Xác Định Vùng Tìm Kiếm An Toàn Trên Hình Ảnh Địa Hình

• Tác giả: Nguyễn Thị Chuyên
• Người hướng dẫn: TS. Nguyễn Văn Huân
• Trường học: Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Xác Định Vùng Tìm Kiếm An Toàn Trên Hình Ảnh Địa Hình
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Thái Nguyên

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. MỞ ĐẦU
• 2. CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN XÁC ĐỊNH VÙNG TÌM KIẾM
• 2.1. Khái quát về xử lý ảnh
• 2.2. Các giai đoạn chính trong xử lý ảnh
• 2.3. Một số vấn đề cơ bản trong xử lý ảnh
• 2.4. Các ứng dụng của xử lý ảnh
• 2.5. Tổng quan về bài toán xác định vùng tìm kiếm
• 3. CHƯƠNG 2: MỘT SỐ KỸ THUẬT XÁC ĐỊNH VÙNG TÌM KIẾM
• 3.1. Phương pháp Canny
• 3.2. Nguyên lý của thuật toán
• 3.3. Kỹ thuật Sobel
• 3.4. Thuật toán phân ngưỡng Threshold
• 3.5. Kỹ thuật Hough
• 3.6. Kỹ thuật Tracking
• 4. CHƯƠNG 3: MÁY BAY KHÔNG NGƯỜI LÁI VÀ QUY TRÌNH XỬ LÝ TÌM KIẾM VÙNG AN TOÀN
• 4.1. Khái quát về lịch sử phát triển và ứng dụng của UAV
• 4.2. Phân loại UAV
• 4.3. Tình hình nghiên cứu và phát triển UAV ở nước ta
• 4.4. Một số quy trình xử lý tìm kiếm vùng an toàn
• 5. CHƯƠNG 4: CHƯƠNG TRÌNH THỰC NGHIỆM
• KẾT LUẬN VÀ ĐỀ NGHỊ
• TÀI LIỆU THAM KHẢO

I. Tổng Quan Về Xác Định Vùng Tìm Kiếm An Toàn SLZ

Việc xác định vùng tìm kiếm an toàn là một yếu tố quan trọng trong nhiều lĩnh vực, đặc biệt là trong lĩnh vực hàng không, cụ thể là với máy bay không người lái (UAV). Việc này đòi hỏi sự kết hợp giữa kiến thức về xử lý ảnh, địa hình và các yếu tố an toàn. Một vùng hạ cánh an toàn (SLZ) phải đáp ứng các tiêu chí nhất định về độ bằng phẳng, kích thước và sự vắng mặt của các chướng ngại vật. Việc xác định SLZ hiệu quả giúp tăng cường tính an toàn và độ tin cậy của các hoạt động bay. Luận văn này tập trung vào các kỹ thuật và phương pháp xác định vùng tìm kiếm trên hình ảnh địa hình, nhằm ứng dụng vào việc tìm kiếm khu vực hạ cánh cho UAV. Bài toán này không chỉ mang tính lý thuyết mà còn có giá trị ứng dụng thực tiễn cao trong nhiều lĩnh vực.

1.1. Khái Niệm Vùng Tìm Kiếm An Toàn SLZ

Vùng tìm kiếm an toàn (SLZ) là khu vực được xác định là phù hợp và an toàn cho việc hạ cánh của các phương tiện bay, đặc biệt là UAV. SLZ phải đáp ứng các tiêu chí về địa hình (độ dốc, độ bằng phẳng), kích thước (đủ lớn để hạ cánh an toàn), và môi trường xung quanh (không có chướng ngại vật, nguy cơ cháy nổ). Theo [13] [14], vùng an toàn là một phần không thể thiếu trong việc đảm bảo an toàn cho UAV. Việc xác định SLZ hiệu quả giúp giảm thiểu rủi ro tai nạn và hư hỏng thiết bị. Nghiên cứu về SLZ tập trung vào việc phát triển các thuật toán và phương pháp tự động xác định khu vực an toàn từ dữ liệu hình ảnh và địa hình.

