Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của khoa học kỹ thuật và tự động hóa, robot công nghiệp ngày càng đóng vai trò quan trọng trong các dây chuyền sản xuất hiện đại. Tại Việt Nam, thị trường robot công nghiệp dự kiến tăng trưởng mạnh, đặc biệt trong ngành sản xuất ô tô với mức tăng trưởng khoảng 83%, điển hình như các nhà máy Vinfast và Thaco. Robot không chỉ thay thế con người trong các công việc lặp lại mà còn thực hiện các tác vụ thông minh, nâng cao hiệu suất và giảm thiểu sai sót.

Luận văn tập trung nghiên cứu và thiết kế robot 6 bậc tự do (6DOF) có khả năng gắp và vận chuyển vật thể sử dụng hệ thống stereo camera. Hệ stereo camera gồm hai camera đặt cạnh nhau, cho phép tạo ảnh ba chiều và xác định chính xác vị trí, hướng của vật thể trong không gian 3D. Mục tiêu chính là phát triển một hệ thống robot linh hoạt, có khả năng điều khiển chính xác dựa trên dữ liệu hình ảnh, đáp ứng nhu cầu tự động hóa trong các lĩnh vực công nghiệp, y tế, hàng không và dịch vụ.

Phạm vi nghiên cứu được thực hiện tại Trường Đại học Bách Khoa – Đại học Quốc gia TP.HCM trong khoảng thời gian từ tháng 2 đến tháng 6 năm 2023. Luận văn không chỉ thiết kế phần cứng robot mà còn xây dựng hệ thống xử lý ảnh, hiệu chỉnh camera và phát triển thuật toán điều khiển số nhằm nâng cao độ chính xác và hiệu quả vận hành. Kết quả nghiên cứu góp phần thúc đẩy ứng dụng robot trong môi trường sản xuất thực tế, đồng thời mở ra hướng phát triển cho các hệ thống robot thông minh tích hợp thị giác máy tính.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: kỹ thuật xử lý ảnh và kỹ thuật robot công nghiệp.

  1. Kỹ thuật xử lý ảnh:

    • Xử lý ảnh số: Ảnh số được biểu diễn dưới dạng ma trận điểm ảnh (pixel) với các không gian màu phổ biến như RGB, CMYK và HSV. Việc chuyển đổi ảnh màu sang ảnh xám giúp giảm độ phức tạp trong xử lý.
    • Phát hiện biên Canny: Thuật toán phát hiện biên gồm các bước giảm nhiễu bằng bộ lọc Gauss, tính toán gradient, loại bỏ biên không cực đại (Non-maximum suppression) và sử dụng ngưỡng đôi để xác định biên chính xác.
    • Biến đổi Hough (Hough Transform): Kỹ thuật trích xuất đường thẳng trong ảnh bằng cách chuyển đổi không gian ảnh sang không gian Hough, giúp nhận dạng các cạnh và hình dạng cơ bản của vật thể.
    • Hiệu chỉnh hệ stereo camera: Sử dụng công cụ Stereo Camera Calibrator trong Matlab để xác định các tham số nội và ngoại camera, từ đó tái tạo chính xác hình ảnh 3D.

  2. Kỹ thuật robot công nghiệp:

    • Robot 6 bậc tự do (6DOF): Robot có khả năng di chuyển và xoay quanh sáu trục độc lập, cung cấp độ linh hoạt cao trong không gian 3D.
    • Quy tắc Denavit-Hartenberg (D-H): Phương pháp mô hình hóa động học robot bằng cách xác định các tham số liên quan đến vị trí và hướng của các khớp nối.
    • Động học thuận và nghịch: Tính toán vị trí và hướng của phần công tác dựa trên các biến khớp, đồng thời giải bài toán ngược để xác định các góc khớp cần thiết cho vị trí mong muốn.
    • Phương pháp điều khiển số: Áp dụng thuật toán điều khiển số để điều khiển chính xác các động cơ bước và servo, đảm bảo robot vận hành ổn định và chính xác.

Phương pháp nghiên cứu

  • Nguồn dữ liệu:
    Dữ liệu thu thập từ hệ thống stereo camera gồm các ảnh màu và ảnh xám của vật thể trong vùng làm việc. Dữ liệu điều khiển robot được ghi nhận qua board Arduino Mega 2560 và các driver động cơ bước Mitsubishi J2S.

  • Phương pháp chọn mẫu:
    Mô hình robot được thiết kế và gia công dựa trên các thông số kỹ thuật tiêu chuẩn, phù hợp với yêu cầu gắp vật thể có kích thước từ 2cm đến 7cm. Hệ thống camera được cố định trong vùng làm việc để quan sát tổng quan.

