Luận án tóm tắt Nghiên cứu phương pháp tổng hợp cảm biến dùng cho kỹ thuật dẫn đường các Robot di động

nhà là khung ảnh 2D. Thực hiện phép hợp (U) tất cả các điểm ảnh có 
tọa độ (x,y), ta được kết quả “ép” các khung trong ảnh 3D của môi 
trường theo phương z thành một bản đồ 2D duy nhất trên mặt phẳng x-
y như hình 3.18. 
Hình 3.18 Ép ảnh 3D thành 2D trên 
mặt phẳng xy 
Hình 3.19 
 Hình 3.19 a) Ví dụ minh họa quét ảnh 3D; b) hình chiếu các điểm ảnh 
hướng về cảm biến trên mặt phẳng xy, ứng với một giá trị góc quét k có 
nhiều điểm ảnh (tròn hay tam giác) có các giá trị R khác nhau; c) mặt cắt 
đứng của quá trình quét với các điểm ảnh cùng có giá trị quét k nhưng có 
chiều cao khác nhau nên có giá trị R khác nhau. 
(a) 
(c) 
(b) 
 18 
 Giải thuật 3D-to-2D IPaBD 
 Bước 1: Xuất phát từ tập hợp số liệu điểm ảnh 3D, thực hiện 
phép hợp tất cả các điểm ảnh lên mặt phẳng tọa độ (x,y). 
 Bước 2: Với mỗi góc quét ngang k, tìm và chọn 1 giá trị Rk 
= Rmin. 
 Bước 3: Loại bỏ các điểm có z > zngưỡng và z = 0. 
 Bước 4: Thực hiện giải thuật phân đoạn ảnh (nếu cần). 
3.2.3. Thực nghiệm xây dựng bản đồ và áp dụng cho vạch đường đi 
và điều khiển robot. 
3.2.3.1. Kết quả xây dựng bản đồ bằng giải thuật IpaBD. 
Ảnh 3D thu được tại hiện trường như hình 3.20 với điểm xuất phát 
S(0,0)mm và đích D(-2200,6800)mm. Robot có chiều cao bằng zngưỡng 
= 1.200mm. Tại hiện trường, có một cổng (A) có thanh dầm nằm thấp 
hơn chiều cao của robot và một cổng (B) có thanh dầm nằm cao hơn 
robot. Ngoài ra có một hành lang (C) với chiều cao không hạn chế 
nhưng ở vị trí bên cạnh. Robot cần chọn cho mình một đường đi từ S 
tới đích D ngắn nhất mà không va chạm với các vật cản. 
Hình 3.20 Ảnh chụp 3D môi 
trường toàn cục 
Hình 3.22 Kết quả bản đồ thu được do 
giải thuật IPaBD 
3.2.3.2. Thực nghiệm vạch đường đi và điều khiển robot nhờ bản đồ 
dẫn đường. 
Không gian mặt sàn được rời rạc hóa thành một ma trận M(j,k) ô 
chữ nhật, mỗi ô có kích thước (a  a) cm, gọi là ô chiếm giữ. Giá trị a 
được chọn bằng 1/3 đường kính thiết diện ngang của robot. Như vậy 
tâm một ô chiếm giữ M(j,k) sẽ có tọa độ là (j.a+a/2, k.a+a/2) và chiếm 
một vùng tọa độ x từ j.a đến j(a+1) và vùng tọa độ y từ k.a đến k(a+1). 
 19 
Nếu điểm ảnh trên bản đồ có tọa độ nằm trong vùng tọa độ ô nào thì ô 
đó được gọi là bị chiếm giữ và được gán giá trị logic “1”, các ô còn lại 
thuộc về không gian tự do, có giá trị “0”. Kết quả lập trình sử dụng giải 
thuật tìm kiếm A* từ điểm xuất phát S tới điểm đích D trên bản đồ số 
hóa từ hình 3.22 cho đường đi tối ưu qua các lưới chiếm giữ được biểu 
diễn trên hình 3.23. 
Ở đây không gian bản đồ được chia thành 4040 ô. Do kích thước 
của robot là (8080 cm), mỗi ô được chọn là (2020 cm). Ta thấy bản 
đồ của các vùng bị chiếm giữ bao gồm cả phần dãn ảnh (có độ sáng 
đậm). 
Hình 3.23 Vạch đường cho robot trên 
bản đồ IPaBD bằng giải thuật tìm 
kiếm A*. 
Hình 3.24 Bản đồ Voronoi với 
đường đi tối ưu qua nút B (đường 
đậm nét). 
3.3. Kết luận. 
Tác giả lần đầu tiên đã thử nghiệm việc tổng hợp cảm biến với 4 
cảm biến như vậy trên một mô hình robot đa cảm biến ở Viêt nam, cho 
được kết quả tôt, phù hợp giữa lý thuyết và thực nghiệm. 
Phương pháp tổng hợp dữ liệu cảm biến theo không gian cũng đã 
được tác giả nghiên cứu để phát triển xây dựng bản đồ dẫn đường 2D 
từ các dữ liệu 3D. Qua đó, tác giả đã phát triển một giải thuật mới giải 
quyết vấn đề này với tên gọi giải thuật ép ảnh và phát hiện vật cản 
IPaBD. Nội dung của những nghiên cứu trong chương này đã được 
công bố tại [3-9]. 
 20 
CHƯƠNG 4 
ĐIỀU KHIỂN CHUYỂN ĐỘNG 
4.1. Điều khiển bám quĩ đạo theo hàm Lyapunov kết hợp với tổng 
hợp cảm biến bằng bộ lọc Kalman mở rộng. 
Hình 4.1 Thế và các thông số của robot.
    
