Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển của khoa học và công nghệ tự động hóa, các hệ thống robot ngày càng được nghiên cứu và ứng dụng sâu rộng nhằm thay thế sức lao động của con người trong các môi trường nguy hiểm, độc hại cũng như trong các hoạt động phục vụ đời sống thường nhật. Theo sự phân loại tổng quát của lĩnh vực kỹ thuật robot, hệ thống robot được chia thành hai nhóm chính:

  • Robot có gốc ở một vị trí cố định (Manipulation Robotics).
  • Robot di động (Mobile Robotics).

Nhóm robot di động sở hữu khả năng di chuyển linh hoạt với không gian hoạt động rộng, bao gồm các biến thể chuyên dụng như robot dò đường (line tracking), robot tránh vật cản, robot tìm đường trong mê cung và robot dọn rác tự hành. Trong ứng dụng vệ sinh môi trường sống và công nghiệp, bài toán trọng tâm đặt ra là làm thế nào để robot có thể tự động nhận diện chính xác các vị trí có rác, bụi bẩn trên bề mặt sàn và tự định hướng di chuyển đến đúng vị trí để thực hiện thao tác lau hoặc hút rác mà không bỏ sót các khu vực cần làm sạch. Nhằm giải quyết yêu cầu này, đề tài "Thiết kế robot dọn rác ứng dụng xử lý ảnh" của tác giả Hoàng Văn Lâm (ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh) đã tích hợp kỹ thuật thị giác máy tính lên nền tảng phần cứng nhúng để nhận diện và định vị đối tượng dọn dẹp.

Mục tiêu và nhiệm vụ nghiên cứu:

  1. Nghiên cứu cơ sở lý thuyết xử lý ảnh số nhằm ứng dụng vào thiết kế mô hình và xây dựng thuật toán điều hướng cho robot dọn rác.
  2. Khảo sát, tính toán và lựa chọn cấu hình phần cứng phù hợp cho mô hình (bao gồm vi điều khiển, máy tính nhúng, động cơ, mạch điều khiển công suất, cảm biến hình ảnh và khối nguồn).
  3. Nghiên cứu và triển khai các thuật toán xử lý ảnh dựa trên thư viện OpenCV để đo đạc khoảng cách, định vị tọa độ và xác định điểm đến của robot.
  4. Thiết kế, chế tạo hoàn chỉnh mô hình robot 3 bánh nhận diện đối tượng có kích thước nhỏ gọn và tối ưu hóa chi phí chế tạo.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Phương pháp ứng dụng kỹ thuật xử lý ảnh số trên máy tính nhúng kết hợp hệ thống điều khiển chuyển động vi điều khiển phục vụ điều hướng cho robot dọn rác tự hành.
  • Phạm vi nghiên cứu: Đề tài được giới hạn thực hiện trong thời gian một học kỳ; mô hình robot được chế tạo ở quy mô thử nghiệm nhỏ sử dụng linh kiện công suất thấp; vận tốc di chuyển ở mức nhỏ; đối tượng rác phục vụ nhận dạng bước đầu được chuẩn hóa ở dạng màu sắc đơn giản để phân biệt với nền sàn.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và các khái niệm xử lý ảnh

Đề tài dựa trên nền tảng lý thuyết xử lý số tín hiệu ảnh và thị giác máy tính với các khái niệm và công cụ then chốt:

