MỞ ĐẦU Hiện nay các hệ thong điều khiển xe tự động trên thế giới hỗ trợ cho các tài xế lái xe an toàn hơn ngày càng được chú trọng đến. Nhiều công ty công nghệ có uy tín trên thé giới như Tesla, Uber, Google. đã tham gia nghiên cứu và đưa ra những giải pháp xe tự hành. Mặc dù nhiều giải pháp được đưa ra với độ chính xác ngày càng cao nhưng nền công nghiệp xe tự hành vẫn chưa hoàn thiện, tiêu biểu là hệ thống Autopilot của Tesla đã gây tai nạn chết người vào năm 2019.
Từ thực trạng đó đề tài xây dựng chương trình điều khiển xe tự hành ngày càng được nhiều sự quan tâm và phát triển, các đề xuất về giải pháp được không ngừng phát triển, tiêu biểu là các cuộc thi xe tự hành do các trường đại học, trung học phổ thông, thậm chí là trung học cơ sở không ngừng được tô chức nhằm kích thích sự hứng thú của học sinh, sinh viên vào lĩnh vực xe tự hành. Từ thực trạng trên chúng tôi cũng muốn tham gia vào lĩnh vực nghiên cứu xe tự hành bằng đề tài “Xây dựng chương trình điều khiển xe tự hành ứng dụng Deep Learning”. TONG QUAN DE TÀI 1. Tinh hình nghiên cứu nước ngoài Ngày nay công nghệ xe tự hành được coi là một lĩnh vực mới mẻ, mặc dù ý tưởng đó đã có từ năm 1925 với một chiếc xe điều khiển bằng radio và mãi đến năm 1969 một trong những người sáng lập trí tuệ nhân tạo, ông John McCarthy đã giới thiệu khái niệm tự tri vào năm 1969 và đặt tên là ROBO-CHAUFFevo.
Năm 2003 Toyota đã giới thiệu Prius hybrid chiếc xe phô biến cho bãi đỗ xe tự động có tất cả cảm biến và camera hoạt động tốt. Năm 2015 Tesla đã giới thiệu hệ thống Autopilot băng camera, radar, cảm biến sonar 360 độ cho phép hỗ trợ lái xe ở những đoạn đường văng ít người và hỗ trợ đậu xe. Năm 2017 thì GM Authority đưa ra một sản pham đột pha đó là Gm Super Cruise, chiếc xe có thé tự động chuyền làn đường, thay đổi tốc độ, kiểm soát hệ thống phanh tao cảm giác thoải mái cho người lái và hành khách. Năm 2020 một công ty con của Google là Waymo đã cho ra mắt sản phẩm của họ với chức năng lái xe tự động hoàn toàn, hành khách lên xe và chỉ định điểm đến [1].
Tại Mỹ số lượng xe tự lái do Tesla sản xuất đã có người mua ngày cảng tăng nhất là những tín đồ đam mê công nghệ tuy nhiên số lượng này là không đáng kẻ. Một trong những nguyên nhân chính là chúng chưa thực sự tốt dé mọi người có thé đặt cả mạng sống của mình vào đó và một phần cũng là rào cản về mặt pháp lý. Tuy nhiên theo nghiên cứu của Viện Bảo hiểm an toàn đường bộ Mỹ (IIHS), các phương tiện tự lái chỉ có thể giảm thiểu khoảng một phần ba các vụ tai nạn đơn giản bởi hệ thống tự lái có nhận thức chính xác hơn so với người lái xe và không dễ bị mắt tập trung khi lái xe. Dé có thé tránh đa số các vụ va cham, IIHS nói rang các phương tiện tự lái cần phải được lập trình kỹ càng để ưu tiên an toàn hơn tốc độ và thuận tiện.