 
 
2 2
2 2
2 2 2
2 2
atan 2 ,
atan 2 ,
x x y y
y y x x
y y y x

 
 
   
   
   
 (4.1) 
Mục tiêu của bộ điều khiển bây giờ trở thành tìm luật điều khiển 
vận tốc sao cho (,,) tiến tới zero khi robot tiến về đích. Mô hình 
động học của robot di động có thể được biểu diễn như sau: 
cos sin x y         (4.2) 
Trong đó,  và v lần lượt là vận tốc góc và vận tốc dài của robot. 
Mô hình động học của robot được mô tả qua các biến dẫn đường 
(,,) như sau: 
cos sin sin α -ω ν α / ρ ν α / ρ         (4.3) 
4.1.1. Thiết kế bộ điều khiển. 
4.1.1.1. Điều khiển ổn định trong tập cấu hình toàn cục g. 
Chọn hàm Lyapunov như sau: 
2 2
1 2 2/ 2 ( ) / 2 0
cos
( cos sin / )( ) /
g gV V V h
k
k k h

 
  
  
        
     

  
 (4.7) 
Trong đó kv và kα là các hệ số vận tốc, để đáp ứng điều kiện tối ưu 
của luật điều khiển thì đạo hàm bậc nhất của Vg1 và Vg2 luôn luôn có giá 
 21 
trị âm do đó các biến dẫn đường sẽ hội tụ về không ở tại tọa độ đích. 
Khi đó, có thể chứng minh được rằng đạo hàm của hàm Lyapunov V
theo các biến dẫn đường sẽ luôn âm hệ thống sẽ xuất phát từ cấu hình 
trong g tiến đến cấu hình trong l. Luật điều khiển cấu hình toàn cục 
có thể viết lại như sau: 
cos
( cos sin / )( ) /
k
k k h

 
  
        

  
 (4.11) 
4.1.1.2. Điều khiển ổn định hệ thống trong tập cấu hình cục bộ l. 
Ta có thể chứng minh được rằng luật điều khiển (4.11) ổn định tiệm 
cận trong cấu hình toàn cục g .Tuy nhiên nó lại không ổn định trong 
cấu hình cục bộ l. Do đó ta sẽ phải thiết kế lại bộ điều khiển để hệ 
vòng kín bền vững. 
Chọn luật điều khiển cho cấu hình cục bộ của tập l được đưa bởi 
như sau: 
cos
e
k
k


  
 
 
 