1.2. Tầm Quan Trọng Của Xác Định SLZ Cho UAV

Việc xác định vùng an toàn là yếu tố then chốt để đảm bảo an toàn cho UAV. Khi UAV thực hiện các nhiệm vụ, đặc biệt là ở những khu vực địa hình phức tạp, việc tìm kiếm và lựa chọn một khu vực hạ cánh an toàn là vô cùng quan trọng. Nếu không có SLZ, UAV có thể gặp nguy hiểm khi hạ cánh, dẫn đến hư hỏng thiết bị hoặc thậm chí là tai nạn. Việc xác định SLZ cũng giúp UAV hoạt động hiệu quả hơn, đặc biệt là trong các nhiệm vụ tìm kiếm cứu nạn hoặc giám sát. SLZ cho phép UAV hạ cánh và nạp năng lượng hoặc thay thế pin, sau đó tiếp tục thực hiện nhiệm vụ.

II. Thách Thức Trong Xác Định Vùng Tìm Kiếm Trên Ảnh

Việc xác định vùng tìm kiếm trên ảnh địa hình không phải là một nhiệm vụ dễ dàng. Có nhiều yếu tố có thể gây khó khăn cho quá trình này, bao gồm sự biến đổi về ánh sáng, góc nhìn, và sự xuất hiện của các chướng ngại vật. Ngoài ra, độ phân giải của ảnh cũng có thể ảnh hưởng đến độ chính xác của kết quả. Theo tài liệu, SLZ cần đảm bảo nhiều yếu tố để UAV có thể hạ cánh an toàn. Các thuật toán xử lý ảnh phải đủ mạnh mẽ để vượt qua những thách thức này và xác định khu vực an toàn một cách chính xác. Các phương pháp phân tích ảnh cần phải có khả năng xử lý nhiễu và loại bỏ các yếu tố không liên quan, tập trung vào các đặc điểm quan trọng của địa hình.

2.1. Các Yếu Tố Ảnh Hưởng Đến Độ Chính Xác

Nhiều yếu tố ảnh hưởng đến độ chính xác của việc xác định vùng an toàn trên ảnh địa hình. Ánh sáng thay đổi có thể làm ảnh hưởng đến khả năng nhận diện các đặc điểm của địa hình. Góc nhìn khác nhau có thể gây ra sự biến dạng hình ảnh, làm cho việc phân tích trở nên khó khăn hơn. Sự xuất hiện của các chướng ngại vật như cây cối, nhà cửa, hoặc các vật thể khác có thể che khuất khu vực hạ cánh tiềm năng. Độ phân giải ảnh thấp có thể làm giảm độ chính xác của việc xác định vùng tìm kiếm, đặc biệt là khi cần phải đánh giá độ bằng phẳng của địa hình.

2.2. Vấn Đề Về Xử Lý Nhiễu Trong Ảnh Địa Hình

Nhiễu là một vấn đề phổ biến trong ảnh địa hình, có thể gây ảnh hưởng đến độ chính xác của các thuật toán xử lý ảnh. Nhiễu có thể xuất phát từ nhiều nguồn khác nhau, bao gồm cảm biến, môi trường, và quá trình truyền dữ liệu. Các thuật toán cần phải có khả năng loại bỏ hoặc giảm thiểu nhiễu để đảm bảo kết quả chính xác. Một số phương pháp thường được sử dụng để xử lý nhiễu bao gồm lọc Gaussian, lọc trung bình, và các kỹ thuật biến đổi wavelet.

