Tài liệu Báo cáo " Robot di động đa cảm biến và định vị robot bằng phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng " ppt

Hội thảo toàn quốc về Điện tử - Truyền thông – An toàn thông tin, ATC/REV-2012 1 Robot di động đa cảm biến và định vị robot bằng phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng Multi-sensor mobile robot and the sensor fusion-based localization with Extended Kalman Filter Trần Thuận Hoàng, Phùng Mạnh Dương, Đặng Anh Việt và Trần Quang Vinh Trường Đại học Công nghệ, Đại học Quốc gia Hà nội e-Mail: thuanhoang@donga.edu.vn Tóm tắt Báo cáo trình bày việc xây dựng khối cảm nhận của một robot di động đa cảm biến và việc dùng phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng để định vị chính xác cho robot. Các cảm biến hiện đại như cảm biến lập mã trục quay, cảm biến chỉ hướng, cảm biến đo xa laser, cảm biến ảnh toàn phương, cảm biến siêu âm, bộ định vị toàn cầu GPS cùng được sử dụng trong robot. Điều này đòi hỏi phải thiết kế một hệ thông tin dữ liệu có hiệu quả. Trên cơ sở hệ thống đó, các chương trình điều khiển đã được phát triển dựa vào phương pháp tổng hợp cảm biến bằng bộ lọc Kalman mở rộng, cho phép xác định chính xác vị trí và hướng của robot trong điều kiện có can nhiễu của môi trường. 1. Phần mở đầu Robot di động, như dạng các xe tự hành, cho nhiều khả năng ứng dụng trong công nghiệp và dịch vụ. Việc nghiên cứu phát triển các robot kiểu này hiện đang là bài toán được nhiều nhà nghiên cứu điện tử và điều khiển tự động trên thế giới cũng như ở Việt nam quan tâm. Một trong các vấn đề cần giải quyết là việc định vị chính xác cho robot trong quá trình dẫn đường nó tới đích. Nhìn chung, một robot gồm 3 thành phần cơ bản: bộ phận cảm nhận, bộ phận điều khiển và bộ phận chấp hành [1]. Với nhiệm vụ định vị, bộ phận cảm nhận gồm các cảm biến điện tử cùng các mạch xử lý tín hiệu phần cứng và chương trình phần mềm đóng vai trò then chốt cho phép robot tự ước lượng chính xác vị trí và hướng của nó tại một thời điểm chuyển động dựa vào các thông số đọc được từ các cảm biến. Tuy nhiên, mỗi cảm biến thường chỉ đo được một hoặc hai tham số môi trường với độ chính xác giới hạn, vì vậy một cách tự nhiên thấy rằng nếu sử dụng càng nhiều cảm biến thì càng có khả năng tăng được độ chính xác ước lượng vị trí của robot. Đó là lý do phương pháp tổng hợp các cảm biến (sensor fusion) hiện nay đang được áp dụng phổ biến trong các hệ thống robot hiện đại để tăng độ chính xác của đo lường [2,3]. Cơ sở thực hiện phương pháp này hầu hết được dựa trên suy luận xác suất. Bộ lọc Kalman mở rộng (EKF) là giải pháp xác suất hiệu quả để ước tính đồng thời các vị trí của robot dựa trên một số thông tin về cảm biến nội và cảm biến ngoại của nó. Từ các xuất phát điểm nêu trên, báo cáo này trình bày việc xây dựng bộ phận cảm nhận cho một robot di động đa cảm biến (sensor) với thiết kế các mạch điện tử liên quan và một mạng truyền thông có hiệu quả giữa các sensor và bộ điều khiển. Trên cơ sở đó, một chương trình phần mềm tổng hợp các cảm biến dựa trên lý thuyết bộ lọc Kalman mở rộng đã được phát triển và được trình bày cho phép cải thiện đáng kể độ chính xác của phép định