minh rằng robot có thể hoạt động với độ chính xác cao và hiệu suất tốt trong môi trường kho bãi.

V. Kết Luận và Tương Lai Của Robot Vận Chuyển Hàng

Tương lai của robot vận chuyển hàng tự động rất hứa hẹn. Với sự phát triển không ngừng của công nghệ, các hệ thống robot sẽ ngày càng trở nên thông minh và hiệu quả hơn. Việc nghiên cứu và phát triển các giải pháp mới sẽ giúp vượt qua những thách thức hiện tại và mở ra nhiều cơ hội mới trong ngành logistics.

5.1. Xu Hướng Phát Triển Công Nghệ Robot

Xu hướng phát triển công nghệ robot trong tương lai sẽ tập trung vào việc cải thiện khả năng tự động hóa và tương tác với con người. Các công nghệ như robot AI và machine learning sẽ đóng vai trò quan trọng trong việc nâng cao hiệu suất của robot.

5.2. Tác Động Đến Ngành Logistics

Sự phát triển của robot vận chuyển hàng tự động sẽ có tác động lớn đến ngành logistics. Chúng sẽ giúp tối ưu hóa quy trình vận chuyển, giảm thiểu chi phí và nâng cao độ chính xác trong việc giao nhận hàng hóa.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển của khoa học công nghệ và tự động hóa công nghiệp, các nhà máy và trung tâm phân phối đối mặt với yêu cầu gia tăng năng suất và tối ưu hóa quy trình cung ứng. Việc ứng dụng robot tự hành vào các dây chuyền sản xuất và kho bãi giúp giải quyết các công việc nặng nhọc, độc hại, giảm thiểu rủi ro tai nạn lao động và đáp ứng khả năng vận hành liên tục 24/7 mà không cần sự can thiệp trực tiếp của con người. Tại Việt Nam, công nghệ xe tự hành (AGV/AMR) đang từng bước được triển khai trong lĩnh vực logistics để phân loại và vận chuyển hàng hóa đến các vị trí chỉ định.

Khóa luận tốt nghiệp ngành Kỹ sư Kỹ thuật Máy tính tại Trường Đại học Công nghệ Thông tin – Đại học Quốc gia TP. Hồ Chí Minh (thực hiện năm 2023 bởi hai tác giả Nguyễn Hoài Tú và Lã Quốc Thông, dưới sự hướng dẫn của TS. Phạm Quốc Hùng) tập trung nghiên cứu, thiết kế và chế tạo mô hình robot 4 bánh tự hành phục vụ vận chuyển hàng hóa tự động.

Mục tiêu và nhiệm vụ nghiên cứu của đề tài được xác định cụ thể như sau:

1. Nghiên cứu công nghệ, giải pháp phần cứng và thuật toán điều khiển để thiết kế, chế tạo hoàn chỉnh mô hình robot vận chuyển hàng tự động hoạt động độc lập, hiệu suất cao.
2. Xây dựng giải thuật xử lý ảnh dựa trên camera để nhận dạng đường dẫn (line following) và đọc mã phản hồi nhanh (QR code) phục vụ định vị, phân loại kho hàng.
3. Tích hợp cơ cấu nâng hạ hàng hóa điều khiển tự động bằng động cơ DC giảm tốc và giao diện điều khiển đồ họa (GUI) cho người dùng.
4. Triển khai thử nghiệm thực tế mô hình nhằm đánh giá hiệu suất di chuyển, khả năng xử lý góc rẽ và độ ổn định của hệ thống chấp hành.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Robot 4 bánh tự hành, hệ thống điều khiển nhúng, thuật toán thị giác máy tính (bám line, nhận dạng mã QR), cơ cấu nâng hạ kệ hàng và môi trường hoạt động của robot.
• Phạm vi không gian và thời gian: Đề tài được hoàn thành trong thời gian 16 tuần tại Khoa Kỹ thuật Máy tính. Không gian hoạt động thử nghiệm là mặt sàn phẳng trong nhà xưởng mô phỏng có bố trí đường line dẫn hướng, các kho hàng (Kho 1, Kho 2, Kho 3) và các kệ hàng dán mã QR.
• Thông số kỹ thuật đề xuất: Tải trọng vận chuyển định mức từ 1 kg trở lại; thời gian vận chuyển ước tính khoảng 3 phút cho quãng đường 3 m từ nơi lấy hàng đến nơi đặt hàng; yêu cầu môi trường hoạt động có cường độ ánh sáng đủ để camera nhận dạng và bề mặt di chuyển bằng phẳng.