III. Phương Pháp Xác Định Vùng Tìm Kiếm An Toàn Sử Dụng Canny

Một trong những phương pháp hiệu quả để xác định vùng tìm kiếm trên ảnh địa hình là sử dụng thuật toán Canny. Thuật toán Canny là một kỹ thuật dò biên mạnh mẽ, có khả năng phát hiện các đường biên rõ ràng trong ảnh. Bằng cách kết hợp Canny với các kỹ thuật xử lý ảnh khác, có thể xác định khu vực an toàn một cách chính xác. Theo nghiên cứu của Canny, việc sử dụng nhiều giai đoạn xử lý khác nhau giúp tăng cường độ chính xác và giảm thiểu sai sót. Việc điều chỉnh các tham số của thuật toán Canny có thể giúp tối ưu hóa kết quả cho các loại ảnh địa hình khác nhau.

3.1. Nguyên Lý Hoạt Động Của Thuật Toán Canny

Thuật toán Canny hoạt động dựa trên một số bước chính. Đầu tiên, ảnh được làm mịn bằng bộ lọc Gaussian để giảm nhiễu. Sau đó, thuật toán tính toán độ lớn và hướng của gradient tại mỗi pixel. Tiếp theo, thuật toán sử dụng kỹ thuật triệt tiêu cực đại không cực đại (non-maximum suppression) để làm mỏng các đường biên. Cuối cùng, thuật toán sử dụng kỹ thuật ngưỡng kép để xác định các pixel nào là biên thực sự. Quy trình này giúp Canny trở thành một trong những thuật toán dò biên hiệu quả nhất hiện nay. Các bước được thực hiện tuần tự giúp loại bỏ các đường biên giả và giữ lại các đường biên quan trọng nhất.

3.2. Ứng Dụng Canny Trong Xác Định Vùng An Toàn

Trong bài toán xác định vùng an toàn, Canny có thể được sử dụng để phát hiện các đường biên của các chướng ngại vật như cây cối, nhà cửa, và các vật thể khác. Bằng cách phân tích vị trí và hình dạng của các đường biên này, có thể xác định khu vực nào là an toàn để hạ cánh. Ví dụ, một khu vực không có đường biên hoặc có ít đường biên có thể được coi là một khu vực an toàn tiềm năng. Canny giúp làm nổi bật các đặc điểm quan trọng của địa hình, từ đó giúp việc xác định SLZ trở nên dễ dàng và chính xác hơn.

IV. Kỹ Thuật Phân Ngưỡng Thresholding Trong Tìm Kiếm

Kỹ thuật phân ngưỡng là một phương pháp quan trọng trong xử lý ảnh, được sử dụng để phân tách các đối tượng hoặc vùng quan tâm khỏi nền. Trong bài toán xác định vùng tìm kiếm an toàn, phân ngưỡng có thể được sử dụng để phân biệt giữa khu vực an toàn và khu vực không an toàn. Có nhiều phương pháp phân ngưỡng khác nhau, bao gồm phân ngưỡng cố định, phân ngưỡng động và phân ngưỡng tối ưu. Việc lựa chọn phương pháp phân ngưỡng phù hợp phụ thuộc vào đặc điểm của ảnh địa hình và yêu cầu của bài toán.

4.1. Phân Ngưỡng Cố Định Và Ưu Nhược Điểm

Phân ngưỡng cố định là phương pháp đơn giản nhất, trong đó một ngưỡng duy nhất được sử dụng để phân tách các pixel thành hai loại: pixel thuộc đối tượng và pixel thuộc nền. Ưu điểm của phương pháp này là dễ thực hiện và tính toán nhanh. Tuy nhiên, nhược điểm là không linh hoạt và có thể không hiệu quả trong trường hợp ánh sáng thay đổi hoặc độ tương phản thấp. Việc chọn ngưỡng cố định phù hợp có thể khó khăn và đòi hỏi nhiều thử nghiệm.

4.2. Phân Ngưỡng Tối Ưu Otsu Cho Ảnh Địa Hình

Phân ngưỡng tối ưu (Otsu) là một phương pháp tự động lựa chọn ngưỡng, dựa trên việc tối đa hóa phương sai giữa các lớp pixel. Phương pháp này thường cho kết quả tốt hơn so với phân ngưỡng cố định, đặc biệt là trong trường hợp ánh sáng thay đổi hoặc độ tương phản thấp. Otsu có thể được áp dụng cho ảnh xám hoặc ảnh màu. Trong bài toán xác định vùng an toàn, Otsu có thể được sử dụng để phân biệt giữa khu vực bằng phẳng và khu vực gồ ghề.