vị robot. Nội dung của bài báo được sắp xếp như sau: Mục 2 trình bày về kết cấu phần cứng điện tử bộ phận cảm nhận đa cảm biến cùng hệ thống truyền thông trong robot; mục 3 trình bày tóm tắt các cơ sở về mạch lọc Kalman nổi tiếng, áp dụng vào mô hình động học của robot để ước lượng chính xác vị trí; mục 4 là các kết quả thực nghiệm với robot được xây dựng và thảo luận. 2. Bộ phận cảm nhận đa sensor và hệ thống truyền thông trong robot 2.1. Thiết kế bộ phận cảm biến cho robot Hình 1 là ảnh chụp robot với các cảm biến được thiết kế lắp đặt trên đó. Hình 1. Robot di động và các cảm biến. 2 Robot được xây dựng là loại có 2 bánh xe, mỗi bánh được gắn với một mô-tơ điện được điều khiển độc lập. Nhiều loại cảm biến đã được thiết kế lắp đặt trong bộ phận cảm nhận của robot di động này, dưới đây trình bày tóm tắt nguyên lý hoạt động và tính năng kỹ thuật của chúng.  Cảm biến lập mã quang (optical encoder) được gắn trực tiếp với trục quay mô-tơ, được dùng để đo vận tốc 2 bánh xe robot. Bộ lập mã quang như hình 2 cho thấy về cơ bản là một đĩa quay làm đóng-ngắt chùm tia sáng đi qua các khe. Cùng bộ phận điện tử chuyển đổi quang-điện (optron), cơ cấu này phát ra số xung điện lối ra tương ứng với một vòng quay của trục mô-tơ. Nếu đường kính của bánh xe và tỷ số truyền lực (tỷ số truyền bánh răng từ trục mô-tơ ra bánh xe robot) đã biết thì vị trí góc và tốc độ của bánh xe có thể xác định được. Việc xác định vị trí của robot bằng bộ lập mã quang này là phương pháp phổ biến trên thế giới có tên là Odometry [1]. Hình 2. Cấu trúc bộ lập mã quang.  Cảm biến chỉ hướng (heading sensor) cho phép đo góc hướng của robot so với phương từ trường của quả đất. Đây là một mô-đun cảm biến từ-địa bàn CMPS03 hoạt động dựa trên nguyên tắc hiệu ứng Hall với độ phân giải góc là 0,1. Như trên hình 3 thấy mô- đun có 2 trục hướng x và y. Cảm biến cung cấp số liệu đo cường độ từ trường theo các trục hướng này, từ đó có thể xác định được góc lệch của mô-đun so với phương từ trường quả đất khi nó được gắn cố định trên robot. Một vi xử lý tích hợp trong mạch điện tử của mô-đun cung cấp các số đo này theo chuẩn truyền thông nối tiếp [4]. Người sử dụng phải lập trình nhúng để thu thập số liệu. Hình 3. Mô-đun chỉ hướng.  Cảm biến đo xa laser LRF (laser ranger finder) model-LM211 của hãng SICK với dải đo từ 0,4 m đến 80 m đã được lắp đặt trong robot. Đây là một thiết bị cho phép xác định nhanh chóng và chính xác khoảng cách và góc lệch từ robot tới vật cản. Cảm biến hoạt động trên nguyên lý đo thời gian từ thời điểm một xung sáng laser hồng ngoại được phát ra đến thời điểm thu được xung này khi nó được phản xạ từ vật cản trong môi trường. Một hệ thống đo thời gian cực kỳ chính xác trong thiết bị cho các số đo được dùng để tính khoảng cách đến vật khi biết vận tốc của ánh sáng trong môi trường quanh robot. Bằng việc gắn một gương phản xạ quay trên đường đi của tia sáng, các xung laser này được làm chệch hướng khi gương quay. Gương phản xạ quay với tốc độ 75 vòng/giây tạo nên một dải quét tia laser hình rẻ quạt ở phía trước cảm biến với một trường nhìn 2D. Trong mỗi lần quét như vậy, các xung laser được phát đi chệch hướng với trục x một góc β với độ phân giải 0,25; 0,5 hoặc 1 như mô tả trên hình 5. Lúc này, bộ phận điện tử trong LRF sẽ phát ra một tập số liệu về khoảng cách đến đối tượng và góc quét tương ứng ở lối ra [5]. Người sử dụng phải lập trình để thu thập chính xác tập số liệu cho một chu kỳ quay gương (chu kỳ quét tia laser), là 13,3 ms. Hình 4. Mặt phẳng tia laser với các góc quét β.  