Bối cảnh và vấn đề nghiên cứu
Trong xu thế phát triển của tự động hóa và công nghiệp hóa, robot di động (Mobile Robot) ngày càng giữ vị trí quan trọng trong nhiều lĩnh vực như sản xuất công nghiệp, kho vận tự động, y tế, an ninh và thám hiểm. Khác với các cánh tay robot công nghiệp truyền thống chỉ thao tác tại vị trí cố định, robot di động sở hữu khả năng tự hành, di chuyển linh hoạt trong không gian làm việc chưa được định hình trước mà không cần phụ thuộc hoàn toàn vào hệ thống dẫn đường cơ điện cố định. Nhằm giải quyết bài toán tự hành thông minh kết hợp thu thập và nhận diện môi trường xung quanh, đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Cơ điện tử tại Trường Đại học Công nghiệp Hà Nội đã thực hiện đề tài "Nghiên cứu, thiết kế và chế tạo robot di động dạng vi sai tích hợp camera 3D xử lý ảnh".
Mục tiêu và nhiệm vụ nghiên cứu của đề tài được tác giả xác định cụ thể gồm:
- Nghiên cứu tổng quan và cơ sở lý thuyết về hệ thống robot di động dạng vi sai.
- Tích hợp hệ thống camera 3D và các thuật toán xử lý ảnh phục vụ nhận dạng đối tượng và đo khoảng cách.
- Tính toán, thiết kế kết cấu cơ khí, xây dựng hệ thống điện tử - điều khiển, chế tạo mô hình thực nghiệm và đánh giá hoạt động của hệ thống robot di động vi sai.
Đối tượng nghiên cứu trọng tâm bao gồm 3 thành phần chính:
- Cơ cấu robot di động dẫn động vi sai 3 bánh.
- Hệ thống thu nhận dữ liệu không gian gồm cảm biến LiDAR 2D và camera chiều sâu 3D.
- Thuật toán xử lý ảnh nhận diện đối tượng, thuật toán định vị, lập bản đồ (SLAM) và điều khiển tự hành.
Phạm vi nghiên cứu tập trung vào việc mô hình hóa chuyển động trên mặt phẳng 2D, xây dựng bản đồ môi trường trong nhà, lập quỹ đạo di chuyển tránh vật cản tĩnh và nhận diện vật thể thông qua thị giác máy tính trong điều kiện phòng thí nghiệm.
Cơ sở lý thuyết và phương pháp nghiên cứu
Khung lý thuyết và mô hình toán học
Nghiên cứu ứng dụng các mô hình toán học và giải thuật điều khiển chuyên ngành Cơ điện tử và Robot học:
- Mô hình động học thuận (Forward Kinematics): Thiết lập ma trận Jacobian mô tả quan hệ giữa vận tốc góc của hai bánh xe dẫn động ($\dot{\varphi}_r$, $\dot{\varphi}_l$) với vận tốc dài ($V_A$) và vận tốc góc quay ($\dot{\theta} = \omega$) của robot trong hệ tọa độ cố định và hệ tọa độ gắn trên robot.
- Mô hình động học ngược (Inverse Kinematics): Xác định tốc độ quay cần thiết của từng bánh xe dựa trên bán kính bánh xe $R$, khoảng cách giữa hai bánh dẫn $2L$ và quỹ đạo mong muốn.
- Mô hình động lực học Lagrange: Sử dụng phương trình Lagrange loại II với hàm đặc trưng $L = T - V$ (trong đó thế năng $V = 0$ do di chuyển trên mặt phẳng) để tính toán tổng động năng $T$ của thân xe và cụm bánh xe/động cơ, từ đó xác định mô-men xoắn của các động cơ dẫn động:
$$M(q)\ddot{q} + V(q, \dot{q})\dot{q} + F(\dot{q}) + G(q) + \tau_d = B(q)\tau - \Lambda^T(q)\lambda$$
- Hệ điều hành Robot (ROS - Robot Operating System): Sử dụng cấu trúc phân tán dạng đồ thị các node, trao đổi dữ liệu qua Topic, Service và Message để đồng bộ hóa điều khiển phần cứng và xử lý dữ liệu cảm biến.
- Thuật toán quét bản đồ và điều hướng:
- Hector SLAM: Xây dựng bản đồ lưới 2D từ dữ liệu quét laser của LiDAR mà không bắt buộc phải có thông tin odometry chính xác cao.
- Thuật toán Dijkstra: Hoạch định đường đi toàn cục (Global Path Planning) tối ưu từ điểm xuất phát đến điểm đích trên bản đồ.
- Dynamic Window Approach (DWA): Thuật toán điều khiển cục bộ (Local Planner) lựa chọn cặp vận tốc $(v, \omega)$ tối ưu trong cửa sổ động để bám quỹ đạo và tránh vật cản.
- Mô hình thị giác máy tính YOLOv8: Ứng dụng mạng nơ-ron tích chập từ thư viện Ultralytics YOLOv8 để nhận diện vật thể và trích xuất tọa độ điểm ảnh kết hợp dữ liệu độ sâu từ camera 3D.
Phương pháp nghiên cứu
- Phương pháp nghiên cứu lý thuyết: Phân tích giải tích hình học phẳng, thiết lập hệ phương trình vi phân chuyển động động học và động lực học để làm cơ sở tính chọn công suất động cơ, nguồn cấp và thiết kế bộ điều khiển.
- Phương pháp nghiên cứu thực nghiệm: Thiết kế mô hình 3D trên phần mềm CAD, gia công chế tạo kết cấu cơ khí, lắp ráp mạch điện tử và kết nối phần cứng; chạy thử nghiệm thực tế để thu thập dữ liệu tọa độ, kiểm tra độ sai lệch giữa mô phỏng và thực tế nhằm hiệu chỉnh tham số điều khiển.
Nguồn dữ liệu và công cụ
- Dữ liệu cảm biến: Dữ liệu quét đám mây điểm 2D từ cảm biến LiDAR 2D và luồng dữ liệu hình ảnh RGB kết hợp bản đồ độ sâu từ camera Intel RealSense Depth Camera D435i.
- Phần mềm ứng dụng: Autodesk Inventor, Siemens NX (thiết kế cơ khí), môi trường ROS trên nền tảng Linux, công cụ hiển thị đồ họa RViz.
Thiết kế và triển khai hệ thống
Hệ thống robot di động vi sai được thiết kế tích hợp giữa kết cấu cơ khí, phần cứng điện tử điều khiển và các tầng phần mềm xử lý dữ liệu.
| Phân hệ |
Thành phần / Công nghệ sử dụng |
Chức năng kỹ thuật |
| Cơ khí & Dẫn động |
Cấu hình 3 bánh (2 bánh chủ động phía sau, 1 bánh tự lựa phía trước) |
Đảm bảo bán kính quay vòng nhỏ, kết cấu gọn nhẹ, chuyển hướng linh hoạt theo nguyên lý vi sai. |
| Vi điều khiển |
Board mạch ARM STM32F407VET6 |
Xử lý thời gian thực, đọc tín hiệu encoder, xuất xung PWM điều khiển tốc độ động cơ qua Driver Smart PID, tích hợp la bàn số. |
| Máy tính nhúng |
Raspberry Pi 4 |
Chạy hệ điều hành Linux và ROS, xử lý dữ liệu cảm biến, quản lý thuật toán SLAM, điều hướng và giao tiếp với STM32. |
| Cảm biến định vị |
Cảm biến LiDAR 2D |
Quét góc 360 độ xung quanh robot để thu thập khoảng cách tới các vật cản phục vụ thuật toán Hector SLAM và DWA. |
| Thị giác máy tính |
Intel RealSense Depth Camera D435i |
Thu nhận hình ảnh màu RGB và bản đồ độ sâu (Depth stream) để tính khoảng cách thực tế đến vật thể. |
| Mô hình nhận diện |
Mạng học sâu YOLOv8 |
Nhận dạng đối tượng theo thời gian thực và xác định bounding box của vật thể phía trước robot. |
Nội dung chính theo từng chương
Chương 1: Giới thiệu chung về robot di động
Chương này tổng quan về lịch sử hình thành và phát triển của robot di động từ những năm Thế chiến II (Elmer, Elsie của Grey Walter) qua các mốc phát triển nổi bật (Shakey của Stanford, Lunokhod 1, Sojourner trên sao Hỏa, Roomba, Kiva Systems, MARCbot). Tác giả phân loại robot di động theo môi trường làm việc (UGV, UAV, AUV, robot vùng cực) và theo phương thức di chuyển (chân, xích, bánh xe), đồng thời tổng kết các ứng dụng thực tiễn trong công nghiệp, y tế, nông nghiệp, an ninh và dịch vụ. Từ đó, chương 1 xác định rõ đối tượng nghiên cứu (robot di động vi sai tích hợp camera 3D), mục tiêu đề tài và phương pháp nghiên cứu lý thuyết kết hợp thực nghiệm.