V. Kết Hợp Hough Transform Để Xác Định Đường Thẳng

Hough Transform là một kỹ thuật mạnh mẽ trong xử lý ảnh, được sử dụng để phát hiện các hình dạng hình học, đặc biệt là đường thẳng và đường tròn. Trong bài toán xác định vùng tìm kiếm an toàn, Hough Transform có thể được sử dụng để phát hiện các đường thẳng đại diện cho các cạnh của các chướng ngại vật như tòa nhà hoặc đường xá. Bằng cách xác định vị trí và hướng của các đường thẳng này, có thể đánh giá mức độ an toàn của một khu vực.

5.1. Nguyên Tắc Cơ Bản Của Hough Transform

Hough Transform hoạt động bằng cách biến đổi ảnh đầu vào thành một không gian tham số, trong đó mỗi điểm đại diện cho một đường thẳng hoặc đường tròn tiềm năng. Thuật toán sau đó tìm kiếm các điểm có số lượng điểm ảnh ủng hộ lớn nhất trong không gian tham số. Các điểm này đại diện cho các đường thẳng hoặc đường tròn có khả năng cao nhất xuất hiện trong ảnh. Quá trình biến đổi và tìm kiếm giúp Hough Transform trở nên hiệu quả trong việc phát hiện các hình dạng hình học, ngay cả khi chúng bị che khuất hoặc bị nhiễu.

5.2. Ứng Dụng Hough Transform Trong Xác Định SLZ

Trong bài toán xác định vùng an toàn, Hough Transform có thể được sử dụng để phát hiện các đường thẳng đại diện cho các cạnh của các tòa nhà, đường xá hoặc các chướng ngại vật khác. Bằng cách phân tích vị trí và hướng của các đường thẳng này, có thể đánh giá mức độ an toàn của một khu vực. Ví dụ, một khu vực có nhiều đường thẳng song song có thể được coi là không an toàn do có thể chứa các tòa nhà hoặc đường xá. Hough Transform giúp cung cấp thông tin quan trọng để đánh giá và lựa chọn SLZ phù hợp.

VI. Thực Nghiệm Và Đánh Giá Thuật Toán Tìm Vùng An Toàn

Để đánh giá hiệu quả của các thuật toán và phương pháp, cần thực hiện các thí nghiệm trên dữ liệu thực tế. Các thí nghiệm này có thể được thực hiện trên ảnh địa hình thu thập từ các nguồn khác nhau, chẳng hạn như ảnh vệ tinh, ảnh máy bay, hoặc ảnh chụp từ UAV. Kết quả của các thí nghiệm này sẽ cho phép đánh giá độ chính xác, độ tin cậy, và tốc độ của các thuật toán. Theo kết quả thử nghiệm từ luận văn gốc, có thể thấy sự hiệu quả khi kết hợp các thuật toán để tìm kiếm một cách tối ưu vùng an toàn

6.1. Công Cụ Và Môi Trường Cài Đặt Thử Nghiệm

Các thí nghiệm có thể được thực hiện bằng cách sử dụng các công cụ và môi trường lập trình khác nhau, chẳng hạn như OpenCV, MATLAB, hoặc Python. OpenCV là một thư viện mã nguồn mở mạnh mẽ, cung cấp nhiều hàm và công cụ để xử lý ảnh và thị giác máy tính. MATLAB là một môi trường lập trình số học, được sử dụng rộng rãi trong nghiên cứu và phát triển các thuật toán xử lý ảnh. Python là một ngôn ngữ lập trình phổ biến, có nhiều thư viện hữu ích cho xử lý ảnh và khoa học dữ liệu.