Cảm biến ảnh toàn phương (omni-directional camera) loại Hyper-Omni Vision SOIOS 55 đã được sử dụng. Nó gồm một gương lồi phản xạ hình ảnh trong toàn không gian cùng một camera thông thường được đặt ở mặt phẳng ảnh của gương như hình 5. Ảnh toàn phương chứa đựng thông tin về vị trí của các đối tượng theo các góc hướng trong toàn không gian 360 [6]. Hình 5. Cấu tạo của camera toàn phương, ảnh toàn phương và ảnh toàn cảnh.  Cảm biến siêu âm: được dùng rất phổ biến cho robot di động vì rẻ và dễ sử dụng. Loại cảm biến này cho các thông tin về khoảng cách đến vật cản với thời gian thu thập số liệu nhanh. Tuy nhiên việc sử dụng chúng mắc phải các nhược điểm do tính phản xạ xuyên âm và các số đo không ổn định do chùm tia siêu âm bị tán xạ hình nón chứ không phải là một tia hẹp [7]. Vì vậy, chúng tôi chỉ sử dụng các cảm biến này để phát hiện những vật cản gần, giữ an toàn cho robot. 8 module cảm biến siêu âm loại SRF05 đã được lắp đặt cho phép phát hiện được vật từ 3cm đến 4m với sai số là 2%; góc mở chùm siêu âm phát ra khoảng 22,5 0 . 3  Cảm biến định vị toàn cầu GPS: chủ yếu áp dụng cho định vị ở môi trường ngoài trời. Một mô- đun HOLUX GPS UB-93 đã được lắp đặt và phát triển phần mềm thu thập dữ liệu trong robot [8]. Vì robot được thiết kế lắp đặt cả mạng ghép nối Internet, nên một hệ thống mở rộng A-GPS cũng đã được phát triển, cho phép trợ giúp cảm biến GPS thu nhận dữ liệu định vị tốt ngay cả trong các thời khoảng gặp điều kiện thu thông tin vệ tinh không được tốt. Ngoài hệ thống các cảm biến nêu trên dùng cho hoạt động tự trị (autonomous), chúng tôi còn thiết kế hệ thống điều khiển khiển Robot từ xa qua mạng Internet 3G, cho phép người điều khiểu có thể điều khiển robot bằng Joystick. 2.2. Phần cứng mạng thông tin cảm nhận trong robot Sơ đồ khối kết nối mạng thông tin trong robot được chỉ ra trên hình 6. Hình 6. Mạng thông tin cảm nhận trong robot. Các cảm biến kể trên được kết nối với bộ phận điều khiển của robot. Do đặc điểm về tốc độ thông tin khác nhau giữa các cảm biến và thông tin ở đây là loại điểm-đa điểm, nên một thiết kế đặc biệt cho mạng truyền tin trong robot đã được thực hiện. Ngoại trừ cảm biến ảnh toàn phương được kết nối với hệ thống vi tính trong robot qua kênh thông tin tốc độ cao IEEE-1394; các cảm biến còn lại được thiết kế thông tin với hệ điều khiển qua một chuẩn công nghiệp điểm-đa điểm theo phương pháp hỏi vòng (polling) với đường truyền RS-485 được điều khiển qua vi điều khiển MCUdsPIC 30F4011. 2.3. Phát triển phần mềm thu thập thông tin từ các cảm biến Từ hình 6 cho thấy có thể chia phần mềm thu thập thông tin từ các cảm biến thành các mô-đun có các đặc điểm riêng sau.  Thông tin hình ảnh toàn phương được thu thập trực tiếp vào máy vi tính và xử lý qua chương trình được phát triển trên môi trường Visual C ++ với công cụ là gói phần mềm mở OpenCV của Intel.  