Chương 2: Cơ sở lý thuyết robot di động dạng vi sai
Tập trung xây dựng nền tảng toán học và kỹ thuật cho hệ thống:
- Lựa chọn cấu hình dẫn động: So sánh ưu - nhược điểm giữa các cấu hình xe 3 bánh và 4 bánh; lựa chọn cấu hình 3 bánh (2 bánh sau dẫn động độc lập, 1 bánh trước tự lựa) do ưu điểm bám đường tốt, khả năng đổi hướng nhanh và giải thuật điều khiển không quá phức tạp.
| Cấu hình xe |
Ưu điểm |
Nhược điểm |
| 3 bánh (2 bánh dẫn động sau, 1 bánh tự lựa trước) |
Tiếp xúc mặt đường tốt, khó lật hơn dạng bánh tự lựa sau, bán kính quay nhỏ. |
Trọng lượng phân bố trên hình tam giác; bánh tự lựa có ma sát nhỏ có thể bị xoay khi cua tốc độ cao. |
| 3 bánh (2 bánh dẫn động sau, bánh tự lựa sau) |
Tiếp xúc mặt đường tốt. |
Khi ôm cua mang tải dễ lật; bánh tự lựa sau ma sát nhỏ dễ làm xoay xe khi vào cua nhanh. |
| 4 bánh (4 bánh chủ động) |
Tải trọng phân bố đều cho các động cơ, giảm tải động cơ đơn lẻ. |
Xe dễ bị trượt bánh, giải thuật điều khiển phức tạp, khó rẽ ở các góc cua có bán kính nhỏ. |
- Mô hình hóa hệ thống: Xây dựng chi tiết mô hình động học thuận, động học ngược thông qua ma trận Jacobian và thiết lập mô hình động lực học bằng phương trình Lagrange để tính toán công suất và mô-men xoắn.
- Hệ thống điều khiển & Vi xử lý: So sánh các dòng vi điều khiển AVR, PIC, ATMega2560 và ARM; quyết định lựa chọn kiến trúc ARM nhờ tốc độ xử lý cao, nhiều ngoại vi và khả năng đáp ứng tốt các tác vụ thời gian thực.
- Xử lý ảnh và điều hướng: Trình bày lý thuyết mạng YOLOv8 của Ultralytics, cơ chế trích xuất độ sâu của camera 3D, nguyên lý thuật toán Hector SLAM, thuật toán tìm đường ngắn nhất Dijkstra và thuật toán điều khiển bám quỹ đạo tránh va chạm DWA.
Chương 3: Tính toán, thiết kế hệ thống
Chương 3 chuyển hóa các cơ sở lý thuyết thành bản vẽ và cấu trúc phần cứng - phần mềm cụ thể:
- Thiết kế cơ khí: Tính chọn công suất động cơ dẫn động; thiết kế 3D các module di chuyển, cụm đế, tấm gá động cơ và vỏ bảo vệ robot trên phần mềm Autodesk Inventor; mô phỏng bố trí tổng thể các cụm linh kiện trên phần mềm Siemens NX.
- Thiết kế hệ thống điều khiển: Lập sơ đồ khối kết nối phần cứng giữa máy tính nhúng Raspberry Pi 4, board vi điều khiển STM32F407VET6, mạch công suất Driver Smart PID, la bàn số và các cảm biến.
- Xây dựng chương trình điều hướng và lập bản đồ: Thiết kế lưu đồ thuật toán xây dựng bản đồ 2D bằng Hector SLAM dựa trên dữ liệu quét từ cảm biến LiDAR 2D; thiết lập lưu đồ chương trình điều hướng (navigation).
- Tích hợp thị giác máy tính: Kết nối camera Intel RealSense D435i, xây dựng luồng dữ liệu xử lý ảnh với mô hình YOLOv8 để nhận dạng đối tượng và thuật toán ánh xạ tọa độ 2D sang không gian 3D nhằm tính toán khoảng cách chính xác tới đối tượng gần nhất.
Chương 4: Chế tạo mô hình và đánh giá hoạt động của hệ thống
Ghi nhận toàn bộ quá trình thi công và thử nghiệm thực tế:
- Gia công, chế tạo: Hoàn thiện gia công cơ khí tấm đế kim loại, vỏ robot, bộ kẹp bánh xe và tiến hành lắp ráp khung vỏ hoàn chỉnh.