Các vấn đề trọng tâm cần giải quyết bao gồm: xử lý độ chính xác và tin cậy khi nhận diện đường line dưới điều kiện chiếu sáng biến đổi; khắc phục hiện tượng mờ ảnh hoặc mất dấu đường line khi robot chuyển động ở tốc độ cao; đảm bảo độ chính xác của cơ cấu nâng hạ và điều hướng rẽ tại các giao lộ trong kho.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng hệ thống dựa trên các nền tảng lý thuyết và công nghệ chuyên ngành kỹ thuật máy tính và thị giác máy tính:

• Thư viện thị giác máy tính OpenCV (Open Source Computer Vision Library): Được Gary Bradsky khởi xướng từ Intel năm 1999 (phát hành theo giấy phép BSD). Nghiên cứu ứng dụng các hàm xử lý ảnh cơ bản trong OpenCV như chuyển đổi không gian màu (cvtColor), làm mịn ảnh (Gaussian Blur, Median Blur), phân đoạn nhị phân (Thresholding) và phát hiện đường bao (Contour Detection).
• Lý thuyết không gian màu: Nghiên cứu phân tích các hệ màu RGB, HLS, HSB, CMYK và HSV (Hue - Saturation - Value). Trong đó, không gian màu HSV được chọn làm trọng tâm cho thuật toán bám line: Hue thể hiện sắc độ theo góc từ 0 đến 360 độ, Saturation biểu thị độ bão hòa, Value biểu thị độ sáng. Việc tách biệt thành phần màu và cường độ sáng giúp giải thuật nhận dạng đường line chính xác hơn so với hệ màu RGB truyền thống.
• Kỹ thuật trích xuất đường bao (Contour Analysis): Sử dụng hàm findContours() trên ảnh đã nhị phân hóa (Binary Thresholding) để xác định các đường viền liên tục. Các đặc trưng hình học được tính toán qua các hàm arcLength (chu vi), contourArea (diện tích), boundingRect (khung bao ngoài) và công thức tính toán tọa độ trọng tâm hình học $(CX, CY)$ của contour để làm tín hiệu điều hướng xe.
• Cấu trúc mã phản hồi nhanh (QR Code): Mã hóa dữ liệu dưới dạng ma trận điểm nhị phân đen/trắng (Cell 0 và 1). Cấu trúc mã bao gồm: hoa văn định vị (Position Detection Pattern) ở các góc, hoa văn căn chỉnh (Alignment Pattern), vạch định thời (Timing Pattern) và vùng thông tin định dạng (Format Information) có khả năng sửa sai theo thuật toán Reed-Solomon hoặc BCH kết hợp mặt nạ (Masking). Thư viện pyzbar và OpenCV được sử dụng để phát hiện và giải mã chuỗi ký tự từ hình ảnh camera.
• Hệ điều hành và môi trường điều khiển: Hệ điều hành Raspbian (Debian cho nền tảng vi xử lý ARM của Raspberry Pi), tích hợp môi trường desktop PIXEL (LXDE và Openbox). Giao diện người dùng đồ họa (GUI) được xây dựng bằng thư viện Tkinter của Python với các trình quản lý hình học (pack, grid, place). Quản trị và giám sát hệ thống từ xa thông qua mạng không dây sử dụng giao thức VNC (Virtual Network Computing).

Phương pháp nghiên cứu thực tế bao gồm:

• Phương pháp thiết kế và tích hợp phần cứng (Hardware Prototyping): Phân tầng cơ khí, thiết kế kết nối chân GPIO từ vi xử lý đến các module công suất cầu H L298N, động cơ DC và nguồn pin.
• Phương pháp thực nghiệm thị giác máy tính thời gian thực: Lấy mẫu dữ liệu hình ảnh trực tiếp từ camera, thực hiện lọc ngưỡng HSV, tính toán sai lệch tâm $CX$ so với tâm khung hình để điều chế tín hiệu điều khiển vi sai hai bánh xe.
• Phương pháp kiểm thử thực nghiệm: Khảo sát khả năng chuyển hướng của xe ở 3 dải góc chạy (>120 độ, 90–120 độ, <90 độ), đánh giá độ ổn định của hệ thống chấp hành ở các mức điều chế độ rộng xung (PWM 50, PWM 70) và khả năng nâng hạ tải hàng thực tế.

Nguồn dữ liệu của nghiên cứu là các khung hình thu nhận trực tiếp từ camera trên xe, chuỗi dữ liệu nhị phân giải mã từ mã QR dán trên sa bàn, và tọa độ tâm contour xuất ra từ môi trường lập trình Thonny IDE.

Thiết kế và triển khai hệ thống

Khóa luận triển khai hệ thống theo mô hình hệ thống nhúng tự hành phân tầng chức năng rõ ràng giữa phần cứng cơ khí, mạch điện tử điều khiển và giải thuật phần mềm.

Kiến trúc phần cứng và bố trí cơ khí

Khung xe robot 4 bánh (kích thước cơ sở 243 x 150 mm) được thiết kế thành cấu trúc 2 tầng độc lập:

• Tầng dưới: Không gian bố trí máy tính nhúng trung tâm Raspberry Pi 4, 02 mạch điều khiển động cơ cầu H L298N, khối pin Li-ion 18650 và hệ thống dây nối cấp nguồn/tín hiệu điều khiển GPIO. Việc đặt các linh kiện điện tử nặng ở tầng dưới giúp hạ thấp trọng tâm của robot.
• Tầng trên: Bố trí cơ cấu nâng hạ kệ hàng dạng khớp chữ X (khung nâng hợp kim nhôm kích thước mặt sàn 9 x 9 cm, hành trình nâng điều chỉnh từ 2.5 cm đến 9 cm) gắn liền với động cơ DC giảm tốc JGB37-550.
• Cụm Camera: Được bố trí hướng thẳng đứng vuông góc với mặt phẳng di chuyển để tập trung quan sát đường line và mã QR trên sàn, loại bỏ tối đa nhiễu quang học từ môi trường xung quanh.