Các thông tin còn lại được trao đổi từ 14 nút mạng với nút điều khiển từ máy tính (3 nút cho mạch đo bộ lập mã quang và quay LRF, 1 nút cho cảm biến từ-địa bàn chỉ hướng, 1 nút cho truyền luồng dữ liệu từ LRF, 1 nút cho cảm biến GPS, 8 nút cho 8 cảm biến siêu âm) được truyền qua đường truyền RS-485 sử dụng giao thức Modbus/RTU [9].  Chương trình thu thập và xử lý dữ liệu từ máy đo xa laser LRF là loại đặc biệt được phát triển riêng trong ngôn ngữ Visual C++. Sau khi nhận lệnh yêu cầu truyền số liệu từ máy tính, LRF sẽ gửi về liên tục các khung dữ liệu đo tương ứng với mỗi mặt quét ngang trong thời gian 13,3 ms. Định dạng dữ liệu khung gồm 7 byte tiêu đề, 2N byte số liệu với 2 byte cho một điểm đo và cuối cùng là 2 byte mã phát hiện lỗi CRC [5]. Chương trình cần xác định được điểm khởi phát của luồng ký tự dữ liệu ra LRF bằng việc xác định chính xác 7 byte tiêu đề. Các byte này là khác nhau với các chế độ đo khác nhau. Với định dạng khung truyền 720 điểm dữ liệu LRF thì bộ đệm được chọn từ 1.700 đến 2.000 byte. Kích thước này cũng không nên lớn quá vì làm chậm lại quá trình truyền dữ liệu. 3. Chương trình tổng hợp các cảm biến dùng cho định vị robot di động Bắt đầu với mô hình động học của robot di động được thiết kế chế tạo của chúng tôi. Hình 7 biểu diễn hệ toạ độ và ký hiệu robot, trong đó (X G Y G ) là hệ tọa độ toàn cục, (X R , Y R ) là tọa độ cục bộ gắn với tâm robot. R là bán kính của bánh xe, và L là khoảng cách giữa các bánh xe. Hình 7. Thế và các tham số của robot. Mô đun GPS Mô đun từ-địa bàn Các mô-đun siêu âm Trigger cho LRF Máy đo xa laser (LMS) Điều khiển PID Encoder M0 MCU dsPIC 30F4011 Trigger switch USB to RS-485 PC USB 1394 Card bắt hình Điều khiển PID Điều khiển PID Mô tơ bánh xe 2 M1 M 2 Encoder Encoder Camera toàn phương Mô-tơ quay LRF Mô tơ bánh xe 1 nối mạng Internet 4 Trong khoảng thời gian lấy mẫu số liệu đo Δt, các tốc độ góc của các bánh xe bên trái ω L và bên phải ω R tạo ra các lượng di chuyển tương ứng của bánh trái Δs L và bánh phải Δs R : Δs L = Δt.R. ω L ; Δs R = Δt.R. ω R Từ đó dẫn đến sự dịch chuyển của tâm robot Δs và góc hướng của robot Δθ: 2 L R R L s s s s s L            Trạng thái của robot tại thời điểm k+1 trong khung tọa độ toàn cục có thể được cập nhật như sau:     1 1 1 cos / 2 sin / 2 k k k k k k k k k k k k k s x x y y s                                                    (1) Trong thực tế, hệ thống (1) gặp phải các sai số hệ thống (như sai số kích thước các chi tiết cơ khí, độ lệch trục, giới hạn độ phân giải của encoder, ) và các sai số không hệ thống (như độ trượt của các bánh xe với mặt sàn, ) Do đặc tính tích lũy của các sai số này nên độ chính xác của việc ước lượng vị trí sẽ càng bị kém đi khi robot di chuyển [10]. Có nhiều công trình cố gắng tăng độ tin cậy của việc định vị này trong đó sử dụng bộ lọc Kalman. Chúng tôi cũng đã áp dụng phương pháp tổng hợp cảm biến bằng thuật toán lọc Kalman để định vị cho robot được chế tạo và đã nhận được kết quả cải thiện được chất lượng của các phép đo này đáng kể. Có thể tóm tắt phương pháp này như sau. Nếu [ ] T