  • Độ phân giải và cấu trúc ảnh (Resolution & Pixel): Đơn vị cơ bản cấu thành ảnh số là pixel (điểm ảnh). Một megapixel tương đương với một triệu điểm ảnh. Cấu trúc ảnh màu RGB biểu diễn thông qua không gian 24-bit (8-bit cho mỗi kênh Đỏ - Red, Lục - Green, Lam - Blue), tạo ra $255 \times 255 \times 255 \approx 1,66$ triệu màu sắc. Ảnh mức xám (Gray level) được mã hóa bằng 8-bit với 256 mức độ sáng (0 đến 255), chuyển đổi từ không gian RGB theo công thức độ nhạy quang học: $$\text{Gray} = 0.0722 \times B + \dots$$
  • Không gian màu HSV (Hue - Saturation - Value): Không gian màu HSV biểu diễn màu sắc dưới dạng hình trụ hoặc hình nón, trong đó $H$ (sắc thái màu) nằm trong dải $[0^\circ, 360^\circ]$, $S$ (độ bão hòa màu) từ $0$ đến $1$, và $V$ (giá trị cường độ sáng) từ $0$ (tối nhất) đến $1$ (sáng nhất). Do tách biệt thành phần cường độ sáng ($V$) khỏi thông tin màu sắc ($H, S$), không gian màu HSV giúp hệ thống nhận diện vật thể ổn định trước sự thay đổi của ánh sáng môi trường so với không gian RGB truyền thống.
  • Cân bằng biểu đồ Histogram: Sử dụng thuật toán phân bố lại các giá trị mức xám của điểm ảnh nhằm tăng cường độ tương phản cho những khung hình bị tối hoặc thiếu sáng.
  • Xử lý phân ngưỡng (Thresholding): Kỹ thuật phân ngưỡng đơn và phân ngưỡng kép nhằm chuyển đổi ảnh mức xám hoặc các kênh màu sang ảnh nhị phân (Binary image), phục vụ việc tách đối tượng cần bám bắt ra khỏi nền sàn: $$\text{New_pixel} = \begin{cases} \text{White} & \text{khi } T_1 < \text{pixel} < T_2 \ \text{Black} & \text{trường hợp còn lại} \end{cases}$$
  • Lọc không gian và bộ lọc tần số: Sử dụng ma trận mặt nạ (mask) kích thước lẻ ($3 \times 3, 5 \times 5, 7 \times 7$) trượt trên ảnh. Bộ lọc thông thấp (Low-pass filter) dùng để làm mờ và khử nhiễu; bộ lọc thông cao (High-pass filter) phục vụ việc làm rõ và trích xuất đường biên vật thể. Đối với hiện tượng nhiễu muối tiêu (Salt and pepper noise), bộ lọc trung vị (Median filter) phi tuyến được áp dụng để loại bỏ các điểm nhiễu ngẫu nhiên mà vẫn giữ được độ sắc nét của biên đối tượng.
  • Biến đổi Hough (Hough Transform): Phương pháp tham số hóa hình học từ tọa độ Cartesian ($y = ax + b$) sang tọa độ cực: $$r = x \cos\theta + y \sin\theta \quad (\text{với } -90^\circ < \theta < 90^\circ)$$ cho phép định vị các đường thẳng và đặc trưng hình học trong không gian ảnh nhị phân.
  • Thư viện OpenCV (Open Source Computer Vision): Thư viện mã nguồn mở với hơn 2500 thuật toán tối ưu hóa, hỗ trợ xử lý ảnh thời gian thực, tích hợp OpenCL và các hàm xử lý màu cv2.cvtColor().

Phương pháp nghiên cứu thực tế

Nghiên cứu áp dụng phương pháp thiết kế hệ thống kỹ thuật lai (Hybrid Embedded System):

  • Phương pháp tính toán và xử lý ảnh: Xây dựng chuỗi tiền xử lý hình ảnh (chuyển đổi hệ màu, lọc mịn, phân ngưỡng nhị phân, xác định đường bao contours và trọng tâm tọa độ) bằng ngôn ngữ Python 3 kết hợp OpenCV trên hệ điều hành Raspbian.
  • Phương pháp điều khiển chấp hành: Thiết kế giải thuật điều khiển chuyển động cho robot 3 bánh sử dụng vi điều khiển Arduino để phát xung điều khiển động cơ bước thông qua driver chuyên dụng.
  • Phương pháp thực nghiệm: Đánh giá khả năng xử lý ảnh trên tập dữ liệu khung hình tĩnh và kiểm thử vận hành động trên mô hình robot thực tế trong các tình huống rác xuất hiện tại các vị trí khác nhau trong trường nhìn của camera.