Linh kiện / Thiết bị	Thông số kỹ thuật chi tiết theo văn bản	Chức năng trong hệ thống
Raspberry Pi 4	SoC Broadcom BCM2711 Quad-core Cortex-A72 64-bit (1.5 GHz), 40 chân GPIO, cổng kết nối MIPI CSI/DSI, nguồn 5V-3A qua cổng USB-C hoặc chân GPIO	Khối xử lý trung tâm, chạy Raspbian, xử lý ảnh OpenCV, giải mã QR và điều khiển động cơ qua GPIO
Module cầu H L298N (02 bộ)	IC công suất L298N, điện áp tín hiệu 5V (0–36mA), điện áp động cơ 5V–35V, công suất 25W/cầu H, kích thước 43 x 43 x 27 mm, trọng lượng 30g	01 module cấp nguồn 8.4V điều khiển 4 động cơ bánh xe di chuyển; 01 module cấp nguồn 12V điều khiển động cơ nâng
Động cơ giảm tốc JGB37-550	Động cơ DC 12V, đường kính 37mm, chiều dài hộp số 38mm, tỉ số truyền 505:1, tốc độ không tải 31 RPM, có tải 27 RPM, dòng tối đa 7A, lực kéo định mức 50 kg (tối đa 230 kg)	Truyền động trực tiếp cho cơ cấu nâng hạ kệ hàng
Khung nâng hàng	Chất liệu hợp kim nhôm, kích thước mặt sàn 9 x 9 cm, chiều cao hành trình 2.5 – 9 cm	Nâng và hạ kệ hàng trong quá trình lấy/trả hàng tại kho
Khối Pin 18650	Pin sạc Li-ion 18650 (điện áp trung bình 3.7V, sạc đầy 4.2V), dung lượng 2100mAh, dòng xả liên tục tối đa 6.3A (3C), nội trở ~20mΩ	Cấp nguồn hoạt động cho các module mạch điều khiển và động cơ chấp hành
Khung xe 4 bánh	Khung Robot Chassis Black Cat Mecanum, kích thước 243 x 150 mm	Kết cấu khung gầm chịu lực 2 tầng cho toàn bộ hệ thống xe

Giải thuật điều khiển và lưu trình hoạt động

Hệ thống điều khiển vận hành theo mô hình luồng dữ liệu 3 khối: Đầu vào (Input) -> Xử lý điều khiển -> Cơ cấu chấp hành (Output).

1. Thuật toán bám đường dẫn (Line Following):

   • Camera thu nhận khung hình liên tục và chuyển đổi sang không gian màu HSV.
   • Áp dụng dải ngưỡng màu Low HSV và High HSV để trích xuất dải màu đường line.
   • Nhị phân hóa ảnh, áp dụng bộ lọc làm mịn để loại bỏ nhiễu biên.
   • Sử dụng thuật toán tìm kiếm đường viền (findContours) và tính toán tọa độ trọng tâm $(CX, CY)$ của contour.
   • So sánh độ lệch giữa $CX$ với tọa độ trung tâm ảnh để điều khiển tín hiệu xung PWM cấp cho 2 nhánh động cơ trái/phải thông qua module L298N, giữ cho trạng thái di chuyển luôn duy trì On Track!.

2. Thuật toán phân loại và định tuyến bằng mã QR (2 cấp độ):

   • Mã QR Loại 1 (Định tuyến kho): Được dán trên mặt sàn trước các ngã rẽ vào từng kho hàng. Khi camera phát hiện mã QR Loại 1 khớp với lộ trình người dùng yêu cầu trên GUI, chương trình kích hoạt lệnh chuyển hướng cho xe rẽ vào kho tương ứng.
   • Mã QR Loại 2 (Vị trí lấy/trả hàng): Được dán tại vị trí cố định của kệ hàng. Khi phát hiện mã này, robot dừng lại chính xác, kích hoạt module L298N thứ hai để quay động cơ JGB37-550 nâng khung đỡ (hoặc hạ khung đỡ) trong hành trình từ 2.5 cm đến 9 cm.
   • Sau khi hoàn thành tác vụ nâng/thả, robot tự động lùi hoặc quay đầu ra khỏi kho, tiếp tục bám line để chuyển sang kho kế tiếp theo danh sách lệnh hoặc quay về vị trí chờ ban đầu.

3. Giao diện điều khiển đồ họa (GUI Tkinter):

   • Thiết kế giao diện gồm 3 nút chức năng tương ứng với Kệ hàng số 1, Kệ hàng số 2 và Kệ hàng số 3.
   • Người dùng click chọn thứ tự kho lấy hàng và kho trả hàng. Thứ tự nhấn nút xác định hành vi lấy hoặc giao hàng tương ứng của robot. Ứng dụng hiển thị đồng thời luồng camera nhận diện và nhật ký (Shell Log) tọa độ $CX, CY$.