6.2. Đánh Giá Kết Quả Và So Sánh Các Thuật Toán

Kết quả của các thí nghiệm cần được đánh giá một cách khách quan và toàn diện. Các tiêu chí đánh giá có thể bao gồm độ chính xác (tỷ lệ các khu vực an toàn được xác định đúng), độ tin cậy (tỷ lệ các khu vực không an toàn được loại bỏ đúng), và tốc độ (thời gian cần thiết để xử lý một ảnh). Kết quả cho thấy thuật toán Canny và Hough Transform rất hiệu quả trong việc tìm kiếm khu vực hạ cánh an toàn, đặc biệt là khi kết hợp với các thuật toán khác.

Tổng quan nghiên cứu

Trong bối cảnh phát triển nhanh chóng của công nghệ máy bay không người lái (UAV), việc xác định vùng tìm kiếm an toàn trên hình ảnh địa hình trở thành một vấn đề cấp thiết. Theo ước tính, UAV ngày càng được ứng dụng rộng rãi trong các lĩnh vực như quân sự, giám sát môi trường, cứu hộ và khảo sát địa hình. Tuy nhiên, việc lựa chọn vùng hạ cánh an toàn (Safe Landing Zone - SLZ) vẫn còn nhiều thách thức do đặc điểm phức tạp của địa hình và điều kiện môi trường. Luận văn tập trung nghiên cứu các kỹ thuật xử lý ảnh nhằm xác định vùng tìm kiếm an toàn trên hình ảnh địa hình, với mục tiêu phát triển một quy trình xử lý hiệu quả, chính xác, hỗ trợ UAV trong việc lựa chọn vị trí hạ cánh phù hợp.

Phạm vi nghiên cứu được giới hạn trong việc xử lý ảnh đầu vào có độ phân giải 640x480, sử dụng các thuật toán phát hiện biên và phân ngưỡng để xác định vùng an toàn. Thời gian nghiên cứu tập trung vào giai đoạn từ năm 2015 đến 2017, với dữ liệu thu thập từ một số địa phương có địa hình đa dạng. Ý nghĩa của nghiên cứu được thể hiện qua việc nâng cao độ chính xác trong xác định vùng hạ cánh an toàn, góp phần giảm thiểu rủi ro cho UAV, đồng thời tăng hiệu quả hoạt động trong các nhiệm vụ bay tự động.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính trong xử lý ảnh và nhận dạng vùng an toàn. Thứ nhất là lý thuyết về phát hiện biên ảnh, trong đó thuật toán Canny được sử dụng để phát hiện các cạnh rõ ràng trên ảnh địa hình, giúp phân biệt các vùng có đặc điểm địa hình khác nhau. Thứ hai là mô hình phân ngưỡng (Thresholding) nhằm tách vùng an toàn dựa trên mức xám của ảnh, bao gồm phân ngưỡng cố định và phân ngưỡng tối ưu. Ngoài ra, kỹ thuật biến đổi Hough được áp dụng để phát hiện các đường thẳng, hỗ trợ trong việc xác định biên giới vùng an toàn. Các khái niệm chính bao gồm: điểm ảnh (pixel), mức xám (gray level), vùng liên thông (connected region), và vùng hạ cánh an toàn (Safe Landing Zone - SLZ).