Thiết kế và triển khai hệ thống

Hệ thống robot dọn rác được cấu trúc thành hai khối chức năng chính: Khối xử lý trung tâm và thị giác máy tính cấp cao (Raspberry Pi 3 Model B) và Khối điều khiển chuyển động và chấp hành cấp thấp (Arduino Pro Mini).

[ Camera Pi V2 8MP ] ---> [ Raspberry Pi 3 Model B ] (Xử lý ảnh, OpenCV, Python)
                                      |
                              (Giao tiếp tín hiệu)
                                      v
[ Pin LiPo / Battery ] ---> [ Arduino Pro Mini ATMega328 ]
                                      |
         +----------------------------+----------------------------+
         |                                                         |
         v                                                         v
[ Driver A4988 ] ---> [ Động cơ bước ] (Di chuyển)     [ Module Relay 5V ] ---> [ Động cơ hút rác ]

1. Cấu hình phần cứng và linh kiện

Mô hình sử dụng các thiết bị phần cứng chuyên dụng với các thông số kỹ thuật được lựa chọn phù hợp cho mô hình nhúng tự hành:

Tên thiết bị / Linh kiện Vai trò trong hệ thống Đặc tính kỹ thuật chính theo văn bản
Raspberry Pi 3 Model B Khối xử lý trung tâm, chạy thuật toán thị giác Vi xử lý 4 lõi 64-bit, tích hợp cổng kết nối GPIO, cổng Camera CSI, mạng không dây
Camera Raspberry Pi V2 Cảm biến thu nhận hình ảnh quang học Cảm biến độ phân giải 8 Megapixel, giao tiếp trực tiếp qua cáp ribbon CSI
Arduino Pro Mini Vi điều khiển điều khiển động cơ và chấp hành Vi điều khiển ATMega328, xung nhịp 16MHz, thiết kế nhỏ gọn, tiêu thụ điện năng thấp
Driver A4988 Mạch điều khiển công suất cho động cơ bước Hỗ trợ điều khiển dòng, hỗ trợ các chế độ vi bước (Full, 1/2, 1/4, 1/8, 1/16 step)
Động cơ bước (Step Motor) Động cơ dẫn động các bánh xe chủ động Góc bước tiêu chuẩn, điều khiển chính xác vị trí và vận tốc quay bằng chuỗi xung
Module Relay 5VDC Đóng cắt nguồn cho cơ cấu dọn dẹp 1 cặp tiếp điểm, kích hoạt động cơ hút rác khi robot tiếp cận mục tiêu
Mạch ổn áp LM2596 DC-DC Hạ áp và ổn định điện áp nguồn Mạch giảm áp DC-DC điều chỉnh được điện áp đầu ra, cấp nguồn cho mạch logic
Khối nguồn cấp Cung cấp năng lượng cho toàn bộ hệ thống Pin LiPo 3S 2200mAh và Mạch Raspberry Pi Lithium Battery Power Pack 3800mAh

2. Thiết lập môi trường phần mềm

  • Hệ điều hành: Raspbian (nền tảng Linux được tối ưu cho Raspberry Pi). Thẻ nhớ microSD được định dạng bằng SD Card Formatter và ghi file ảnh hệ điều hành bằng Win32 Disk Imager. Cấu hình mở rộng phân vùng bộ nhớ hệ thống thông qua công cụ sudo raspi-config (Expand filesystem).
  • Nền tảng xử lý: Python 3 kết hợp với thư viện đồ họa GTK và các gói hỗ trợ nạp xuất hình ảnh/video (Image/Video I/O).
  • Biên dịch OpenCV: Thư viện OpenCV 3 được biên dịch trực tiếp trên Raspberry Pi 3 bằng lệnh make -j4 nhằm tận dụng toàn bộ 4 lõi của vi xử lý để tối ưu hóa thời gian xây dựng mã nguồn.