X x y   là vectơ trạng thái của robot đang ở tọa độ x, y và góc hướng  , trên mặt phẳng mà nó di chuyển, trạng thái này có thể được quan sát bởi một số phép đo tuyệt đối, z. Các phép đo này được miêu tả bởi một hàm phi tuyến, h, của hệ toạ độ robot và một quá trình nhiễu Gaussian độc lập, v. Tổng quát, (2) là một hàm phi tuyến, f, với một vector đầu vào u, có phương trình trạng thái và phương trình lối ra như sau: 1 ( , ) k k k k x f x u w    (2) ( ) k k k z h x v   (3) Trong đó các biến ngẫu nhiên w k và v k biểu diễn cho quá trình và nhiễu đo tương ứng. Chúng được giả định là độc lập với nhau, ồn trắng, và với phân bố xác suất chuẩn: ~ (0, ) ~ (0, ) ( ) 0 T k k k k i j w N Q v N R E w v  Dựa trên các số liệu đo z, có thể tìm được một hệ số Kalman K trong mỗi chu kỳ lấy mẫu tín hiệu đo thuộc một vòng lặp đệ quy gọi là bộ lọc Kalman, sao cho giá trị ước lượng trạng thái của hệ gần với giá trị thực nhất. Bộ lọc Kalman mở rộng, áp dụng cho các hệ phi tuyến, được thực hiện qua các bước như sau [11]: 1. Bước dự báo với các phương trình cập nhật: - -1 -1 ˆ ˆ ( , ) k k k x f x u  (4) - -1 -1 T T k k k k k k k P A P A W Q W   (5) Trong đó - ˆ n k x  là ước lượng trạng thái tiên nghiệm tại thời điểm k cho biết giá trị trước quá trình tại thời điểm k. - ˆ k P là ma trận hiệp phương sai của sai số dự báo trạng thái. A k là Jacobi của đạo hàm riêng của f theo x. W k là Jacobi của đạo hàm riêng của f theo w. Q k-1 là ma trận hiệp phương sai nhiễu đầu vào phụ thuộc vào độ lệch chuẩn của nhiễu của tốc độ góc của các bánh xe. Chúng được mô hình hóa như là tỷ lệ thuận với tốc độ góc ω R-k , và ω L-k của các bánh xe tại thời điểm k. Điều này dẫn đến phương sai bằng 2 R  và 2 L  , trong đó δ là một hằng số xác định bởi các thực nghiệm. Ma trận hiệp phương sai Q được xác định: 2 , 2 , . 0 0 . R k k L k Q              (6) 2. Bước hiệu chỉnh với các phương trình cập nhật phép đo: - - -1 ( ) T T T k k k k k k k k k K P H H P H V R V  (7) - - ˆ ˆ ( - ( , 0)) k k k k k x x K z h x  (8) - ( - ) k k k k P I K H P  (9) Trong đó ˆ n k x  là ước lượng trạng thái hậu nghiệm tại thời điểm k, giá trị thu được sau khi đo lường z k . K k là hệ số độ lợi Kalman. V k là Jacobi đạo hàm riêng của h theo v. H k là Jacobi đạo hàm riêng của h theo x. R k là ma trận hiệp phương sai của nhiễu được ước lượng từ nhiễu trong phép đo của bộ mã hóa bánh xe và các cảm biến khác. Các phép đo của các bộ cảm biến này được thu thập vào trong véc tơ z k như sau: Bằng phương trình hệ thống (2), các tham số trạng thái (x m . odometry , y m odometry và θ m.odometry ) nhận gián tiếp bằng các chỉ số đọc từ bộ mã hóa bánh xe. Góc hướng robot có thể cũng được đo trực tiếp bởi phép đo tuyệt đối với cảm biến từ-địa bàn θ m.compass . Máy đo xa laser LRF cho phép đo các điểm đặc trưng của môi trường quanh robot. Trong trường hợp này chúng tôi chọn là một đường thẳng được phát hiện bởi LRF (ví dụ như đường cắt ngang một bức 5 tường trong phòng). Bằng phép biến đổi Hough, hai thông số của đường thẳng này có thể nhận được, đó là: khoảng cách r từ đường thẳng đến gốc tọa độ và góc  gữa đường thẳng và một trục tọa độ như hình 8 chỉ ra. Hình 8. Máy