  • Phương pháp phân tích:

    • Xử lý ảnh sử dụng thư viện OpenCV với các thuật toán Canny và Hough Transform để nhận dạng biên và hình dạng vật thể.
    • Hiệu chỉnh camera bằng Matlab Stereo Camera Calibrator để xác định chính xác các tham số nội ngoại camera.
    • Mô phỏng động học và điều khiển robot bằng phần mềm SolidWorks và lập trình Python kết hợp Arduino.
    • Thực nghiệm trên mô hình thực tế để đánh giá độ chính xác vị trí và khả năng gắp vật thể.

  • Timeline nghiên cứu:

    • Tháng 2-3/2023: Thiết kế và gia công robot, xây dựng hệ thống camera.
    • Tháng 4/2023: Hiệu chỉnh camera, xử lý ảnh và mô phỏng điều khiển.
    • Tháng 5/2023: Thực nghiệm điều khiển robot gắp vật thể, đánh giá kết quả.
    • Tháng 6/2023: Hoàn thiện báo cáo và bảo vệ luận văn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Thiết kế robot 6 bậc tự do thành công:
    Robot được chế tạo với các khớp động cơ bước Nema 17 và driver Mitsubishi J2S, đảm bảo khả năng di chuyển linh hoạt trong không gian 3D. Độ chính xác vị trí điểm đầu cuối robot đạt sai số dưới 2mm, phù hợp với yêu cầu gắp vật thể nhỏ.

  2. Hiệu chỉnh hệ stereo camera đạt độ chính xác cao:
    Qua quá trình hiệu chỉnh bằng Matlab Stereo Camera Calibrator, sai số đo khoảng cách và vị trí vật thể trong không gian 3D được giảm xuống dưới 1cm, đảm bảo dữ liệu đầu vào chính xác cho hệ thống điều khiển robot.

  3. Thuật toán xử lý ảnh nhận dạng vật thể hiệu quả:
    Sử dụng thuật toán Canny và Hough Transform, hệ thống nhận dạng chính xác các cạnh và hình dạng vật thể hình vuông với tỷ lệ nhận diện thành công trên 90% trong điều kiện ánh sáng ổn định.

  4. Điều khiển robot dựa trên dữ liệu hình ảnh đạt hiệu quả cao:
    Robot có thể gắp và vận chuyển vật thể có kích thước từ 2cm đến 7cm với tỷ lệ thành công trên 85% trong các thử nghiệm thực tế. Thời gian phản hồi trung bình của hệ thống là khoảng 0.5 giây, đáp ứng yêu cầu vận hành nhanh và chính xác.

Thảo luận kết quả

Kết quả cho thấy sự kết hợp giữa robot 6 bậc tự do và hệ thống stereo camera là giải pháp hiệu quả để tự động hóa việc gắp vật thể trong môi trường 3D. Sai số vị trí thấp nhờ hiệu chỉnh camera chính xác và thuật toán xử lý ảnh tối ưu, giúp robot định vị vật thể đúng hướng và vị trí. So với các nghiên cứu trước đây sử dụng camera đơn hoặc các phương pháp ước lượng vị trí khác, hệ thống này cải thiện đáng kể độ chính xác và tốc độ phản hồi.

Việc áp dụng phương pháp điều khiển số trên nền tảng Arduino và Python cũng giúp giảm chi phí và tăng tính linh hoạt trong phát triển hệ thống. Tuy nhiên, kết quả cũng cho thấy một số hạn chế như tỷ lệ gắp thành công chưa đạt 100% do ảnh hưởng của điều kiện ánh sáng và vật thể có hình dạng phức tạp hơn. Biểu đồ sai số vị trí và tỷ lệ thành công có thể được trình bày qua bảng số liệu và đồ thị để minh họa rõ ràng hơn.

Nhìn chung, nghiên cứu đã đạt được mục tiêu đề ra, đồng thời mở ra hướng phát triển cho các hệ thống robot tích hợp thị giác máy tính trong tự động hóa công nghiệp.

Đề xuất và khuyến nghị

  1. Nâng cấp hệ thống xử lý ảnh:
    Áp dụng các thuật toán học sâu (deep learning) như mạng nơ-ron tích chập (CNN) để cải thiện khả năng nhận dạng vật thể phức tạp và trong điều kiện ánh sáng thay đổi. Mục tiêu tăng tỷ lệ nhận dạng thành công lên trên 95% trong vòng 12 tháng, do nhóm nghiên cứu và kỹ sư phần mềm thực hiện.

  2. Tối ưu hóa thuật toán điều khiển robot:
    Phát triển thuật toán điều khiển thích nghi và học máy để robot tự điều chỉnh lực gắp và quỹ đạo di chuyển, giảm thiểu sai số và tăng độ bền thiết bị. Mục tiêu giảm sai số vị trí xuống dưới 1mm trong 18 tháng, do nhóm kỹ thuật điều khiển đảm nhiệm.

  3. Mở rộng phạm vi ứng dụng:
    Thiết kế thêm các loại đầu gắp đa dạng phù hợp với nhiều loại vật thể khác nhau, từ vật cứng đến vật mềm, nhằm tăng tính ứng dụng trong công nghiệp và y tế. Thời gian thực hiện dự kiến 24 tháng, phối hợp giữa phòng thí nghiệm và doanh nghiệp.

