Thiết kế, chế tạo mạch nhận dạng hành vi lái xe và cảnh báo người lái đồ án tốt nghiệp ngành công nghệ kỹ thuật ô tô

MỤC LỤC LỜI CẢM ƠN .i MỤC LỤC ii DANH MỤC VIẾT TẮT iv DANH MỤC CÁC HÌNH v DANH MỤC CÁC BẢNG viii MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1.1 Đặt vấn đề .3 1.2 Mục tiêu 1.3 Phương pháp nghiên cứu .4 1.4 Ý nghĩa thực 1.5 Giới hạn đề tài 1.6 Các vấn đề nghiên cứu CHƯƠNG 2: CƠ SỞ LÝ LUẬN NHẬN DẠNG LÁI XE VÀ GIAO TIẾP MẠNG TRÊN XE 2.1 Nhận dạng hành vi phân tích lái xe 2.1.1 Nhận dạng hệ thống lái 2.1.2 Nhận dạng tay lái xe 10 2.1.3 Nhận dạng hành dộng đánh lái 11 2.1.4 Thuật toán AdaBoost [2] 13 2.2 Phương pháp phân tích hành vi người lái thuật tốn 15 2.2.1 Thuật toán say xỉn 15 2.2.2 Adaboost nhận dạng hành vi lái 17 2.2.3 Lựa chọn thuật tốn để phân tích hành vi người lái 19 2.3 Giao tiếp OBD2 thông qua mạng CAN 20 2.3.1 Tìm hiểu mạng CAN 20 2.3.2 Tìm hiểu OBD2 22 2.4 Giao tiếp liệu thông qua mạng LAN 30 2.4.1 Tìm hiểu Web Server 30 2.4.2 NodeMCU Esp8266 30 2.4.3 Giao thức HTTP 31 ii 2.5 Các mơ hình tham khảo 32 2.5.1 Các mơ hình thương mại nhận dạng hành vi người lái 32 2.5.2 Các đồ án trước 33 CHƯƠNG 3: CƠ SỞ LÝ THUYẾT LINH KIỆN ĐIỆN TỬ 34 3.1 Các Module linh kiện điện tử 34 3.1.1 Module nodeMCU ESP8266 34 3.1.2 Module MCP2515 37 3.1.3 Module MPU6050 39 3.1.4 Micro SD card module 41 3.1.5 Buzzer 42 3.1.6 IC L7808CV 43 3.2 Các phần mềm hỗ trợ 44 3.2.1 Arduino IDE 44 3.2.2 Sublime Text 45 CHƯƠNG 4: THIẾT KẾ, THI CÔNG VÀ THỬ NGHIỆM HỆ THỐNG 47 4.1 Ý tưởng thiết kế 47 4.2 Sơ đồ thiết kế tổng quát 48 4.3 Sơ đồ thiết kế chi tiết 49 4.4 Lưu đồ thuật toán 51 4.4.1 Thuật toán say xỉn 51 4.4.2 Thuật toán cảnh báo Adaboost 52 4.4.3 Thuật toán trạng thái bất thường 54 4.5 Thực nghiệm xe 56 4.5.1 Tiến hành nạp chương trình 56 4.5.2 Trích xuất liệu thông qua cổng OBD2 57 4.5.3 Kết thử nghiệm thực tế 58 4.6 Thực nghiệm mạch giả lập 60 4.6.1 Thiết kế mạch giả lập 60 4.6.2 Thực nghiệm giao tiếp mạch giả lập mạch ECU main cảnh báo 62 CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 63 5.1 Kết luận 63 5.2 Hướng phát triển 63 TÀI LIỆU THAM KHẢO 65 iii DANH MỤC VIẾT TẮT CAN: Controller Area Network IMU: Inertial Measurement Unit: Là chip để đo chuyển động GNSS: Global Navigation Satellite System: Hệ thống vệ tinh dẫn đường toàn cầu OBD: On-Board Diagnostics: Hệ thống tự chuẩn đoán lỗi HTTP: HyperText Transfer Protocol: Giao thức truyền tải siêu văn HTML: Hypertext Markup Language: Ngôn ngữ đánh dấu siêu văn RPM: Revolutions Per Minute: Số vòng quay phút iv DANH MỤC CÁC HÌNH Hình 2.1: Xe chuyển từ phải sang trái Hình 2.2: Hướng rẽ quay đầu xe giao thông bên phải Hình 2.3: Dữ liệu thơ [1] Hình 2.4: Dữ liệu cảm biến sau lọc nhiễu [1] 10 Hình 2.5: Nhận dạng tay lái xe [1] 11 Hình 2.6: Tốc độ góc thời gian để thay đổi đường bên trái[1] 12 Hình 2.7: Tốc độ góc thời gian rẽ trái [1] 12 Hinh 2.8: (a) Rẽ trái (b) Rẽ phải (c) Quay đầu (d) Chuyển trái (e) Chuyển phải [1]……… 13 Hình 2.9: Các hệ tọa độ cảm biến xe 16 Hình 2.10: Mơ hình nhận dạng hành động đánh lái 17 Hình 2.11 Sơ đồ tḥt tốn AdaBoost 18 Hình 2.12: Sơ đồ tính tốn kết hợp tḥt tốn 19 Hình 2.13: Mơ hình mạng CAN 20 Hình 2.14: Cấu trúc mạng CAN 21 Hình 2.15: Chuyển mã HEX sang tốc độ động 28 Hình 2.16: Chuyển mã HEX sang tốc độ xe 29 Hình 2.17: Cách thức hoạt động Web Server 30 Hình 2.18: Chế độ wifi Station nodeMCU Server 31 Hình 2.19: Client thực HTTP request hiển thị thông tin Web Page 32 Hình 2.20: TREK-132 32 v Hình 3.1: Module nodeMCU ESP8266 34 Hình 3.2: Chi tiết sơ đồ chân nodeMCU 36 Hình 3.3: Module MCP2515 37 Hình 3.4: Sơ đồ nguyên lý MCP2515 38 Hình 3.5: Module MPU6050 39 Hình 3.6: Sơ đồ nguyên lý cảm biến MPU 6050 41 Hình 3.7: Module SD Card 41 Hình 3.8: Buzzer 5V 42 Hình 3.9: IC L7808CV 43 Hình 3.10: Arduino IDE 44 Hình 3.11: Phần mềm Sublime Text 46 Hình 4.1: Tổng quát hệ thống 47 Hình 4.2: Sơ đồ tổng quát 48 Hình 4.3: Sơ đồ thiết kế chi tiết 49 Hình 4.4: Mạch hồn chỉnh 50 Hình 4.5: Hộp ECU main hoàn chỉnh 50 Hình 4.6: Lưu đồ thuật toán say xỉn 51 Hình 4.7: Lưu đồ thuật toán cảnh báo Adaboost 52 Hình 4.8: Lưu đồ tḥt tốn trạng thái bất thường rẽ 54 Hình 4.9: Lưu đồ tḥt tốn trạng thái tăng tốc phanh 55 Hình 4.10: Cáp chuyển đổi OBD2 sang DB9 56 vi Hình 4.11: Cáp nạp chương trình 56 Hình 4.12: Kết liệu CAN đọc 57 Hình 4.13: Trích xuất liệu cần thiết 58 Hình 4.14: Đồ thị gia tốc xe tăng tốc 58 Hình 4.15: Đồ thị gia tốc xe phanh đột ngột 58 Hình 4.16: Đồ thị tốc độ góc xe thẳng 59 Hình 4.17: Đồ thị tốc độ góc xe lạng lách 59 Hình 4.18: Đồ thị tốc độ góc xe quay vòng 59 Hình 4.19: Đồ thị tốc độ góc xe rẽ 60 Hình 4.20: Thiết bị mơ liệu mạng CAN 60 Hình 4.21: Sơ đồ mạch thiết bị mơ 61 Hình 4.22: Kết nối mạch giả lập ECU main cảnh báo 62 Hình 4.23: Hiển thị web 62 vii DANH MỤC CÁC BẢNG Bảng 2.1: Một số thao tác điều khiển Bảng 2.2: Sơ đồ chân jack OBD2 24 Bảng 2.3: Các chế độ PIDs 25 Bảng 2.4: Bảng giá trị trả 25 Bảng 2.5: Các mã PIDs chế độ 27 Bảng 2.6: Một số mã PIDs cho đề tài 27 Bảng 2.7: Mã PID tốc độ dộng 28 Bảng 2.8: Mã PID tốc độ xe 29 Bảng 3.1: Sơ đồ chân Module nodeMCU ESP8266 35 viii MỞ ĐẦU Hiên nay, với kinh tế phát triển, lượng xe tăng năm Đồng thời, lượng lái xe khơng chun nghiệp tăng lên nhanh chóng