Nội dung chính theo từng chương

Văn bản khóa luận được bố cục thành 5 chương với các nội dung trọng tâm như sau:

Chương 1. Mở đầu

Chương này phân tích nhu cầu ứng dụng công nghệ tự động hóa và robot trong dây chuyền sản xuất công nghiệp, khảo sát tình hình nghiên cứu và ứng dụng xe tự hành trong và ngoài nước (đặc biệt trong ngành logistics). Tác giả tổng hợp các vấn đề kỹ thuật còn tồn tại trong lĩnh vực robot vận chuyển tự động: độ tin cậy cảm biến, khả năng tương tác với môi trường và con người, lập kế hoạch quản lý tuyến đường, sự ảnh hưởng của điều kiện chiếu sáng/địa hình, và thách thức trong công tác bảo trì. Từ đó, chương xác định các mục tiêu cốt lõi cần giải quyết: nâng cao độ chính xác bám line bằng camera dưới điều kiện ánh sáng thay đổi, khắc phục hiện tượng mất dấu line khi thay đổi tốc độ và xây dựng hệ thống phần cứng ổn định.

Chương 2. Nghiên cứu thực nghiệm

Chương 2 trình bày chi tiết cơ sở lý thuyết và thông số các công nghệ, thiết bị được sử dụng. Nội dung bao gồm:

• Hệ điều hành Raspbian và môi trường desktop PIXEL trên nền Debian dành cho Raspberry Pi.
• Thư viện OpenCV, các kỹ thuật xử lý ảnh (chuyển đổi grayscale, thresholding nhị phân/thích nghi, trích xuất contour, không gian màu RGB, HLS, HSB, CMYK và HSV) và phương pháp bám line bằng camera.
• Cấu trúc kỹ thuật mã QR (Cell, hoa văn định vị, timing pattern, alignment pattern, vùng sửa lỗi Reed-Solomon/BCH) và thư viện giải mã pyzbar.
• Thư viện giao diện đồ họa Tkinter trong Python và phần mềm truy cập điều khiển từ xa VNC.
• Thông số kỹ thuật chi tiết của phần cứng: Raspberry Pi 4 (Broadcom BCM2711), module công suất cầu H L298N (25W/cầu H), động cơ DC giảm tốc JGB37-550 (tỉ số truyền 505:1, lực kéo định mức 50 kg), khung nâng hợp kim nhôm (9 x 9 cm), pin sạc Li-ion 18650 (2100mAh, xả 6.3A) và khung xe robot 4 bánh (243 x 150 mm).

Chương 3. Phân tích thiết kế hệ thống

Chương này tập trung vào thiết kế kiến trúc toàn diện của hệ thống:

• Xây dựng sơ đồ mặt bằng môi trường hoạt động gồm đường line dẫn hướng, 3 vị trí kho hàng và hệ thống mã QR phân loại.
• Mô hình hóa luồng xử lý 3 khối: Khối đầu vào (GUI, Camera Line, Camera QR) -> Khối xử lý trung tâm (Raspberry Pi 4) -> Khối cơ cấu chấp hành (động cơ bánh xe và động cơ khung nâng).
• Quy trình phân tích xử lý ảnh 5 bước (thu nhận dữ liệu, tiền xử lý, phân đoạn, biểu diễn mô tả và nhận dạng).
• Thiết kế chi tiết thuật toán bám line dựa trên tọa độ tâm $CX, CY$ của contour và thuật toán phân loại mã QR 2 cấp độ (mã định tuyến ngã rẽ và mã vị trí kệ hàng).
• Thiết kế lưu đồ thuật toán vận chuyển tự động khép kín và giao diện điều khiển 3 nút nhấn trên Tkinter.

Chương 4. Kết quả thực nghiệm

Chương 4 mô tả kết quả chế tạo mô hình thực tế và thử nghiệm hoạt động:

• Hiện thực hóa mô hình xe 4 bánh kết cấu 2 tầng, bố trí bo mạch/nguồn ở tầng dưới, cơ cấu nâng hạ ở tầng trên và camera gắn vuông góc mặt sàn.
• Vận hành giao diện điều khiển qua môi trường lập trình Thonny IDE trên Raspbian, ghi nhận luồng hình ảnh bám line và tọa độ $CX, CY$ theo thời gian thực.
• Đánh giá khả năng xử lý tín hiệu rẽ của xe theo 3 dải góc đường chạy (>120 độ, 90–120 độ, <90 độ).
• Đánh giá khả năng tải hàng của xe và hoạt động của động cơ ở các mức điều chế xung PWM 50 và PWM 70.

Chương 5. Phương hướng phát triển

Chương tổng kết các điểm đã đạt được và chỉ ra các phương hướng nghiên cứu mở rộng: tối ưu hóa thuật toán xử lý ảnh nhằm cải thiện khả năng rẽ ở góc hẹp dưới 90 độ, tích hợp thêm cảm biến phát hiện vật cản ngoại vi để nâng cao mức độ an toàn, và mở rộng hệ thống phần mềm quản lý để điều phối đồng thời nhiều robot.