  4. Xây dựng hệ thống giám sát và bảo trì tự động:
    Tích hợp cảm biến và phần mềm giám sát tình trạng hoạt động của robot và camera để phát hiện sớm lỗi và tự động bảo trì. Mục tiêu nâng cao độ tin cậy hệ thống lên 99% trong 2 năm, do bộ phận kỹ thuật bảo trì và phát triển phần mềm thực hiện.

Đối tượng nên tham khảo luận văn

  1. Các nhà nghiên cứu và sinh viên ngành kỹ thuật điều khiển và tự động hóa:
    Luận văn cung cấp kiến thức chuyên sâu về thiết kế robot 6 bậc tự do và ứng dụng xử lý ảnh trong điều khiển robot, hỗ trợ nghiên cứu và phát triển các dự án tương tự.

  2. Kỹ sư phát triển hệ thống robot công nghiệp:
    Tham khảo để áp dụng các phương pháp hiệu chỉnh camera, thuật toán xử lý ảnh và điều khiển số trong thiết kế và vận hành robot công nghiệp thực tế.

  3. Doanh nghiệp sản xuất và tự động hóa:
    Có thể ứng dụng kết quả nghiên cứu để nâng cao hiệu quả sản xuất, giảm chi phí nhân công và tăng tính linh hoạt trong dây chuyền sản xuất.

  4. Các nhà phát triển phần mềm thị giác máy tính và robot:
    Tài liệu cung cấp các thuật toán xử lý ảnh, hiệu chỉnh camera và mô hình điều khiển robot, hỗ trợ phát triển phần mềm điều khiển và giám sát robot.

Câu hỏi thường gặp

  1. Robot 6 bậc tự do có ưu điểm gì so với các loại robot khác?
    Robot 6DOF có khả năng di chuyển và xoay linh hoạt trong không gian 3D, cho phép thực hiện các tác vụ phức tạp với độ chính xác cao, phù hợp cho nhiều ứng dụng công nghiệp và dịch vụ.

  2. Hệ stereo camera hoạt động như thế nào trong việc xác định vị trí vật thể?
    Hệ sử dụng hai camera đặt cạnh nhau để chụp ảnh cùng lúc, từ đó tính toán độ sâu và vị trí 3D của vật thể dựa trên sự khác biệt giữa hai ảnh, tương tự như cách mắt người nhận biết chiều sâu.

  3. Thuật toán Canny và Hough Transform có vai trò gì trong xử lý ảnh?
    Thuật toán Canny giúp phát hiện biên vật thể chính xác bằng cách lọc nhiễu và xác định các cạnh rõ nét, trong khi Hough Transform dùng để nhận dạng các đường thẳng và hình dạng cơ bản từ các biên này.

  4. Phương pháp điều khiển số được áp dụng như thế nào trong robot?
    Điều khiển số sử dụng các thuật toán số học để tính toán và điều chỉnh tín hiệu điều khiển động cơ, giúp robot vận hành chính xác, ổn định và có khả năng phản hồi nhanh với thay đổi môi trường.

  5. Làm thế nào để nâng cao độ chính xác của hệ thống robot gắp vật thể?
    Có thể nâng cao bằng cách cải tiến hiệu chỉnh camera, áp dụng thuật toán xử lý ảnh tiên tiến, tối ưu thuật toán điều khiển và sử dụng cảm biến lực để điều chỉnh lực gắp phù hợp, giảm thiểu sai số và hư hại vật thể.

Kết luận

  • Đã thiết kế và chế tạo thành công robot 6 bậc tự do với khả năng gắp vật thể trong không gian 3D, đạt sai số vị trí dưới 2mm.
  • Xây dựng và hiệu chỉnh hệ thống stereo camera giúp xác định chính xác vị trí và hướng vật thể với sai số dưới 1cm.
  • Thuật toán xử lý ảnh kết hợp Canny và Hough Transform nhận dạng vật thể hiệu quả với tỷ lệ thành công trên 90%.
  • Hệ thống điều khiển số trên nền tảng Arduino và Python đảm bảo robot vận hành ổn định, phản hồi nhanh với thời gian trung bình 0.5 giây.
  • Đề xuất các giải pháp nâng cao hiệu quả và mở rộng ứng dụng trong tương lai, hướng tới phát triển robot thông minh và tự động hóa cao.

Tiếp theo, nghiên cứu sẽ tập trung vào áp dụng các thuật toán học sâu trong xử lý ảnh và phát triển hệ thống điều khiển thích nghi để nâng cao độ chính xác và tính linh hoạt của robot. Độc giả và các nhà nghiên cứu được khuyến khích áp dụng và phát triển thêm dựa trên nền tảng này nhằm thúc đẩy ứng dụng robot trong công nghiệp và đời sống.