Do hầu hết lái xe tập lái chưa có kinh nghiệm, chưa quen với tình trạng xe nhận thức an tồn giao thơng nên yếu tố cá nhân người điều khiển phương tiện giao thơng trở thành ngun nhân dẫn đến tai nạn giao thông Các thiết bị hỗ trợ lái xe cần thiết để nhắc nhở người lái xe thông tin xe kịp thời điều chỉnh hành vi lái xe không [1-T1] Theo liệu phân tích thống kê Hình Hầu hết tai nạn xuất phát từ yếu tố cá nhân lái xe Nó bao gồm hoạt động khơng đúng, phán đốn khơng xác, v.v [1T1] Để giảm thiểu tai nạn bảo vệ an toàn cho người lái xe / người bộ, không cần liên tục cải tiến trang thiết bị an toàn cho phương tiện điều kiện đường xá mà phải ý đến người lái xe đối tượng nghiên cứu Nhiều tài liệu khác giới thiệu phương pháp phân tích hành vi lái xe dựa xử lý hình ảnh thị giác máy tính, kết hợp đa cảm biến, v.v Yoshifumi Kishimoto Koji Oguri đề xuất phương pháp dựa HMM (mô hình Markov ẩn) để ước tính khả người lái phanh gấp lái xe [1-T1] Antonio Prez, M Isabel Garca, Manuel Nieto, học giả khác nhận hệ thống gọi "Argos" Argos thiết bị ghi liệu xe tiên tiến giúp nhà nghiên cứu khác nghiên cứu tốt việc phân tích hành vi người lái xe [1-T1] Reza Haghighi Osgouei Seungmoon Choi hồn thành mơ hình hành vi lái xe cho người lái xe khác dựa nguyên tắc khách quan Nguyên tắc chúng xác định khoảng cách ngẫu nhiên mơ hình HMM tổng hợp người lái xe [1-T1] Cuong Tran, Anup Doshi Mohan Manubhai Trivedi sử dụng thay đổi quang học video HMM để hồn thành tḥt tốn ước tính chuyển động chân người lái xe [1-T1] Các học giả Đại học California trích xuất hình ảnh video từ bên ngồi xe để phân tích hành vi lái xe theo tính tương quan vị trí với xe khác, sau đánh giá xe trạng thái an toàn hay trạng thái nguy hiểm [1-T1] Shan Bao Linda Ng Boyle hoàn thành thí nghiệm lái xe qua ngã tư người lái xe độ tuổi khác thiết lập mơ hình quan sát gương chiếu hậu người lái xe độ tuổi khác [11 T1] Toshikazu Akita người khác đề xuất phương pháp mơ hình hóa hành vi người lái xe dựa hệ thống hợp nhất, chủ yếu nhận dạng phân tích trạng thái xe sau, tỷ lệ nhận dạng xác cao [1-T1] Dựa vào nghiên cứu trên, phương pháp nghiên cứu phân tích hành vi lái xe bao gồm thu thập liệu lái xe, tḥt tốn mơ hình hóa lái xe ứng dụng Thu thập liệu lái xe bao gồm quay video ô tô, cảm biến gắn tơ chẩn đốn xe (OBD) Về tḥt tốn mơ hình hành vi lái xe, có HMM, máy vectơ hỗ trợ (SVM), định lí khác Ứng dụng phân tích hành vi lái xe xác định tình trạng ngủ gật dự đốn hành động người lái xe Trong báo này, phương pháp phân tích hành vi lái xe dựa thuật toán OBD AdaBoost xe đề xuất Phương pháp đề xuất thu thập thông tin xe vân