Kết quả và đóng góp

Kết quả thực nghiệm chính

Khóa luận đã chế tạo thành công mô hình robot 4 bánh tự hành và sa bàn thử nghiệm, thu được các kết quả định lượng cụ thể:

1. Kết cấu cơ khí và điều khiển nhúng: Hoàn thiện mô hình xe 2 tầng kích thước 243 x 150 mm, tích hợp cơ cấu nâng hạ 9 x 9 cm (hành trình 2.5 – 9 cm) vận hành bằng động cơ JGB37-550 (tỉ số truyền 505:1). Hệ thống mang tải và nâng hạ ổn định với các kiện hàng có khối lượng định mức dưới 1 kg.
2. Khả năng bám đường dẫn và quét mã QR: Camera đặt vuông góc mặt sàn ghi nhận ổn định đường line thông qua lọc màu HSV, tính toán tâm $CX, CY$ và hiển thị trạng thái On Track! trên Thonny IDE. Hệ thống quét và nhận diện chính xác 2 loại mã QR (mã định tuyến rẽ vào kho và mã dừng nâng/thả kệ hàng).
3. Hiệu suất xử lý tín hiệu rẽ theo góc đường:

Góc của đường chạy	Khả năng xử lý tín hiệu rẽ của robot	Phân tích nguyên nhân kỹ thuật
> 120 độ	Tốt	Tín hiệu rẽ trái và phải được thực hiện chính xác, camera nhận diện rõ hướng đường và điều hướng mượt mà.
90 – 120 độ	Trung bình (đôi lúc không rẽ được)	Xe vẫn có khả năng rẽ nhưng có thời điểm bỏ qua tín hiệu do tốc độ di chuyển nhanh hoặc tốc độ xử lý khung hình của camera không đáp ứng kịp.
< 90 độ	Không thể rẽ khi đang di chuyển thẳng	Tốc độ xử lý của camera chậm so với vận tốc tịnh tiến của xe, dẫn đến mất dấu line tại góc cua gấp.

Đóng góp của đề tài

• Tích hợp thị giác máy tính thay thế cảm biến dò line quang học: Sử dụng camera đơn sắc xử lý qua OpenCV trên máy tính nhúng Raspberry Pi 4 để bám line theo không gian màu HSV, giúp hệ thống thích ứng linh hoạt hơn với các cấu hình đường dẫn phức tạp mà không cần lắp đặt dải cảm biến hồng ngoại dày đặc.
• Giải pháp phân loại và điều phối 2 cấp độ bằng mã QR: Ứng dụng thư viện pyzbar kết hợp OpenCV để giải quyết đồng thời hai bài toán: định tuyến chuyển hướng tại ngã rẽ vào kho (QR loại 1) và định vị điểm dừng chính xác để kích hoạt cơ cấu nâng hạ kệ hàng (QR loại 2).
• Tối ưu hóa kết cấu cơ khí 2 tầng: Phân tách rõ ràng giữa tầng mạch điện tử công suất thấp (hạ thấp trọng tâm xe) và tầng cơ cấu nâng hạ cơ học, đảm bảo độ cân bằng khi xe mang tải và di chuyển vào gầm kệ hàng.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên kết quả thử nghiệm thực tế được văn bản ghi nhận, đề tài có các hạn chế và hướng phát triển sau:

• Hạn chế kỹ thuật:

  • Robot không thể thực hiện rẽ ở các góc cua nhọn (< 90 độ) khi đang di chuyển thẳng do giới hạn về tốc độ lấy mẫu và xử lý khung hình của camera so với vận tốc xe.
  • Tại dải góc từ 90 đến 120 độ, xe vẫn có xác suất mất tín hiệu rẽ nếu vận tốc di chuyển tăng cao.
  • Hệ thống xử lý ảnh phụ thuộc vào điều kiện chiếu sáng môi trường và yêu cầu bề mặt di chuyển phải phẳng hoàn toàn.
  • Chưa trang bị cảm biến phát hiện và né tránh vật cản ngoại vi (như cảm biến siêu âm hay LiDAR) để bảo đảm an toàn khi có vật cản đột xuất.
  • Tải trọng nâng hạ và vận chuyển còn giới hạn ở mức mô hình thử nghiệm (từ 1 kg trở lại).

• Hướng nghiên cứu tiếp:

  • Tối ưu hóa thuật toán xử lý ảnh và điều khiển vi sai động cơ nhằm giảm độ trễ tính toán, hỗ trợ xe di chuyển và rẽ chính xác ở các góc cua hẹp (< 90 độ).
  • Tích hợp thêm các cảm biến khoảng cách, cảm biến tránh vật cản để tăng cường khả năng nhận thức môi trường và an toàn tương tác.
  • Nâng cấp phần cứng (động cơ công suất lớn hơn, nguồn pin dung lượng cao hơn) để gia tăng tải trọng vận chuyển thực tế.
  • Phát triển hệ thống phần mềm quản lý và lập lịch trung tâm để điều phối nhiều robot tự hành hoạt động đồng thời trong cùng một mạng lưới kho bãi.

Giá trị tham khảo

Báo cáo khóa luận cung cấp tài liệu kỹ thuật có giá trị cho các đối tượng sau:

• Sinh viên và học viên: Thuộc các ngành Kỹ thuật Máy tính, Điện tử - Viễn thông, Tự động hóa, Cơ điện tử và Công nghệ Thông tin đang thực hiện đồ án hoặc khóa luận về xe tự hành AGV, robot phân loại logistics và hệ thống nhúng thời gian thực.
• Kỹ sư phát triển hệ thống nhúng và IoT: Cần tài liệu tham khảo về phương pháp kết nối phần cứng giữa Raspberry Pi 4 với module công suất L298N, động cơ DC giảm tốc JGB37-550 và nguồn pin Li-ion 18650.
• Các nội dung đáng tham khảo chuyên sâu:
  • Quy trình xử lý ảnh bám line bằng không gian màu HSV và trích xuất trọng tâm contour $(CX, CY)$ trong OpenCV.
  • Kỹ thuật nhận diện và giải mã mã QR bằng thư viện pyzbar để định tuyến ngã rẽ và định vị vị trí dừng cơ cấu nâng hạ.
  • Bản vẽ kết cấu và nguyên lý phân tầng khung xe 2 tầng phục vụ cho các mô hình xe tự hành chui gầm nâng kệ hàng.