Phương pháp nghiên cứu

Nguồn dữ liệu chính là ảnh địa hình thu thập từ UAV với độ phân giải 640x480 pixel. Cỡ mẫu nghiên cứu bao gồm khoảng 50 ảnh địa hình khác nhau, được chọn ngẫu nhiên từ các khu vực có địa hình đa dạng nhằm đảm bảo tính đại diện. Phương pháp chọn mẫu là chọn mẫu ngẫu nhiên có chủ đích để bao phủ các dạng địa hình phổ biến. Phân tích dữ liệu sử dụng các thuật toán xử lý ảnh như Sobel, Laplace, Canny, và Blur để phát hiện biên và lọc nhiễu. Quy trình nghiên cứu được thực hiện theo timeline gồm: thu thập dữ liệu (2 tháng), tiền xử lý ảnh (1 tháng), áp dụng thuật toán phát hiện biên và phân ngưỡng (3 tháng), đánh giá kết quả và tối ưu thuật toán (2 tháng). Kết quả được đánh giá dựa trên tỷ lệ chính xác trong việc xác định vùng an toàn, so sánh với các phương pháp truyền thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Thuật toán Canny với bộ lọc GaussianBlur cho kết quả phát hiện biên chính xác nhất, đạt tỷ lệ nhận diện vùng an toàn lên đến 85%, cao hơn 12% so với kỹ thuật Sobel và 9% so với Laplace.
2. Phân ngưỡng tối ưu từ ảnh xám giúp tách vùng an toàn hiệu quả, với độ chính xác trung bình khoảng 80%, vượt trội so với phân ngưỡng cố định chỉ đạt 65%.
3. Kết hợp biến đổi Hough trong phát hiện đường thẳng giúp xác định biên giới vùng an toàn rõ ràng hơn, tăng độ tin cậy của kết quả lên khoảng 10%.
4. Quy trình xử lý ảnh tổng hợp cho phép xác định vùng hạ cánh an toàn trong thời gian trung bình 0.5 giây trên mỗi ảnh, phù hợp với yêu cầu xử lý thời gian thực của UAV.

Thảo luận kết quả

Nguyên nhân của sự vượt trội trong kết quả của thuật toán Canny là do khả năng lọc nhiễu và phát hiện biên mạnh mẽ, phù hợp với đặc điểm ảnh địa hình có nhiều chi tiết phức tạp. So sánh với một số nghiên cứu gần đây, kết quả này tương đồng với xu hướng ứng dụng thuật toán Canny trong xử lý ảnh UAV. Việc áp dụng phân ngưỡng tối ưu giúp giảm thiểu sai số do biến đổi ánh sáng và độ tương phản trong ảnh. Biến đổi Hough hỗ trợ phát hiện các đường thẳng, giúp xác định ranh giới vùng an toàn một cách chính xác hơn, điều này rất quan trọng trong việc đảm bảo UAV có thể hạ cánh an toàn. Dữ liệu có thể được trình bày qua biểu đồ so sánh tỷ lệ nhận diện vùng an toàn giữa các thuật toán và bảng thống kê thời gian xử lý, giúp minh họa rõ ràng hiệu quả của từng phương pháp.

Đề xuất và khuyến nghị

1. Áp dụng thuật toán Canny kết hợp GaussianBlur trong hệ thống xử lý ảnh UAV để nâng cao độ chính xác xác định vùng hạ cánh an toàn, với mục tiêu đạt tỷ lệ nhận diện trên 85% trong vòng 6 tháng tới, do các đơn vị phát triển phần mềm UAV thực hiện.
2. Phát triển module phân ngưỡng tối ưu tự động dựa trên đặc điểm ảnh đầu vào nhằm tăng tính linh hoạt và giảm sai số trong các điều kiện ánh sáng khác nhau, hoàn thành trong 1 năm, do nhóm nghiên cứu xử lý ảnh đảm nhiệm.
3. Tích hợp biến đổi Hough vào quy trình xử lý ảnh để xác định biên giới vùng an toàn rõ ràng hơn, giúp UAV có thể lập kế hoạch hạ cánh chính xác, triển khai trong 9 tháng, do các kỹ sư phần mềm UAV thực hiện.
4. Xây dựng hệ thống đánh giá và giám sát thời gian thực cho quá trình xử lý ảnh, đảm bảo thời gian xử lý không vượt quá 0.5 giây mỗi ảnh, nhằm đáp ứng yêu cầu bay tự động, hoàn thành trong 6 tháng, do bộ phận vận hành UAV chịu trách nhiệm.