- Thi công mạch và lập trình giao tiếp: Lắp ráp hệ thống mạch điện tử, kết nối nguồn và thiết lập giao thức truyền thông nối tiếp giữa vi điều khiển STM32 và môi trường ROS chạy trên Raspberry Pi / Laptop.
- Thực nghiệm chức năng:
- Thu thập dữ liệu quét từ cảm biến LiDAR 2D và hiển thị chính xác đám mây điểm, bản đồ không gian trên giao diện RViz.
- Chạy thử nghiệm thuật toán lập bản đồ Hector SLAM và thuật toán điều hướng tự động Dijkstra/DWA trong môi trường phòng thử nghiệm.
- Kiểm tra tính năng nhận diện vật thể của camera Intel RealSense D435i kết hợp YOLOv8, đo đạc khoảng cách thực tế và kiểm chứng khả năng tự động né tránh vật cản tĩnh trên đường di chuyển.
Kết quả và đóng góp
Kết quả chính đạt được
- Chế tạo thành công mô hình phần cứng: Hoàn thiện mô hình robot di động vi sai 3 bánh hoàn chỉnh với kết cấu cơ khí vững chắc, bố trí gọn gàng cụm động cơ, board mạch điều khiển STM32F407VET6, máy tính nhúng Raspberry Pi 4, cảm biến LiDAR 2D và camera 3D Intel RealSense D435i.
- Xây dựng hoàn chỉnh mô hình toán học: Thiết lập thành công hệ phương trình động học thuận, động học ngược và phương trình động lực học Lagrange, làm cơ sở chính xác cho việc tính toán điều khiển và ổn định chuyển động của robot.
- Triển khai thành công hệ thống phần mềm trên ROS: Thiết lập giao tiếp ổn định giữa tầng điều khiển cấp thấp (STM32) và tầng xử lý cấp cao (ROS trên Raspberry Pi); tích hợp thành công các gói phần mềm Hector SLAM, thuật toán Dijkstra và DWA.
- Thực nghiệm điều hướng và xử lý ảnh: Robot có khả năng quét tạo bản đồ môi trường thực tế, hiển thị trực quan dữ liệu trên RViz, tự động hoạch định đường đi tránh vật cản tĩnh; đồng thời nhận diện được các đối tượng thông qua YOLOv8 và xuất ra giá trị khoảng cách từ camera đến đối tượng gần nhất.
Đóng góp của đề tài
- Tổng hợp hoàn chỉnh quy trình từ tính toán lý thuyết động học, động lực học đến thiết kế cơ khí 3D (CAD), gia công chế tạo và lập trình điều khiển nhúng cho robot tự hành.
- Kết hợp đồng thời giữa cảm biến quét laser 2D (LiDAR) phục vụ lập bản đồ/điều hướng và camera thị giác 3D (Intel RealSense D435i) phục vụ nhận dạng đối tượng, nâng cao mức độ tự chủ của robot di động vi sai.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế
- Cấu hình 3 bánh sử dụng 1 bánh trước tự lựa có đặc tính ma sát nhỏ tại bánh dẫn hướng, do đó khi robot di chuyển hoặc vào cua ở vận tốc cao vẫn tiềm ẩn hiện tượng trượt bánh hoặc sai lệch góc hướng.
- Các thử nghiệm tránh vật cản chủ yếu được đánh giá trên các vật cản tĩnh trong không gian phòng thí nghiệm xác định; khả năng phản ứng với các vật cản động xuất hiện ngẫu nhiên ở tốc độ cao chưa được tối ưu hóa toàn diện.
Hướng phát triển tiếp theo
- Nghiên cứu hoàn thiện thuật toán tránh vật thể chuyển động ngẫu nhiên (Dynamic Obstacle Avoidance) trong môi trường thực tế phức tạp.
- Tối ưu hóa tốc độ xử lý của mô hình học sâu YOLOv8 trực tiếp trên phần cứng máy tính nhúng để giảm độ trễ xử lý khung hình.
- Nâng cấp thuật toán dung hợp cảm biến (Sensor Fusion) giữa dữ liệu IMU, Odometry từ bánh xe, LiDAR và Camera 3D nhằm tăng độ chính xác định vị khi robot di chuyển trên các bề mặt có độ ma sát không đồng đều.
Giá trị tham khảo
Đồ án tốt nghiệp là tài liệu kỹ thuật có giá trị tham khảo thiết thực cho:
- Sinh viên và học viên ngành Cơ điện tử, Robot học, Tự động hóa và Kỹ thuật Điều khiển: Cung cấp phương pháp thiết lập phương trình động học/động lực học Lagrange cho robot vi sai, cách tính chọn động cơ và quy trình thiết kế khung vỏ trên phần mềm CAD (Inventor, NX).