3. Quy trình thuật toán xử lý ảnh và điều khiển

  1. Thu nhận dữ liệu: Camera Picamera thu nhận luồng hình ảnh theo thời gian thực tại khu vực phía trước robot.
  2. Tiền xử lý: Chuyển đổi khung hình từ không gian màu RGB sang không gian màu HSV thông qua hàm cv2.cvtColor(src, dst, cv2.COLOR_BGR2HSV).
  3. Lọc mịn và khử nhiễu: Áp dụng bộ lọc làm mờ để triệt tiêu các thành phần nhiễu tần số cao trên bề mặt sàn.
  4. Phân ngưỡng (Thresholding): Thiết lập dải giá trị $[H_{\min}, H_{\max}]$, $[S_{\min}, S_{\max}]$, $[V_{\min}, V_{\max}]$ tương ứng với màu sắc của rác cần thu gom để tạo ảnh nhị phân.
  5. Trích xuất đặc trưng (Contours): Tìm kiếm đường bao biên ngoài của các đối tượng màu xuất hiện trong khung hình và tính toán tọa độ tâm $(x, y)$.
  6. Xác định vùng làm việc (Clean Zone): So sánh tọa độ của đối tượng rác với vùng làm việc chuẩn của cơ cấu hút trên khung ảnh.
  7. Điều khiển chuyển động: Raspberry Pi truyền lệnh tọa độ/hướng di chuyển sang Arduino Pro Mini để kích hoạt driver A4988 phát xung cho 2 động cơ bước di chuyển robot về phía đối tượng rác; khi robot đưa rác vào đúng vị trí hút, module Relay 5VDC kích hoạt đóng tiếp điểm cho động cơ hút hoạt động.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 trình bày tính cấp thiết của đề tài xuất phát từ nhu cầu ứng dụng tự động hóa và xử lý ảnh vào đời sống, sản xuất, camera an ninh và các thiết bị tự hành. Tác giả phân tích ý nghĩa khoa học trong việc làm phong phú tri thức ứng dụng thị giác máy tính vào cơ điện tử, đồng thời nêu rõ ý nghĩa thực tiễn của việc chế tạo robot dọn rác tự động nhằm giảm tải lao động vệ sinh cho con người. Chương này cũng xác lập 4 mục tiêu nghiên cứu cụ thể, phạm vi giới hạn của đề tài và tổng quan cấu trúc đồ án gồm 6 chương.

Chương 2: Cơ sở lý thuyết

Chương 2 hệ thống hóa toàn bộ lý thuyết về xử lý ảnh số và nền tảng phần mềm:

  • Định nghĩa ảnh số, pixel, megapixel, độ phân giải hiển thị và các không gian biểu diễn màu sắc (RGB, thang độ xám 8-bit, không gian màu hình trụ HSV).
  • Trình bày chi tiết công thức toán học tính toán giá trị $H, S, V$ từ các thành phần $R, G, B$ và phương pháp chuyển đổi không gian màu bằng OpenCV.
  • Phân tích các thuật toán cân bằng lược đồ mức xám (Histogram equalization), các kỹ thuật phân ngưỡng đơn và phân ngưỡng kép.
  • Khảo sát các bộ lọc không gian (Spatial filter), phương pháp trượt mặt nạ, kỹ thuật xử lý biên ảnh (đệm điểm ảnh không, chặn giá trị $[0, 255]$), bộ lọc thông thấp, bộ lọc thông cao, khử nhiễu muối tiêu bằng bộ lọc trung vị (Median filter) và thuật toán biến đổi Hough (Hough Transform) để dò đường thẳng.
  • Hướng dẫn quy trình cài đặt hệ điều hành Raspbian lên thẻ nhớ microSD, thiết lập cấu hình mở rộng bộ nhớ qua raspi-config, cài đặt môi trường Python 3, nạp các gói phụ trợ và biên dịch mã nguồn thư viện OpenCV 3 trên 4 lõi phần cứng của Raspberry Pi 3.