Trong 10 vụ tai nạn, có tới 9 vụ liên quan đến lỗi của tài xế, IHS lưu ý đó là "lỗi cuối cùng trong một chuỗi các sự kiện", dẫn đến một tai nạn không đáng có. Do đó, việc không có người lái cũng không thê ngăn chặn mọi tai nạn. Vậy nên việc phát triên xe tự lái là một việc mang lại lợi ít rât lớn và rât cân thiết cho người lái xe và cho hành khách, theo ITHS nó giúp giảm thiêu rủi ro tai nạn 10 đi 34% [2]. Trong 11 năm nghiên cứu và phát triển (2009-2020) Waymo đã nghiên cứu và đưa ra xe tự lái ở cấp độ 4 theo thang đo 6 cấp độ của The Society of Automotive Engineers (SAE) [3], điều này cho thấy một tương lai với việc xe tự lái sẽ đảm nhiệm hoàn việc lái xe của con người không còn bao xa.
Tình hình nghiên cứu trong nước Trên thế giới công nghệ xe tự lái đã và đang phát triển rất mạnh mẽ và nghiên cứu cách đây hàng chục năm. Tuy nhiên, tại Việt Nam đây vẫn là một lĩnh vực còn khá mới mẻ. Hiện tại trong nước chỉ có duy nhất một tập đoàn nghiên cứu về xe tự hành đó là tập đoàn FPT. Năm 2019 họ đã hợp tác với Yamaha đề phát triển.
Cụ thể, hãng xe Nhật Bản đóng góp các bộ phận về phần cứng của xe như khung gầm, pin, mô tơ điện. Hệ thống tự lái sẽ được FPT phát triển và hoàn thiện các tính năng vào quý 4 năm 2019. Họ đã chạy thử thành công quãng đường 4 km, với tốc độ 7km/h qua 5 trạm xe buýt và nhiều điểm cua, nút giao cắt trong khuôn viên khu đô thị Ecopar. Dé đặt xe, người dùng chỉ cần chọn điểm khởi hành, điểm kết thúc trên ứng dụng, hệ thống tự động tính toán cung đường tôi ưu dé điều phối xe đón khách theo thứ tự thời gian gọi xe.
Trong thời gian di chuyền, xe tự động dừng, tránh các vật cản cố định va các vật cản xuất hiện bất ngờ cũng như những phương tiện cùng tham gia giao thông trên cung đường và dừng, đón trả khách tại các trạm chờ có định với độ chính xác 100%. Khi kết thúc hành trình và không có khách xe tự động di chuyên về bãi đỗ xe [4]. Như vậy xe tự hành của FPT đã đạt được cấp độ 3 theo thang đo cua The Society of Automotive Engineers (SAE) [3]. Giải pháp đề xuất Với sự bùng nô của các giải thuật cùng với cuộc cách mạng công nghiệp 4.0 đã và đang tác động tích cực đến cuộc sống hăng ngày của con người.
Máy móc sẽ dần thay thé lao động chân tay, đó là kết qua tất yếu của cuộc cách mạng công nghiệp lần thứ 4. 11 MACHINE LEARNING Hình 1.1 Sự khác nhau giữa các khái niệm trong trí tuệ nhân tạo [5]. Dựa vào xu hướng đó cùng với sự phát triển mạnh mẽ của công nghệ phần cứng đã mang lại lợi thế lớn cho trí tuệ nhân tạo. Chúng tôi muốn tham gia nghiên cứu một phần nhỏ trong lĩnh vực này bằng việc nghiên cứu một mô hình xe tự lái đơn giản bang deep learning.
Chúng tôi chia đề tai làm hai phan chính gồm xác định góc lái và nhận diện tin hiệu giao thông. Chúng tôi dùng hai mạng Deep Learning phục vụ cho bài toán lần lượt như sau: MobileNet V2 SSD dé nhận diện tín hiệu giao thông, mô hình mạng MobileNet V3 Small phục vụ cho việc xác định góc lái. Mục tiêu va giới han đề tài 1. Mục tiêu của đề tài Mục tiêu của đề tài là xây dựng một chương trình điều khiển xe tự hành ứng dụng Deep Learning với dữ liệu đầu vào là hình ảnh được thu thập bằng camera và dữ liệu đâu ra là tính hiệu điêu khiên xe, cụ thê là góc lái của xe.