- Người nghiên cứu hệ điều hành ROS và Xe tự hành (AGV/AMR): Cung cấp tài liệu mẫu về sơ đồ kết nối node ROS, cấu hình Hector SLAM, tích hợp cảm biến LiDAR 2D, lập trình giao tiếp giữa vi điều khiển họ ARM STM32 với ROS qua cổng truyền thông nối tiếp.
- Kỹ sư phát triển ứng dụng Thị giác máy tính trong Robot: Cung cấp quy trình tích hợp camera độ sâu Intel RealSense D435i với mạng nơ-ron YOLOv8 để nhận diện và tính toán khoảng cách vật thể trong không gian thực.
Câu hỏi thường gặp
1. Tại sao nhóm tác giả lại lựa chọn cấu hình robot 3 bánh thay vì 4 bánh?
Nhóm tác giả đã phân tích và so sánh các cấu hình dẫn động: cấu hình 4 bánh chủ động tuy phân bố tải đều nhưng dễ bị trượt bánh, thuật toán điều khiển phức tạp và khó đổi hướng ở khúc cua hẹp. Cấu hình 3 bánh (2 bánh chủ động phía sau, 1 bánh tự lựa phía trước) đảm bảo tiếp xúc mặt đường tốt, kết cấu gọn, bán kính quay nhỏ và thuật toán điều khiển vi sai đơn giản, phù hợp với mục tiêu chế tạo thử nghiệm của đồ án.
2. Hệ thống điều khiển của robot được phân tầng phần cứng như thế nào?
Hệ thống được chia làm hai cấp: cấp điều khiển chuyển động thời gian thực sử dụng board mạch vi điều khiển ARM STM32F407VET6 kết hợp Driver Smart PID để đọc encoder và xuất xung PWM điều khiển động cơ; cấp xử lý tác vụ thông minh sử dụng máy tính nhúng Raspberry Pi 4 (hoặc Laptop) chạy ROS để xử lý thuật toán SLAM, điều hướng và xử lý thị giác máy tính.
3. Robot sử dụng phương pháp nào để quét bản đồ không gian và định vị?
Robot sử dụng cảm biến LiDAR 2D để thu thập dữ liệu quét xung quanh kết hợp với thuật toán Hector SLAM. Phương pháp này cho phép xây dựng bản đồ dạng lưới 2D trực tiếp từ dữ liệu quét laser và hiển thị trực quan trên công cụ RViz của ROS.
4. Chức năng nhận dạng và đo khoảng cách vật thể được thực hiện bằng công nghệ nào?
Hệ thống sử dụng camera đo chiều sâu Intel RealSense Depth Camera D435i kết hợp mô hình mạng học sâu YOLOv8 (từ Ultralytics). YOLOv8 chịu trách nhiệm nhận diện và xác định vị trí đối tượng trên ảnh RGB, sau đó dữ liệu độ sâu từ camera D435i được trích xuất để tính toán khoảng cách từ robot đến đối tượng gần nhất.
5. Mô hình động lực học của robot được xây dựng bằng phương pháp lý thuyết nào?
Mô hình động lực học được xây dựng bằng phương pháp Lagrange loại II với hàm Lagrangian $L = T - V$. Do robot chuyển động trên mặt phẳng ngang nên thế năng $V = 0$, tổng động năng $T$ bao gồm động năng của thân xe, bánh xe và quán tính của các động cơ DC, từ đó suy ra các phương trình vi phân mô tả mô-men xoắn của bánh trái và bánh phải.
Kết luận
Đồ án tốt nghiệp "Nghiên cứu, thiết kế và chế tạo robot di động dạng vi sai tích hợp camera 3D xử lý ảnh" đã hoàn thành toàn diện các mục tiêu đề ra từ nghiên cứu lý thuyết động học, động lực học đến chế tạo thành công mô hình phần cứng thực tế. Việc kết hợp đồng bộ giữa vi điều khiển STM32, máy tính nhúng, hệ điều hành ROS, cảm biến LiDAR 2D và camera 3D Intel RealSense D435i cùng mô hình YOLOv8 chứng minh tính đúng đắn của giải pháp thiết kế. Kết quả của đề tài đóng góp một mô hình mẫu hoàn chỉnh, tạo tiền đề vững chắc cho việc phát triển các dòng robot tự hành công nghiệp và robot dịch vụ thông minh trong tương lai.