(4.15) 
2 2 2cos 0l v eV k k      (4.18) 
4.1.2. Ước lượng trạng thái của robot. 
Thông thường từ mô hình động học chuyển động của robot, xác 
định các sai số của hệ thống, nhưng đối với chúng tôi các sai số của hệ 
thống được định nghĩa thông qua bộ lọc Kaman mở rộng. 
Để xác định các yếu tố đầu vào  và v để điều khiển robot đi theo 
quỹ đạo (4.7). Các nhiễu đo (X, Y, θ) ảnh hưởng đáng kể đến hiệu 
quả của mô hình điều khiển, bộ lọc Kalman mở rộng được sử dụng để 
tổng hợp dữ liệu từ các cảm biến (như trình bày ở chương 3) và chuyển 
động học của robot để ước lượng chính xác hơn trạng thái của hệ thống 
như biểu diễn trên hình 4.2. 
Hình 4.2 Sơ đồ khối của vòng điều khiển. 
 22 
4.1.3. Kết quả mô phỏng và thực nghiệm. 
Hình 4.3 Kết quả mô phỏng. 
Hình 4.4 Kết quả thực nghiệm. 
Hình 4.5 Kết quả điều khiển ổn định. 
4.2. Điều khiển tránh vật cản cục bộ bằng tổng hợp dữ liệu các 
cảm biến siêu âm. 
Hình 4.7 Sơ đồ bố trí các cảm biến 
siêu âm cho phương pháp 
Improved-VFH. 
Hình 4.8 Cơ chế cập nhật thông tin 
trong Improved-VFH. 
Để khắc phục các nhược điểm “cực tiểu cục bộ”, chúng tôi đã áp 
dụng phương pháp VFH của J. Borenstein và cải tiến để phù hợp với 
cấu hình robot, phương pháp đó được đặt tên là Improved-VFH với 
một hệ thống 8 cảm biến siêu âm đo khoảng cách như hình 4.7, cho 
phép phát hiện các vật cản phía trước và hai bên cạnh robot. Phương 
pháp này vẫn sử dụng biểu đồ lưới như trong VFH nhưng với luật cập 
nhật được minh họa như hình 4.8. Nghĩa là mỗi lần đọc thông tin từ 
cảm biến siêu âm, thuật toán chỉ gán các giá trị 2 hoặc 3 tại các ô như 
trong hình vẽ, ngoài ra tất cả các ô khác đều được gán giá trị 0. 
 23 
4.3. Kết quả thực nghiệm và thảo luận. 
Chúng tôi điều khiển dẫn đường toàn cục theo theo quỹ đạo dẫn 
đường và tránh vật cản cục bộ bằng phương pháp Improved-VFH. 
4.3.1. Điều khiển dẫn đường toàn cục bằng đồ thị Voronoi và tránh 
vật cản cục bộ. 
Hình 4.9 cho kết quả khả quan khi robot có khả năng tránh được vật 
cản xuất hiện bất ngờ theo phương pháp Improved-VFH và tiếp tục 
bám theo quỹ đạo toàn cục để về tới đích. 
Hình 4.9 Tránh vật cản đột xuất trên quỹ đạo robot với phương pháp 
Improved-VFH. 
4.3.2. Điều khiển dẫn đường toàn cục bằng đồ thị A* và tránh vật 
cản cục bộ. 
Hình 4.10 Tránh vật cản đột xuất trên quỹ đạo robot với phương pháp 
Improved-VFH. 
Hình 4.10 cho kết quả khả quan hơn nữa, như đã thấy sau cổng B là 
hai bình cứu hỏa đặt gần nhau tuy rằng trong bản đồ tránh vật 2D được 
xây dựng bằng thuật toán ở trên không được hiện thị bởi vì bị chắn bởi 
một phần cổng B (do trong cùng một góc quét  tia laser chỉ phát hiện 
được các vật cản gần nó nhất), nhưng do áp dụng phương pháp 
 24 
Improved-VFH robot vẫn đi qua được. Nếu dùng các phương pháp 
khác tại đó sẽ tạo thành hợp lực đẩy robot ra xa cửa. 
4.4. Kết luận. 
Kết quả việc kết hợp sử dụng hàm điều khiển Lyapunov với bộ lọc 
Kalman như vậy cho phép tăng tính chính xác và ổn định của quỹ đạo 
chuyển động. Phương pháp hàm Lyapunov tuy có thể đòi hỏi một 
quãng đường đi dài hơn nhưng bù lại sẽ có được một quỹ đạo liên tục, 
đáp ứng được cả góc hướng của robot tại điểm đích. 
Các kết quả nghiên cứu này đã được công bố trên [10,11]. 
CHƯƠNG 5 
KẾT LUẬN VÀ THẢO LUẬN HƯỚNG PHÁT TRIỂN 
5.2. Những đóng góp chính của Luận án. 
1. Đã thiết kế, xây dựng thành công một robot di động đa cảm 
biến, đặc biệt là đã xây dựng cải tiến thành công một thiết bị đo xa 
laser 2D thành một cảm biến đo xa 3D. 
2. Đã nghiên cứu đề xuất một giải thuật tổng hợp dữ liệu cảm 
biến IPaBD, cho phép xây dựng thành công bản đồ dẫn đường 2D 
chứa đựng các thông tin hình ảnh 3D phong phú. 
3. Đã thực nghiệm thành công quá trình tổng hợp tới 4 cảm 
biến hiện đại. 
4. Đã đề xuất một giải pháp tăng hiệu quả của khâu điều khiển 
chuyển động bằng việc chia khâu này thành 2 quá trình (cấu hình) với 
2 hàm Lyapunov khác nhau và kết hợp quá trình sau với việc tổng hợp 
cảm biến bằng lọc Kalman mở rộng. 
5. Trên cơ sở tổng hợp một số cảm biến siêu âm ít hơn thông 
thường, đã thử nghiệm thành công một giải thuật cải tiến Improved-
VFH từ giải thuật VFH, nhằm khắc phục hiện tượng “cực tiểu cục bộ”, 
đưa robot đến đích an toàn. 
5.3. Hướng phát triển tương lai. 
 Tất cả kết quả nghiên cứu kể trên chỉ mới thực hiện ở môi trường 
trong nhà, hướng sắp tới đề tài sẽ áp dụng các kết quả trên cho việc dẫn 
đường các xe tự hành di chuyển trên các địa hình ngoài trời.