Giới hạn của đề tài Chương trình điều khiến xe tự hành chỉ hoạt động trong môi trường ánh sáng vào ban ngày, ánh sáng đều, không có hiện tượng chói sáng, đường thử nghiệm là đường mô hình, có đầy đủ hai vạch trắng hai bên, màu đường là màu đen. Chương trình nhận vào dữ liệu là hình ảnh từ camera và đưa ra giá tri góc lái xe và tốc độ quay của bánh xe phù hợp với hoàn cảnh tức thời tại thời điểm thu dữ liệu. Dữ liệu huấn luyện cho các mô hình deep learning của hệ thống cụ thê gồm: - 15 loại biển báo: 224, 122, 301e, 301d, 301a, 102, 302a, 302b, 202, 127, 134, 408, 123a, 123b, 124a. Các biển báo được sử dung là biên báo tiêu chuẩn của Việt Nam.
Mỗi loại biên báo 3000 ảnh huấn luyện. - Lan đường: Lan đường (vùng đường). Dữ liệu đầu vào 2000 ảnh. - Thu thập dữ liệu về góc lái.
Thu thập ít nhất 2000 mẫu. Chương trình chỉ nhận diện tối da 4 loại biển báo cùng một lúc. Chương trình hoạt động với tốc độ xử lý tối thiêu 12 FPS. Tốc độ xe thực nghiệm tối đa là 3(km/h) trên đường thang và tối đa 1(km/h) trên các đoạn đường cong.
Độ chính xác của góc lái được đánh giá bằng thực nghiệm, cụ thé là xe mô hình sẽ phải hoàn thành ít nhất 4 vòng liên tục trên bản đồ mô hình. Độ chính xác khi nhận điện biển báo giao thông trên 75%, độ chính xác này được đánh giá trên tap dir liệu đã thu thập dé huấn luyện. Ý nghĩa thực tiễn của đề tài Đề tài xây dựng chương trình điều khiển cho xe tự hành là một phần nhỏ và đơn giản trong sự phát triển của việc phát triển hệ thống xe tự lái nhưng đề tài có thể tạo sự hứng thú cho các bạn sinh viên, học sinh trong việc tham gia nghiên cứu xe tự hành ở Việt Nam. Đề tài là một động lực nhỏ cho lĩnh vực nghiên cứu xe tự hành, cung câp một nên tảng đê các thê hệ sau có thê tiêp cận nhanh chóng hơn trong việc 13 tham gia nghiên cứu.
Mặc dù còn thô sơ nhưng đề tài đã thé hiện được một hệ thống điêu khiên cơ bản của một xe tự hành một cách dé hiéu và dê tiêp cận hon. Thuật toán điều khiến P. Tổng quan PID (Proportional Integral Derivative) là một bộ điều khiến vi tích phân tỉ lệ, hoạt động theo cơ chế phản hồi vòng điều khiến, được sử dụng rộng rãi trong các robot công nghiệp. Bộ điều khién PID sẽ tính toán độ sai số giữa giá trị thực tế và giá trị đặt mong muốn nhằm giảm giá trị sai số bằng cách điều chỉnh giá trị điều khiển đầu vào.
Tùy vào từng hệ thống mà bộ điều khién PID sẽ khác nhau. Bộ điều khiến P.D hoạt động dựa vào ba thông số là P tượng trưng cho giá trị tỉ lệ, I tượng trưng cho tích phân, D tượng trưng cho đạo hàm. Giá trị tỉ lệ P đại diện cho độ sai số hiện tại, giá trị tích phân I đại điện cho độ ảnh hưởng của tổng sai số quá khứ, giá trị đạo hàm D đại diện cho tác động của tốc độ biến đổi sai số. Tổng chập của ba tac động này dùng dé điều chỉnh quá trình thông qua một phan tử điều khiển như vị trí của van điều khiển hay bộ nguồn của phần tử gia nhiệt.