Chương 1: Tổng Quan: Trong|chương|này, |nhóm sẽ trình|bày vềltính cấplthiết của đềltài, dựa trên xu hướng và tình hình phát triển hiện nay của khoa học và công nghệ. Chúng tôi cũng sẽ đề cập đến sự|phát triển|công nghiệp|và ảnh|hưởng của|nó đến đời|sống hàng|ngày, |từ đó giải thích lý|do lựa chọn|đề|tài này và xác định mục tiêu nghiên cứu cụ thể. Chương 2: Cơ Sở Lý Thuyết: |Chương này|cung cấp|cái nhìn|tổng quan|về các thành|phần và|chức năng|của từng|loại phần|cứng có|trong hệ|thống. |Chúng tôi|sẽ mô tả chi|tiết từng thành phần và cách chúng liên kết với nhau để xây dựng mô hình hoàn chỉnh của hệ thống xe tự hành thông minh.
Chương 3: Thiết Kế và Xây Dựng Hệ Thống: |Từ các yêu|cầu của|đề tài, chương này sẽ|trình|bày|sơ|đồ tổng quan của hệ|thống. Chúng tôi sẽ thảo luận về các phương pháp xử lý dữ liệu được sử dụng và từ đó, thiết kế mô hình hệ|thống|bao|gồm|cả phần cứng|và phần|mềm. Chương 4: Thi Công Hệ Thống: Chương này mô tả chi tiết quá trình lắp ráp các thành phần phần cứng, lập trình và nạp mã cho vi điều khiển, kiểm tra và hiệu chỉnh hệ thống, cũng như thử nghiệm thực tế để đánh giá hiệu suất và khả năng hoạt động của hệ thống xe tự hành thông minh. Chương 5: Kết Quả, Nhận Xét và Đánh Giá: |Chương này|trình|bày các kết|quả đạt|được từ|quá trình|thi công|và thử|nghiệm|hệ|thống, |đánh|giá hiệu suất hoạt|động, nhận xét về ưu điểm và nhược điểm, và đưa ra những phản hồi cùng đề xuất cải tiến để nâng cao hiệu quả hệ|thống.
Chương 6: Kết Luận và Hướng Phát Triển: |Trong|chương|cuối cùng, chúng tôi sẽ tổng kết lại|những gì đã đạt được và chưa đạt được trong quá trình thực hiện đề tài. Dựa trên các kết quả và nhận xét, chúng tôi sẽ đề xuất các hướng|phát|triển để|cải|thiện và|mở|rộng|hệ thống trong tương lai. 4 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 GIỚI THIỆU VỀ DEEP LEARNING Công nghệ Deep Learning là một nhánh thuộc trí tuệ nhân tạo tập trung vào việclxây dựnglvà huấnlluyện cáclmạng nơ-ron đểlhọc và hiểu các biểu diễn phức tạpltừ dữlliệu.[4] Điều này cho phép chúng ta giải quyết các vấn đề phức tạp mà trước đây khó khăn hoặc không thể giải quyết được bằng cách sử dụng các phương pháp truyền thống. 1 Công nghệ Deep Learning 2.1 Kiến trúc mạng nơ ron Một mạng nơ-ron sâu gồm nhiều lớp (layer) được xếp chồng lên nhau, trong đó mỗi lớp chứa các đơn vị tính toán gọi là nơ-ron.
Các lớp này được chia thành ba loại chính: Lớp Input (Input Layer): Nhận dữ liệu đầu vào và truyền chúng qua mạng. Lớp Ẩn (Hidden Layers): Là các lớp giữa input và output, nơi các phép tính toán được thực hiện để học các biểu diễn phức tạp từ dữ liệu. Lớp Output (Output Layer): Tạo ra dự đoán và kết quả của mạng dựa trên biểu diễn đã học được.2 Huấn Luyện Mạng Nơ-ron Quá trình huấn luyện mạng nơ-ron bao gồm hailgiai đoạnlchính: lanltruyền tiến và lanltruyền ngược. Với lanltruyền tiến, dữlliệu truyềnltừ lớp input qua cácllớp ẩnlđến lớp output để tạo ra dự đoán.
Trong quá trình lan truyền ngược, độ lỗi giữa dựlđoán và giáltrị thực tế được tính toán và lanltruyền ngược lại từ lớp output qua các lớp ẩn để điều chỉnh trọng số của các nơ-ron dựa trên độ lỗi đó.3 Ứng Dụng trong Xử Lý Ảnh Deep Learning đã chứng minh sự hiệu quả trong nhiều ứng dụng xử lý ảnh như nhận diện đối tượng, phân loại ảnh, phát hiện đối tượng và khôi phục ảnh.2 XỬ LÍ ẢNH VÀ THỊ GIÁC MÁY TÍNH Hình 2. 3 Thị giác máy tính Xử|lý|ảnh và thị|giác|máy|tính là hai lĩnh vực quan|trọng trong lĩnh vực AI, tập trung vào việc phân|tích và|hiểu nội dung của hình|ảnh và|video. Dưới đây là|một số khái niệm cơ bản và công nghệ liên quan đến các lĩnh vực này.1 Xử Lý Ảnh Là quá trình xử lý và phân tích hình ảnh bằng cách sử dụng các phép toán và thuật toán trong máy tính. Các công việc phổ biến trong xử lý ảnh bao gồm: • Biến đổi ảnh: Điều chỉnh kích thước, cắt ghép, xoay, làm sáng tối, làm nét hoặc làm mờ ảnh.
• Trích xuất đặc trưng: Tìm kiếm và phát hiện các đặclđiểm độc đáo trong hìnhlảnh như cạnh, lgóc, hoặclđiểm nổi bật. • Phân loại ảnh: Xáclđịnh và phânlloại các đốiltượng hoặc nhãn trong ảnh.2 Thị giác máy tính Thị giác máy tính là lĩnh vực nghiên cứu và ứng dụng các phương pháp để máy tính có thể hiểu và giải thích hình ảnh và video một cách tự động. [5] Các ứng dụng của thị giác máy tính bao gồm: • Nhận diện đối tượng: Xác|định và|định danh các đối|tượng trong|hình|ảnh hoặc video. • Phát hiện và theo dõi đối tượng: Phát hiện và theo dõi sự di chuyển của các đối tượng trong video.
• Phân tích hành vi: Hiểu và dự đoán hành vi của đối tượng trong hình ảnh hoặc video.3 Công Nghệ và Thư Viện Có nhiều công nghệ và thư viện phổ biến được sử dụng trong xử lý ảnh và thị giác máy tính, bao gồm OpenCV, TensorFlow, PyTorch và Keras. Những công nghệ này cunglcấp cáclcông cụ và tài nguyên đểltriển khailcác giải pháp thị giác máy tính một cách hiệu quả.3 ỨNG DỤNG XỬ LÍ ẢNH TRONG XE TỰ HÀNH Xử lý|ảnh và|thị giác|máy|tính đóng vai trò quan trọng trong việc phát triển và triển khai các hệ thống xe tự hành thông minh. Dưới|đây là|một số|ứng|dụng cụ thể của|xử lý ảnh và thị giác máy tính trong lĩnh vực xe tự hành.1 Nhận Diện Biển Báo Giao Thông Một trong những ứng dụng quan trọng của xử lý ảnh trong xe tự hành là nhận diện biển báo giao thông. Bằng cách sử dụng các mô hình deep learning, hệ thống xe tự hành có thể nhận diện và hiểu các biểu hiện từ biển báo giao thông như giới hạn tốc độ, dừng và quy định hướng đi.2 Phát Hiện và Theo Dõi Đối Tượng Thị giác máy tính cũng được sử dụng để phát hiện và theo dõi các đối tượng khác nhau trên đường, bao gồm xe hơi, người đi bộ, và xe đạp.
Bằng cách sử dụng các mô hình phát hiện đối tượng và phương pháp theo dõi đối tượng, hệ thống xe tự hành có thể dự đoán và phản ứng đúng với hành vi của các đối tượng này.3 Dự Đoán Hành Vi Bằng cách phân tích dữ liệu hình ảnh từ camera và cảm biến khác trên xe, hệ thống xe tự hành có thể dự đoán và đánh giá hành vi của các phương tiện khác trên đường. Điều này giúp hệ thống điều khiển tự động có thể phản ứng đúng và an toàn trong các tình huống giao thông phức tạp.4 Tăng Cường An Toàn và Hiệu Suất Tất cả những ứng dụng trên đều nhằm mục đích tăng cường an toàn và hiệu suất cho hệ thống xe tự hành. Bằng cách sử dụng xử lý ảnh và thị giác máy tính, hệ thống có khả năng phản ứng nhanh chóng và chính xác với các tình huống giao thông, từ đó giảm thiểu nguy cơ tai nạn và cải thiện trải nghiệm lái xe.4 TỔNG QUAN VỀ CÁC PHẦN CỨNG TRONG HỆ THỐNG 2.1 Module giao tiếp wifi ESP32-CAM AI Thinker ESP32-CAM là một mô-đunlcamera nhỏ gọn, cạnh tranh cao trong ngành, có khả năng hoạt động độc lập nhưlmột mô-đun chính. Với kích thướclnhỏ chỉ 40 x 27 x 12 mm và dòng tiêu thụ khi nghỉ chỉ 6mA, ESP32-CAMlrất phù hợp cholnhiều ứng dụnglIoT khác nhau.
Mô-đun nàylcó thể được sử dụngltrong các|thiết|bị nhàlthông minh, điều|khiển|không dây|công|nghiệp, |giám sátlvà kiểm soát không|dây, nhận|dạng mã QR, hệ thống|định vị khôngldây, và nhiều ứng dụnglkhác, làm cho nóltrở thành một|giải|pháp lý tưởnglcho các|ứng dụng|IoT. Sản phẩm này củalAI-Thinker có độ ổn địnhlvà độ bền cao, được trang bị camera OV2640 chất lượng caolcho hình ảnh sắc nét, không nhiễu và không gặp tình trạng treolkhi hoạt động nhờ vào IC cấp nguồnlchất lượng cao. ESP32-CAM cũng hỗ trợ mạnh mẽ từ cộng đồnglvà có thể sử dụng Arduino IDE để viết vàlbiên dịch mã nguồn, làm cho việc phát triển và triển khailứng dụng trở nên dễ dànglvà hiệu quả. 4 Module ESP CAM và đế nạp Bảng 2.
1 Thông số kỹ thuật ESP32-CAM [22] Thông số cơ bản của Esp-32 CAM: • ICichính: ESP32-Si (AI-Thinker) • Mô-đuniWi-Fi BTiSoCi802.11 b/g/n/e/i • CPUi32-bit côngisuất thấp, icũngicó thể phụcivụ bộ xửilý ứngidụng • Tíchihợp 520iKB SRAM, 4MPSRAMibêningoài • Dảiitầnisố: 1421 ~ 2484iMhz • Bluetooth: 4.2iBR/EDRiBLE • HỗitrợiUART/SPI/I2C/PWM/ADC/DAC • Hỗitrợ máyiảnhiOV2640ivà OV7670, iđèniflashitíchihợp 9 • NhúngiLwip vàiFreeRTOS • Hỗitrợichế độ hoạtiđộng STA/AP/STA+AP Sơ đồ chân: Hình 2. 5 Sơ đồ chân ESP32 Dev Module 2.2 Vi điều khiển ESP32 Dev Module • Giới Thiệu về ESP32 ESP32|là một|dòng vi xử|lý có hiệu|suất cao được sản xuất bởi Espressif Systems. Với thiết kế mạnh mẽlvà tích hợp nhiềultính năng, ESP32 là một nền tảngllý tưởng|cho việc|phát triển|các ứng|dụng IoTslvà các|dự án|nhúng. • Ưu Điểm - Hiệu Suất Cao: ESP32 được trang bị một vi xử lý kép Tensilica Xtensa LX6, cho phép xử lý đa nhiệmlvà hiệu suất mạnh mẽ.
- Kết Nối Wi-Fi và Bluetooth: ESP32 hỗ trợ kết nối Wi-Fi và Bluetooth, cho phép kết nối không dây với mạnglvà các thiết bị khác một cáchldễ dàng. - Tích Hợp Đa Chức Năng: Ngoài việc hỗ trợ Wi-Fi và Bluetooth, ESP32 còn tích hợp các giao diện như UART, SPI, I2C, GPIO, ADC, và DAC, giúp kết nốilvới nhiều loại cảm biếnlvà thiết bị ngoại vi khác. - Dung Lượng Lưu Trữ và Bộ Nhớ: ESP32 đi kèm với bộ nhớ flash tích hợplcó dung lượng lưu trữ lớn, cho phépllưu trữ ứng dụnglvà dữ liệu một cách hiệu quả. - Tiết Kiệm|Năng Lượng: ESP32 được|thiết kếlđể tiết kiệm|năng lượng, |cho phép hoạt độngltrong các ứng dụng IoT có yêu cầulnăng lượng thấp hoặc sử dụnglpin năng lượng mặt trời.
10 • Ứng Dụng: ESP32 được sửldụng rộng rãi tronglcác dự án IoT, các ứngldụng nhúng, và trong việc phát triểnlcác sản phẩm công nghệlmới. Với khả năng kết nốilmạnh mẽ vàlhiệu suấtlổn định, ESP32 là một lựa chọnlphổ biến cho việc phát triểnlcác thiết bị thông minh, hệ thống giámlsát, và các ứng dụnglkết nối. 2 Thông số kĩ thuật ESP32 Dev Module [23] 2.3 Module điều khiển động cơ L298N L298N là module điều khiển động cơ trong các xe DC và động cơ bước. Module có một IC điều khiển động cơ L298 và một bộ điều chỉnh điện áp 5V 78M05.
Module L298N có thể điều khiển tối đa 4 động cơ DC hoặc 2 động cơ DC với khả năng điều khiển hướng và tốc độ. Module điều khiển động cơ L298N có IC điều khiển động cơ L298, Bộ điều chỉnh điện áp 78M05, điện trở, tụ điện, LED nguồn, jumper 5V tích hợp. 6 Module điều khiển động cơ L298N 11 Bộ điều chỉnh điện áp 78M05 chỉ được bật khi đặt jumper. Khi nguồn điện nhỏ hơn hoặc bằng 12V thì mạch bên trong sẽ được cấp nguồn bởi bộ điều chỉnh điện áp và chân 5V có thể sử dụng như một chân đầu ra để cấp nguồn cho vi điều khiển.
Không nên đặt jumper khi nguồn điện lớn hơn 12V và chân 5V phải được cấp riêng bằng nguồn 5V cho mạch bên trong.