đo LRF đặt trên robot đo 2 thông số của một đường thẳng trong môi trường. Camera toàn phương cũng dễ dàng cho được các thông số đo đặc điểm môi trường với các cột mốc. Cột mốc là các vật đặt tại các tọa độ biết trước (x L , y L ) trong môi trường di chuyển của robot. Cột có màu sắc hay hình dạng định trước để chương trình thị giác máy tính có thể nhận dạng được. Từ đó giá trị đo các góc  i giữa hướng robot R với các cột mốc M i có thể nhận được (hình 9). Hình 9. Camera toàn phương đo góc tới các cột mốc. Kết hợp các phép đo gián tiếp từ Odometry và các phép đo trực tiếp từ các cảm biến như nói trên ta có ma trận z k trong phương trình sửa giá trị ước lượng (8) có dạng như sau: m.odometry m.odometry m.odometry m.compass m.LRF m.LRF m. camera k x y z r                              (10) Ma trận hiệp phương sai R k của nhiễu đo có cấu trúc đường chéo. Nhiễu của phép đo tốc độ bánh xe có thể được xác định bởi thực nghiệm. Sự chính xác của các cảm biến từ-địa bàn, của các phép đo LRF và cameara nhận được từ đặc điểm kỹ thuật của nhà sản xuất. Các số liệu này được điền vào R k cho bước điều chỉnh EKF. var( ) 0 0 0 0 0 0 var( ) 0 0 0 0 0 0 var( ) 0 0 L R compass k R     0 0 0 0 var( ) 0 0 0 0 0 0 var( ) 0 0 0 0 0 LRF LRF r  ) 0 var( camera                      4. Kết quả thực nghiệm và thảo luận Robot đã được thiết kế, chế tạo và cho chạy thử nghiệm trong một phòng có mặt sàn gỗ phẳng. Cảm biến từ-địa bàn có độ chính xác 0,1. Máy đo xa LRF có độ chính xác đo khoảng cách là 30 mm và góc lệch ±0,25. Thời gian lấy mẫu tín hiệu t của LRF là 0,1 s. Hệ số tỷ lệ  của ma trận hiệp phương sai lối vào Q k được xác định bằng thực nghiệm là 0,01. Robot được lập trình di chuyển trong phòng với các trường hợp khác nhau: - Chỉ sử dụng định vị bằng phương pháp Odometry. - Sử dụng định vị bằng phương pháp tổng hợp cảm biến với bộ lọc EFK. Với phương pháp này cũng thử với các cấu hình khác nhau: trộn lẫn chỉ sensor từ-địa bàn, trộn lẫn chỉ RLF, trộn lẫn cả hai cảm biến với phương pháp Odometry. Kết quả các quỹ đạo di chuyển nhận được từ các số liệu so với quỹ đạo thực được chỉ ra trên hình 10 cho thấy sự cải thiện đáng kể khi áp dụng phương pháp tổng hợp cảm biến và kết quả cũng cho thấy càng có nhiều cảm biến tham gia vào quá trình này thì giá trị ước lượng vị trí robot càng gần với giá trị thực [12]. Hình 10. Quỹ đạo robot ước lượng được với các cấu hình bộ lọc EFK khác nhau. Hình 11 là kết quả chi tiết về độ lệch theo phương chuyển động Y của robot nhận được từ các phép đo so với giá trị thực với các trường hợp khác nhau. Hình 12 là kết quả khác chứng minh hiệu quả của bộ lọc Kalman khi cho robot di chuyển theo một quỹ đạo hình vuông trong phòng với các trường hợp có và không có bộ lọc Kalman. Đường vị trí robot được ước lượng với EKF cho thấy nó rất gần với đường đi thực của robot. 6 Hình 11. Độ lệch theo phương Y giữa các vị trí ước lượng và vị trí thực với các cấu hình EKF khác nhau. Hình 13. Hiệu quả của bộ lọc Kalman. 