Chương 3: Lựa chọn các thiết bị phần cứng

Chương 3 đi sâu vào phân tích sơ đồ kết nối tổng thể và lý do lựa chọn từng module phần cứng:

  • Giới thiệu cấu trúc, sơ đồ chân GPIO và thông số kỹ thuật của bo mạch máy tính nhúng Raspberry Pi 3 Model B.
  • Giới thiệu vi điều khiển Arduino Pro Mini ATMega328 đảm nhiệm giao tiếp cấp thấp và phát xung điều khiển động cơ.
  • Trình bày thông số module Camera Raspberry Pi V2 (8 Megapixel), kỹ thuật kết nối qua cáp CSI và phương pháp cấu hình nhận diện camera trên Raspbian.
  • Phân tích sơ đồ nguyên lý và thông số của mạch điều khiển động cơ bước A4988, bảng thiết lập các chế độ chia bước (Microstepping), cấu tạo và đặc tính bước góc của động cơ bước.
  • Trình bày thông số mạch ổn áp hạ áp LM2596 DC-DC, mạch giảm áp DC-DC mini, module Relay 5VDC cách ly, khối Pin LiPo 3S 2200mAh và module nguồn Raspberry Pi Lithium Battery Power Pack 3800mAh.

Chương 4: Xây dựng và áp dụng thuật toán xử lý ảnh

Chương 4 mô tả chi tiết lưu đồ thuật toán và quy trình xử lý dữ liệu của robot:

  • Khái quát nguyên lý vận hành tự hành của robot từ lúc khởi động, quét camera, phân tích hình ảnh cho đến khi hoàn thành dọn rác.
  • Trình bày lưu đồ giải thuật tổng thể của robot và các bước xử lý ảnh thực hiện bên trong Raspberry Pi (chụp ảnh từ Picamera, chuyển đổi RGB sang HSV, lọc mờ làm mịn ảnh, phân ngưỡng đối tượng, trích xuất đường viền Contours, định vị vùng Clean Zone).
  • Thiết lập giải thuật điều khiển động cơ bước: tính toán số bước góc và chiều quay của 2 bánh xe để robot đổi hướng, tiến lại gần đối tượng rác và dừng lại đúng cự ly hút.

Chương 5: Kết quả thực nghiệm

Chương 5 công bố các kết quả kiểm tra thực tế trên mô hình thử nghiệm:

  • Kết quả chạy thuật toán xử lý ảnh trên máy tính nhúng: hệ thống nhận diện và khoanh vùng chính xác đối tượng rác khi rác xuất hiện ở các khu vực khác nhau trong trường nhìn của Picamera (phía trên bên phải, phía trên bên trái, phía dưới bên trái của khung hình).
  • Kết quả chạy thử nghiệm chuyển động của mô hình thực tế: robot tự động phát hiện rác trong khung hình, tính toán hướng di chuyển, tiếp cận thành công vị trí điểm rác thứ nhất và kích hoạt hút rác, sau đó tiếp tục xoay chuyển hướng để nhận diện, di chuyển đến điểm rác thứ hai và hoàn tất chu trình hút.

Chương 6: Kết luận và hướng phát triển

Chương 6 tổng kết toàn bộ các kết quả đạt được về mặt thiết kế cơ khí, mạch điện tử và phần mềm thị giác máy tính. Tác giả chỉ ra các điểm hạn chế về tốc độ và phạm vi màu nhận dạng, đồng thời đề xuất các hướng nghiên cứu hoàn thiện mô hình trong tương lai.

Kết quả và đóng góp

1. Kết quả thực nghiệm chính

Các kết quả được ghi nhận cụ thể qua các giai đoạn thử nghiệm của đồ án:

  • Khả năng nhận dạng quang học: Thuật toán xử lý ảnh trên nền tảng OpenCV và Python 3 chạy ổn định trên bo mạch Raspberry Pi 3, phân ngưỡng chính xác đối tượng màu đơn sắc trên nền sàn trong điều kiện ánh sáng thực tế nhờ việc chuyển đổi sang không gian màu HSV.
  • Khả năng định vị không gian: Hệ thống nhận dạng chính xác vị trí rác ở các góc nhìn khác nhau của camera, bao gồm:
    • Vị trí phía trên bên phải khung hình.
    • Vị trí phía trên bên trái khung hình.
    • Vị trí phía dưới bên trái khung hình.
  • Khả năng điều hướng và chấp hành: Robot 3 bánh giữ thăng bằng tốt, di chuyển bám sát đối tượng. Thực nghiệm ghi nhận robot đã di chuyển chính xác đến điểm rác thứ nhất và kích hoạt cơ cấu hút, sau đó tiếp tục định vị và di chuyển đến điểm rác thứ hai để thực hiện thu gom.