Câu hỏi thường gặp

1. Khóa luận sử dụng nền tảng vi xử lý và hệ điều hành nào để điều khiển robot?
Robot sử dụng máy tính nhúng Raspberry Pi 4 (trang bị vi xử lý Broadcom BCM2711 Quad-core Cortex-A72 64-bit) chạy hệ điều hành Raspbian (nền tảng Debian) với môi trường desktop PIXEL.

2. Cơ chế phân loại kho và nâng hạ hàng hóa bằng mã QR hoạt động như thế nào?
Hệ thống sử dụng mã QR theo 2 cấp độ: Mã QR Loại 1 được dán trước ngã rẽ vào từng kho hàng để định tuyến cho xe rẽ vào đúng kho đã chọn; Mã QR Loại 2 được dán tại kệ hàng để xác định điểm dừng chính xác, từ đó kích hoạt module L298N điều khiển động cơ JGB37-550 nâng hoặc hạ khung đỡ trong khoảng hành trình 2.5 đến 9 cm.

3. Động cơ giảm tốc JGB37-550 trên cơ cấu nâng hạ có thông số kỹ thuật ra sao?
Động cơ hoạt động ở điện áp 12VDC, đường kính 37mm, tỉ số truyền hộp số 505:1, tốc độ không tải 31 RPM, tốc độ có tải 27 RPM, dòng điện chịu đựng tối đa khi có tải lên đến 7A, lực kéo định mức 50 kg và lực kéo tối đa đạt 230 kg.

4. Khả năng rẽ của robot khi bám line ở các góc độ khác nhau đạt kết quả thế nào?
Theo kết quả thử nghiệm ở Bảng 4.1 trong văn bản: góc > 120 độ xe xử lý tín hiệu rẽ tốt; góc từ 90 đến 120 độ xe vẫn rẽ được nhưng đôi lúc không kịp do tốc độ xe nhanh hoặc camera xử lý chậm; góc < 90 độ xe hoàn toàn không thể rẽ khi đang di chuyển thẳng do độ trễ xử lý của camera.

5. Giao diện người dùng (GUI) được lập trình bằng công cụ gì và người dùng điều khiển robot từ xa bằng phương thức nào?
Giao diện được lập trình bằng thư viện Tkinter trên ngôn ngữ Python (chạy qua Thonny IDE) với 3 nút chọn tương ứng 3 kệ hàng. Người dùng kết nối không dây để giám sát và điều khiển giao diện trên Raspberry Pi từ máy tính cá nhân thông qua giao thức mạng VNC.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Hoài Tú và Lã Quốc Thông đã thiết kế và chế tạo thành công mô hình robot 4 bánh tự hành 2 tầng tích hợp cơ cấu nâng hạ kệ hàng tự động trên nền tảng máy tính nhúng Raspberry Pi 4. Bằng việc kết hợp thị giác máy tính OpenCV để bám line theo không gian màu HSV và thư viện pyzbar để quét mã QR 2 cấp độ, hệ thống đã hiện thực hóa quy trình định tuyến, lấy và trả hàng tự động giữa 3 kho hàng mô phỏng. Mặc dù còn hạn chế ở khả năng rẽ góc hẹp dưới 90 độ và tải trọng mô hình (dưới 1 kg), nghiên cứu đã cung cấp giải pháp kỹ thuật hoàn chỉnh và dữ liệu thực nghiệm có giá trị tham khảo cao cho lĩnh vực xe tự hành logistics.

Trích đoạn nội dung tài liệu

MỞ ĐẦU Ngày nay với sự phát triển của khoa học công nghệ đã thúc day nhu cầu cung ứng tăng cao, các nhà máy phải cải thiện năng suất tối đa nhất có thể thì sự ứng dụng các khoa học công nghệ tiên tiến là phương pháp giải quyết bài toán đó. Cụ thé hơn, việc ứng dung robot vào các công việc nặng nhọc trong các dây chuyền sản xuất, những công việc may tính rủi ro cho con người mà robot có thê thay thé hoặc đặc biệt hơn là công việc hoạt động liên tục không cần nghỉ ngơi. Do đó chúng em quyết định chọn đề tài là tìm hiểu về công nghệ và giải pháp để thiết kế và xây dựng hệ thống robot vận chuyền hàng tự động. Đề tài sẽ nghiên cứu các thuật toán va phương pháp điều khién robot dé đảm bảo việc vận chuyển hàng hóa một cách hiệu quả và an toàn.