Đối tượng nên tham khảo luận văn

1. Các nhà phát triển phần mềm UAV: Nghiên cứu cung cấp các thuật toán xử lý ảnh hiệu quả, giúp cải thiện khả năng nhận diện vùng hạ cánh an toàn, từ đó nâng cao độ tin cậy của UAV trong các nhiệm vụ bay tự động.
2. Chuyên gia xử lý ảnh và thị giác máy tính: Luận văn trình bày chi tiết các kỹ thuật phát hiện biên và phân ngưỡng, cung cấp cơ sở lý thuyết và thực nghiệm để phát triển các ứng dụng xử lý ảnh địa hình.
3. Cơ quan quân sự và an ninh: Nghiên cứu hỗ trợ trong việc ứng dụng UAV cho các nhiệm vụ trinh sát, giám sát an ninh, giúp giảm thiểu rủi ro trong quá trình hạ cánh và vận hành UAV.
4. Nhà nghiên cứu và sinh viên ngành khoa học máy tính, công nghệ thông tin: Luận văn là tài liệu tham khảo quý giá về ứng dụng xử lý ảnh trong lĩnh vực UAV, giúp nâng cao kiến thức và kỹ năng thực hành trong lĩnh vực này.

Câu hỏi thường gặp

1. Tại sao chọn thuật toán Canny trong xử lý ảnh UAV?
   Thuật toán Canny có khả năng phát hiện biên mạnh mẽ và lọc nhiễu hiệu quả, phù hợp với ảnh địa hình phức tạp. Ví dụ, trong nghiên cứu, Canny đạt tỷ lệ nhận diện vùng an toàn lên đến 85%, cao hơn các thuật toán khác.

2. Phân ngưỡng tối ưu khác gì so với phân ngưỡng cố định?
   Phân ngưỡng tối ưu tự động điều chỉnh giá trị ngưỡng dựa trên đặc điểm ảnh đầu vào, giúp tách vùng an toàn chính xác hơn trong điều kiện ánh sáng thay đổi, trong khi phân ngưỡng cố định dễ gây sai số.

3. Biến đổi Hough có vai trò gì trong xác định vùng an toàn?
   Biến đổi Hough giúp phát hiện các đường thẳng trong ảnh, từ đó xác định biên giới vùng an toàn rõ ràng hơn, hỗ trợ UAV lập kế hoạch hạ cánh chính xác và an toàn.

4. Thời gian xử lý ảnh có quan trọng không?
   Rất quan trọng, vì UAV cần xử lý ảnh trong thời gian thực để phản ứng kịp thời. Nghiên cứu đạt thời gian xử lý trung bình 0.5 giây mỗi ảnh, phù hợp với yêu cầu bay tự động.

5. Luận văn có thể áp dụng cho các loại UAV nào?
   Phương pháp nghiên cứu phù hợp với nhiều loại UAV, đặc biệt là các UAV bay ở độ cao trung bình và thấp, cần xác định vùng hạ cánh an toàn trong điều kiện địa hình phức tạp.

Kết luận

• Luận văn đã phát triển thành công quy trình xử lý ảnh xác định vùng tìm kiếm an toàn cho UAV với độ chính xác trên 85%.
• Thuật toán Canny kết hợp GaussianBlur và phân ngưỡng tối ưu là các kỹ thuật chủ đạo nâng cao hiệu quả nhận diện vùng an toàn.
• Biến đổi Hough hỗ trợ xác định biên giới vùng an toàn rõ ràng, tăng độ tin cậy cho UAV trong quá trình hạ cánh.
• Thời gian xử lý ảnh trung bình 0.5 giây đáp ứng yêu cầu xử lý thời gian thực của UAV.
• Các bước tiếp theo bao gồm tích hợp quy trình vào hệ thống UAV thực tế và mở rộng nghiên cứu với dữ liệu đa dạng hơn để nâng cao tính ứng dụng.

Đề nghị các nhà nghiên cứu và phát triển UAV tiếp tục ứng dụng và hoàn thiện các giải pháp này nhằm nâng cao hiệu quả và an toàn trong hoạt động bay tự động.