2. Đóng góp của đề tài

  • Ứng dụng thành công mô hình phần cứng kết hợp giữa máy tính nhúng (Raspberry Pi 3) và vi điều khiển (Arduino Pro Mini): khai thác thế mạnh xử lý phần mềm/thuật toán phức tạp của Raspberry Pi và năng lực phát xung điều khiển thời gian thực chính xác cho động cơ bước của Arduino.
  • Cung cấp tài liệu chi tiết về quy trình xây dựng, biên dịch thư viện OpenCV 3 trên hệ điều hành Raspbian và chuỗi giải thuật trích xuất tọa độ rác phục vụ robot di động nhỏ gọn với chi phí thấp.

Hạn chế và hướng nghiên cứu tiếp

1. Hạn chế của đề tài (Theo công bố của tác giả)

  • Thời gian thực hiện: Đề tài được hoàn thành trong khuôn khổ thời gian giới hạn của một học kỳ đại học.
  • Kinh nghiệm thực tế: Tác giả là sinh viên lần đầu nghiên cứu và triển khai ứng dụng xử lý ảnh kết hợp điều khiển cơ điện tử trên phần cứng thực tế.
  • Quy mô phần cứng: Mô hình chỉ được thử nghiệm ở kích thước nhỏ, sử dụng các module và động cơ bước có công suất nhỏ.
  • Đặc tính vận hành: Vận tốc di chuyển của mô hình robot còn ở mức thấp.
  • Khả năng nhận dạng: Thuật toán hiện tại chỉ mới nhận diện được đối tượng rác có màu sắc đơn giản, tương phản rõ ràng với nền sàn, chưa xử lý được các dạng rác phức tạp hoặc bề mặt sàn có hoa văn đa màu.

2. Hướng nghiên cứu tiếp

  • Nâng cao độ chính xác và tối ưu hóa tốc độ xử lý của thuật toán nhận diện ảnh trên máy tính nhúng.
  • Nâng cấp phần cứng, cải thiện vận tốc di chuyển và gia tăng công suất của cơ cấu hút/lau dọn.
  • Phát triển thuật toán nhận dạng đa đối tượng, phân loại nhiều chủng loại rác và vết bẩn khác nhau trong môi trường sinh hoạt thực tế.

Giá trị tham khảo

Đồ án là nguồn tài liệu kỹ thuật hữu ích cho:

  • Sinh viên ngành Kỹ thuật Điều khiển & Tự động hóa, Cơ điện tử, Robot, Kỹ thuật Máy tính: Dùng làm tài liệu tham khảo cho các đồ án chuyên ngành, đồ án tốt nghiệp về robot di động tự hành (Mobile Robot) kết hợp thị giác máy tính.
  • Người nghiên cứu hệ thống nhúng và IoT: Tham khảo quy trình cài đặt, cấu hình hệ điều hành Raspbian, phương pháp biên dịch tối ưu hóa OpenCV 3 bằng lệnh make -j4 trên vi xử lý ARM 4 lõi.
  • Kỹ sư phát triển robot dịch vụ cỡ nhỏ: Tham khảo kiến trúc phân tầng điều khiển (Raspberry Pi đóng vai trò Master xử lý ảnh - Arduino đóng vai trò Slave điều khiển động cơ bước qua driver A4988) cùng các thuật toán phân ngưỡng màu HSV, lọc trung vị khử nhiễu và trích xuất đường bao Contours.