5. Kết luận Các kết quả cải thiện giá trị định vị của robot di động bằng phương pháp tổng hợp cảm biến với bộ lọc Kalman cho thấy việc xây dựng robot đa sensor là có ý nghĩa thiết thực giúp cho quá trình dẫn đường robot trong hoạt động tự trị của nó. Những nghiên cứu định lượng tiếp theo sẽ được áp dụng trên hệ thống robot được thiết kế lắp đặt hứa hẹn sẽ có thêm các kết quả hữu ích đóng góp cho lĩnh vực nghiên cứu về robot di động, một loại sản phẩm tiềm năng trong các lĩnh vực công nghiệp, dịch vụ, an ninh quốc phòng. Đề tài nhận được sự hỗ trợ từ phòng thí nghiệm các hệ tích hợp thông minh SIS thuộc Đại học Công nghệ, ĐHQG HN. Tài liệu tham khảo [1] J. Borenstain, H.R. Everette, and L. Feng, "Where I am ? Sensor and Methods for Mobile Robot Positioning", University of Michigan, 1996. [2] H. F. Dunant-Whyte , “Sensor models and multi- sensor integration”,Z nt.J.Robot. Res., vol. 7, no. 6, pp. 97-113, 1988. [3] Y. C. Tang and C. S. G. Lee, “A geometric feature relation graph formulation for consistent sensor fusion” , in Proc. IEEE 1990 Int. ConSyst., Man, Cybern., Los Angeles, CA, 1990, pp. 188- 193. [4] http://www.robotelectronics.co.uk/htm/cmps3tec h.htm [5] Sick AG., 2006-08-01 Telegrams for Operating/ Configuring the LMS 2xx (Firmware Version V2.30/X1.27), www.sick.com , Germany. [6] N. Winters et al, “Omni-directional vision for robot navigation”, Omnidirectional Vision, 2000. Proceedings. IEEE Workshop on, Hilton Head Island , USA, Jun 2000. [7] J. L. Crowly, “World modeling and position estimation for a mobile robot using ultrasonic ranging”, in Proc. IEEE Int. Conf. Robot., Automat., 1989, pp. 674-680. [8] http://www.holux.com [9] http://www.modbus.org/. “MODBUS over serial line specification and implementation guide V1.02”. Dec 20, 2006. [10] J. Borenstein and L. Feng, “A Method for Measuring, Comparing, and Correcting Dead- reckoning Errors in Mobile Robots”, Technical Report UM-MEAM-94-22, University of Michigan, 1994. [11] Greg Welch and Gary Bishop, "An Introduction to the Kalman Filter", Department of Computer Science, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599-3175, 2006. [12] Manh Duong PHUNG, Thuan Hoang TRAN, Thanh Van NGUYEN, Anh Viet DANG, and Quang Vinh TRAN, "A Novel Platform for Internet-based Mobile Robot System", 7 th IEEE Conference on Industrial Electronics & Applications ICIEA 2012, Singapore. Abstract The report presents the design of a multi-sensor mobile robot and the robot’s localization based on the sensor fusion method with Extended Kalman Filter (EKF). Modern sensors such as optical encoders, heading sensor, laser range finder, omni-directional camera, ultrasonic sensor, GPS sensor used concurrently so that an efficient data communication system has been designed and installed in robot. Based on this system, the sensor fusion – based controlling program with Extended Kalman Filter was developed which permits to estimate accurately the robot’s position and orientation in condition of environment’s noise. . ATC/REV-2012 1 Robot di động đa cảm biến và định vị robot bằng phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng Multi-sensor mobile robot and the. Báo cáo trình bày việc xây dựng khối cảm nhận của một robot di động đa cảm biến và việc dùng phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng