I. Mục đích nghiên cứu
Định vị là một phần không thể thiếu trong các ứng dụng điều khiển hoặc giám sát, đặc biệt là trong những môi trường không ổn định hoặc nguy hiểm, nơi mà các hệ thống định vị truyền thống như GPS không thể hoạt động hiệu quả. Hệ thống định vị quán tính, sử dụng cảm biến IMU, là một lựa chọn hợp lý vì nó có khả năng hoạt động độc lập và cung cấp thông tin vị trí dựa trên chuyển động của robot. Tuy nhiên, cảm biến IMU dễ bị ảnh hưởng bởi nhiễu, dẫn đến sai số tích lũy theo thời gian. Để cải thiện độ chính xác, việc kết hợp với cảm biến Lidar là cần thiết. Cảm biến Lidar cung cấp thông tin vị trí ổn định và có thể tạo bản đồ 3D, nhưng thời gian quét có thể lâu. Luận văn này sẽ xây dựng hệ thống định vị tích hợp IMU và Lidar dựa trên bộ lọc Kalman lặp (IEKF). Hệ thống này sẽ cung cấp dữ liệu vị trí có thể sử dụng cho các robot hoặc phương tiện tự hành trong môi trường trong nhà và ngoài trời.
II. Tổng quan về tình hình nghiên cứu
Sự kết hợp giữa IMU và Lidar đã được nghiên cứu để giảm thiểu sai số tích lũy trong các hệ thống định vị quán tính. Các phương pháp sử dụng Lidar thường cho kết quả không tốt trong môi trường ít đặc trưng, do đó việc kết hợp với IMU giúp cải thiện chất lượng ước lượng. Có hai cách tiếp cận cho việc tích hợp: tích hợp lỏng và tích hợp chặt. Trong tích hợp lỏng, dữ liệu từ IMU và Lidar được xử lý độc lập và kết hợp ở giai đoạn cuối để điều chỉnh sai số. Phương pháp feature-based scan matching thường được sử dụng để tính toán độ lệch giữa các quét Lidar. Bên cạnh đó, nghiên cứu của Zhang và cộng sự đã chỉ ra rằng việc tiền xử lý dữ liệu từ IMU có thể cải thiện đáng kể độ chính xác của hệ thống.
III. Thuật toán định vị tích hợp IMU Lidar
Thuật toán định vị tích hợp IMU và Lidar sử dụng bộ lọc Kalman lặp IEKF. Các biến trạng thái bao gồm vị trí, vận tốc, góc hướng và độ lệch của các cảm biến. Hệ thống này cung cấp dữ liệu vị trí có thể sử dụng cho các robot hoặc phương tiện tự hành. Việc sử dụng bộ lọc Kalman lặp giúp cải thiện độ chính xác của hệ thống định vị bằng cách giảm thiểu sai số tích lũy từ cảm biến IMU. Các thí nghiệm sẽ được thực hiện trong các môi trường khác nhau để chứng minh hiệu quả của hệ thống định vị tích hợp này. Hệ thống cũng sẽ được mở rộng để bao gồm cảm biến Encoder nhằm nâng cao độ chính xác và tính khả thi của các ứng dụng trong thực tế.
IV. Hệ thống phần cứng và phần mềm
Hệ thống thực nghiệm được xây dựng bao gồm phần cứng và phần mềm cần thiết để triển khai thuật toán định vị tích hợp IMU/Lidar. Phần cứng bao gồm cảm biến IMU, Lidar và các thiết bị hỗ trợ khác như Encoder. Phần mềm sử dụng các công cụ lập trình để thu thập và xử lý dữ liệu từ các cảm biến. Hệ thống được thiết kế để dễ dàng mở rộng và tích hợp với các cảm biến khác trong tương lai. Giao diện người dùng cũng được phát triển để hiển thị thông tin vị trí và trạng thái của hệ thống trong thời gian thực, giúp người dùng dễ dàng theo dõi và điều chỉnh hệ thống khi cần thiết.
V. Kết quả thực nghiệm và đánh giá
Các thí nghiệm được thực hiện trong môi trường indoor và outdoor với nhiều điều kiện khác nhau để đánh giá hiệu quả của thuật toán định vị tích hợp. Kết quả cho thấy hệ thống có khả năng cung cấp thông tin vị trí chính xác hơn so với việc sử dụng riêng lẻ cảm biến IMU hoặc Lidar. Đặc biệt, trong các điều kiện môi trường phức tạp, sự kết hợp này giúp giảm thiểu đáng kể sai số tích lũy. Các số liệu từ thí nghiệm cho thấy rằng việc áp dụng bộ lọc Kalman lặp IEKF đã cải thiện hiệu suất của hệ thống định vị, mở ra hướng phát triển mới cho các ứng dụng trong lĩnh vực robot tự hành.