Câu hỏi thường gặp

1. Tại sao đồ án lại kết hợp cả Raspberry Pi và Arduino thay vì chỉ sử dụng một bo mạch duy nhất?

Tác giả nhận định Raspberry Pi và Arduino có tính chất bổ trợ cho nhau: Raspberry Pi vượt trội về khả năng xử lý phần mềm, chạy hệ điều hành Linux và thư viện thị giác máy tính OpenCV nặng; trong khi Arduino xử lý mạnh mẽ, chính xác và ổn định đối với các tác vụ điều khiển phần cứng thuần túy thời gian thực như phát chuỗi xung điều khiển động cơ bước và đóng cắt relay.

2. Vì sao không gian màu HSV được ưu tiên sử dụng thay cho RGB khi nhận diện rác?

Trong không gian RGB, màu sắc được xác định bởi sự kết hợp của 3 màu cơ bản nên giá trị các kênh bị thay đổi mạnh khi ánh sáng môi trường thay đổi. Không gian HSV tách biệt sắc thái màu ($H$), độ bão hòa ($S$) và độ sáng ($V$), giúp hệ thống dễ dàng thiết lập dải ngưỡng lọc màu sắc của đối tượng rác mà không bị ảnh hưởng bởi sự dao động ánh sáng từ môi trường bên ngoài.

3. Hệ thống phần cứng của robot sử dụng các loại nguồn cấp nào?

Robot sử dụng hai nguồn năng lượng riêng biệt để đảm bảo công suất và giảm nhiễu: một khối Pin LiPo 3S 2200mAh kết hợp mạch hạ áp LM2596 DC-DC để cấp nguồn cho phần động lực/chấp hành, và một module mạch nguồn pin sạc Raspberry Pi Lithium Battery Power Pack 3800mAh chuyên dụng để cấp nguồn ổn định cho bo mạch máy tính nhúng Raspberry Pi 3.

4. Quy trình xử lý ảnh trên Raspberry Pi để phát hiện rác gồm các bước cơ bản nào?

Quy trình gồm 6 bước chính: (1) Thu nhận khung hình từ camera Picamera V2; (2) Chuyển đổi không gian màu từ RGB sang HSV bằng cv2.cvtColor(); (3) Áp dụng bộ lọc làm mờ/làm mịn ảnh để giảm nhiễu; (4) Xử lý phân ngưỡng theo dải giá trị $H, S, V$ để thu được ảnh nhị phân; (5) Tìm kiếm đường bao Contours và lấy biên ngoài của đối tượng; (6) Tính toán tọa độ tâm và xác định vị trí đối tượng so với vùng dọn dẹp (Clean Zone).

5. Những hạn chế kỹ thuật nào được tác giả ghi nhận sau khi thử nghiệm mô hình robot?

Các hạn chế được tác giả nêu rõ bao gồm: mô hình chế tạo ở quy mô nhỏ với linh kiện công suất thấp; vận tốc di chuyển của robot còn chậm; thuật toán nhận diện mới chỉ xử lý được đối tượng có một màu sắc đơn giản; đề tài thực hiện trong thời gian ngắn (một học kỳ) nên chưa đánh giá được trong các môi trường sàn thực tế phức tạp.

Kết luận

Đồ án tốt nghiệp "Thiết kế robot dọn rác ứng dụng xử lý ảnh" của sinh viên Hoàng Văn Lâm đã nghiên cứu và tích hợp thành công kỹ thuật thị giác máy tính OpenCV trên nền tảng máy tính nhúng Raspberry Pi 3 kết hợp vi điều khiển Arduino Pro Mini để điều khiển robot di động 3 bánh tự hành. Hệ thống đã triển khai hoàn chỉnh chuỗi thuật toán xử lý ảnh trong không gian màu HSV, trích xuất đường viền và xác định tọa độ rác để điều hướng động cơ bước tiếp cận mục tiêu và thực hiện thao tác hút rác. Mặc dù còn những giới hạn về công suất linh kiện và khả năng phân loại rác đa màu sắc, mô hình đã chứng minh tính khả thi của giải pháp nhúng lai chi phí thấp trong việc tự động hóa công tác dọn dẹp vệ sinh môi trường.