Mục tiêu cuối cùng là xây dựng một hệ thống robot vận chuyền hàng tự động có thê hoạt động không cần sự can thiệp của con người với hiệu suất hoạt động cao. Đối tượng nghiên cứu trong đề tài bao gồm robot vận chuyên hàng tự động, hệ thống điều khiển robot và môi trường làm việc của robot cho việc di chuyển cũng như vận chuyên hàng hóa. Phạm vi nghiên cứu sẽ tập trung vào xác định yêu cầu vận chuyền hàng tự động, thiết kế và xây dựng hệ thống robot và thử nghiệm hiệu suất của nó. Chúng em sẽ tìm hiểu về các yêu cầu cụ thể của hệ thống bao gồm tải trọng dé xuất của xe có thé vận chuyên vật có khối lượng từ lkg trở lại với kha năng di chuyền linh hoạt chủ yếu dựa vào môi trường hoạt động có thé thay đồi (có thé thay đôi vi trí các line cũng như nơi đặt hàng), bên cạnh đó về thời gian vận chuyên nên đạt được 3 phút từ nơi lấy hàng về nơi đặt hàng (ước tính đối với khoảng cách 3m) và độ chính xác khi di chuyên theo line cũng như khả năng vận chuyên hàng phụ thuộc vào môi trường hoạt động, yêu cầu phải có đủ ánh sáng dé camera có thể nhận dang và nên hoạt động trong mặt phang di chuyên bằng phang.

Tiếp đến băng việc áp dụng các giải pháp công nghệ và thuật toán thích hợp, chúng em sẽ tiến hành xây dựng một hệ thống robot vận chuyên hàng tự động hoàn chỉnh và tiễn hành thử nghiệm dé đánh giá hiệu suất và khả năng của nó trong môi trường thực tế dựa trên các đề xuất đặt ra. Tinh hình trong và ngoài nước Ngày nay với sự phát triển của khoa học công nghệ đã thúc đây nhu cầu cung ứng tăng cao, các nhà máy phải cải thiện năng suất tối đa nhất có thể thì sự ứng dụng các khoa học công nghệ tiên tiến là phương pháp giải quyết bài toán đó. Cụ thê hơn, việc ứng dụng robot vào các công việc nặng nhọc trong các dây chuyền sản xuất, những công việc may tính rủi ro cho con người mà robot có thể thay thế hoặc đặc biệt hơn là công việc hoạt động liên tục không cần nghỉ ngơi. Trên thực tế nhiều quốc gia phát triển đã áp dụng kỹ thuật robot vào nhiều ngành nghề, lĩnh vực khác nhau vào việc sản xuất xe hơi, gạch men, vận chuyền, phân loại hàng hóa.

[3] Robot được sử dụng đa số có hình dạng đặc thù như dạng cánh tay hoặc mô hình xe tùy vào mục đích sử dụng của công việc và chúng đa số hoạt động một cách tự động thông qua điều khién của các công cụ điện tử như máy tính hoặc mạch điện tử được lập trình sẵn. Và ở Việt Nam hiện nay cũng đã áp dụng robot vào nhiều lĩnh vực, dễ thấy nhất là ngành logistics đã áp dung xe tự hành là một loại robot sẽ thực hiện công việc phân loại và vận chuyển hàng hóa đến nơi tương ứng trong kho hàng mà không cân quá nhiêu sự đóng góp của con người. Đây là một giải pháp thúc đây sự phát triển cho doanh nghiệp vì chúng không chỉ hoạt động với độ chính xác cao và năng suất cao (24/7) mà còn giảm thiểu rủi ro, tai nạn trong lao động. Dựa vào tình hình thực tế, nhóm em lựa chọn đề tài theo mô hình xe tự động có khả năng phân loại sản phẩm theo mã QR và di chuyển theo line được định sẵn qua xử lí hình ảnh bằng camera [2].

Đặc điểm thiết kế với khung nâng đồ vật kết hợp động cơ hộp số có thé sử dụng phổ biến trong việc nâng hạ kệ hàng. Mô hình có giao diện điêu khiên dê sử dụng nhăm chọn các loại hàng hóa cân vận chuyên. Những van dé còn ton tại Robot vận chuyền hàng tự động đã mang lại nhiều lợi ích và tiện ích trong ngành công nghiệp và dịch vụ. Tuy nhiên, vẫn còn một số vấn đề cần được giải quyết dé đạt được hiệu suất và đáng tin cậy tối đa của hệ thống.

Một trong những vấn đề quan trọng là độ chính xác và độ tin cậy của robot. Đề đảm bảo việc xác định vị trí chính xác, định vị hàng hóa và điều khiến di chuyên hiệu quả, cần cải thiện độ tin cậy của các cảm biến, thuật toán và hệ thong diéu khién. Điều nay giúp tránh các sai sót và sự cố không mong muốn trong quá trình vận chuyên hàng. Vấn đề thứ hai là khả năng tương tác của robot với môi trường và con người.

Robot cần có khả năng phát hiện và tránh vật cản, tương tác an toàn và hiệu quả với môi trường xung quanh và con người. Điều này đòi hỏi sự phát triển của các giải pháp và thuật toán đề đảm bảo tính an toàn và linh hoạt trong quá trình vận chuyển hàng. Quản lý và lập kế hoạch vận chuyền là một vấn đề khác cần được xem xét. Đối với các hệ thống robot vận chuyền hàng tự động trong môi trường phức tạp, cần quan lý tốt các yếu tô như tuyến đường, phân b6 công việc và quản lý tài nguyên.

Điều này giúp tối ưu hóa quy trình vận chuyển và đảm bảo hoạt động hiệu quả của robot. Ngoài ra, môi trường làm việc đa dạng cũng là một vấn đề cần được xem xét. Điều kiện ánh sáng, địa hình, nhiệt độ và độ 4m khác nhau có thé anh hưởng đến hoạt động của robot. Cần phát triển các giải pháp và công nghệ phù hợp để đảm bảo hoạt động liên tục và ôn định của robot trong mọi điều kiện môi trường.

Cuối cùng, việc bảo trì và sửa chữa robot cũng là một thách thức. Cần phát triển các phương pháp và quy trình bảo trì hiệu quả dé duy trì và nâng cao hiệu suất của robot. Điều này bao gồm việc kiểm tra định kỳ, sửa chữa và nâng cấp các thành phan dé đảm bảo hoạt động liên tục và đáng tin cậy của robot. Tổng kết lại, robot vận chuyền hàng tự động đang đối mặt với một số vấn đề cần được giải quyết đề đạt được hiệu suất và đáng tin cậy tối đa.

Việc nghiên cứu và phát triển công nghệ, thuật toán và giải pháp mới sẽ đóng vai trò quan trọng trong việc vượt qua những thách thức này và đem lại sự tiễn bộ trong lĩnh vực robot vận chuyên hàng tự động. Những van đề cần tập trung giải quyết Trong quá trình nghiên cứu và phát triên robot vận chuyên hàng tự động sử dụng dò line, nhóm đã nhận ra rằng vẫn còn một số vấn đề cần được giải quyết để đảm bảo hiệu suât và độ chính xác của hệ thông. Một trong những vấn đề quan trọng là độ chính xác trong việc xác định và theo dõi đường line. Các yếu tố như điều kiện ánh sáng biến đổi, đường line phức tạp và đa dạng, nhiễu và nhiễu môi trường có thé gây ra sai lệch trong việc xác định đường line.

Điều này đòi hỏi chúng tôi phải phát triển các thuật toán và phương pháp nhận dạng đường line đa dạng và đảm bảo khả năng xử lý nhanh chóng và chính xác. Thêm vào đó, thay đổi tốc độ và độ chính xác của robot cũng gây ra một thách thức khác. Khi robot di chuyền với tốc độ cao, đường line có thé bị mat khỏi tầm nhìn hoặc hình ảnh có thể bị mờ do chuyền động. Điều này yêu cầu chúng tôi phải phát triển các giải pháp dé đảm bảo sự ổn định và chính xác trong việc xác định và theo dõi đường line trong tất cả các tốc độ di chuyền.

Bên cạnh đó, còn có thách thức về độ tin cậy của hệ thống. Một lỗi nhỏ trong việc xác định đường line có thé dẫn đến sai lệch trong quỹ đạo di chuyền của robot và gây ảnh hưởng đến việc vận chuyền hàng. Nhóm dang tìm hiểu và nghiên cứu các phương pháp và công nghệ dé cải thiện độ tin cậy và độ 6n định của hệ thống. NGHIÊN CỨU THỰC NGHIEM 2.

Open CV OpenCV, được bắt đầu bởi Gary Bradsky từ Intel vào năm 1999, là viết tắt của Open Source Computer Vision Library. Nó là một thư viện nguồn mở hàng đầu cho Computer Vision và Machine Learning. Hiện tại, nó cũng hỗ trợ tăng tốc GPU cho các hoạt động thời gian thực. OpenCV được phát hành với giấy phép BSD, cho phép sử dụng miễn phí cả cho mục đích học tập và thương mại.

Nó hỗ trợ các ngôn ngữ lập trình như C++, C, Python và Java, va có thé chạy trên các hệ điều hành Windows, Linux, Mac OS, iOS và Android. OpenCV được thiết kế dé hỗ trợ tính toán hiệu quả và được tối ưu cho các ứng dụng thời gian thực. Nếu được viết bằng ngôn ngữ C/C++, thư viện này có thể tận dụng được hiệu năng của vi xử lý đa lõi. OpenCV cung cấp các tính năng như: — Xử lý và hiển thị hình ảnh/video, — Phát hiện vật thể, — Xử lý hình ảnh hình học dựa trên hình ảnh đơn hoặc stereo, c — Omputational photography, — Machine learning va clustering, — Tang tốc CUDA, và nhiều tinh năng khác.

— Các ứng dụng của OpenCV bao gồm: — Tu dong kiém tra va giám sát. — Xử lý hình ảnh street view. — Robot và xe tự lái. — Phân tích hình ảnh y học và nhiều ứng dụng khác.

OpenCV được tô chức theo cấu trúc module, bao gồm các thư viện tĩnh hoặc thư viện động. Các module phô biến bao gồm: — Core (xử lý cơ bản). — Các module hỗ trợ khác như Python binding, FLANN, Google test wrapper, và nhiêu hơn nữa. Hệ điều hành Raspbian Raspbian, một hệ điều hành máy tính dựa trên Debian, đã được phát triển cho Raspberry Pi.

Có một số phiên bản của Raspbian như Raspbian Stretch và Raspbian Jessie. Từ năm 2015, Raspberry Pi Foundation đã chính thức cung cấp Raspbian như là hệ điều hành chính cho dòng máy tính nhỏ gọn Raspberry Pi.