hành, bao gồm tốc độ xe, tốc độ động cơ, vị trí bướm ga, tính tốn tải động cơ, từ giao tiếp OBD Sau đó, phương pháp đề xuất sử dụng thuật toán AdaBoost để tạo mơ hình phân loại hành vi lái xe, cuối đánh giá chảng hạn hành vi lái xe có thuộc lái xe an tồn hay khơng Kết thử nghiệm cho thấy tính đắn phương pháp phân tích hành vi lái xe đề xuất đạt tỷ lệ xác trung bình 99,8% mơ lái xe khác Kết hợp sử dụng liệu quay hồi chuyển cảm biến để nắm bắt khác biệt thay đổi tốc độ góc xe bao gồm hành động rẽ, thay đổi đường quay đầu xe CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1.1 Đặt vấn đề Lượng phương tiện ngày tăng lên với tiến công nghệ Tương tự, số lượng người lái xe nghiệp dư khơng có tay nghề gia tăng, người khơng có ý thức lái xe họ nguyên nhân hầu hết vụ tai nạn Theo Tổ chức Y tế Thế giới, tai nạn đường coi nguyên nhân gây tử vong đứng top 10 toàn giới nguyên nhân hàng đầu chấn thương nghiêm trọng Ngồi vấn đề an tồn giao thơng, tiêu thụ nhiên liệu khí thải mục tiêu hàng đầu mà nhà sản xuất, ngành công nghiệp trung tâm nghiên cứu khác giới phát triển giải pháp giám sát hành vi lái xe Có nhiều phương pháp phân tích hành vi lái xe khác nhau, ứng dụng nhiều công nghệ tiên tiến hệ thống định vị GPS, hệ thống vệ tinh dẫn đường toàn cầu (GNSS), dụng cảm biến chuyển động xe IMU, truy cập xe thông qua OBD CAN Hoặc sử dụng thông tin thu thập xe thông qua cổng OBDII mạng CAN, dung thuật toán để đánh giá Bên cạnh cần cơng cụ hỗ trợ cảnh báo người lái để giúp họ tập trung đồng thời giúp chủ xe giám sát hành vi lái xe thông qua web server IOT Giúp cho việc nghiên cứu sáng chế ứng dụng, giải giảm tình trạng tai nạn, vấn đề kinh tế, xã hội nâng cao mức sống, sức khở Do vậy, nhóm thực đề tài: Thiết kế, chế tạo mạch nhận dạng hành vi lái xe cảnh báo người lái Đề tài ứng dụng cảm biến chuyện động IMU rời, thu thập thông tin liệu xe thông qua cổng OBDII, sử dụng thuật toán Adaboost, thuật toán báo say xỉn, hướng phát triển việc thu thập, phân tích, đánh giá hành vi lái xe 1.2 Mục tiêu Tạo mạch “ECU main” nhằm thu thập thông tin mạng Can ô tô cảm biến để nhận dạng hành vi người lái đồng thời cảnh báo xảy tình xấu, bất thường 4.4 Lưu đồ thuật toán 4.4.1 Thuật toán say xỉn Hình 4.6: Lưu đồ thuật tốn say xỉn 51 Trạng thái xảy phát tình trạng Say xỉn người điều khiển lái xe Esp8266 đọc tốc độ góc theo phương Z để phát xe có đánh lái hay khơng Cứ lần lạng lác khoảng thời gian nhỏ 2500 ms (2,5 giây) tăng biến k +1 Khi phát lần lạng lách xảy khoảng thời gian nhỏ 30000 ms (30 giây) Điều xảy đồng nghĩa với có tình trạng say xỉn trình lái, bật cảnh báo sáng đèn cho tài xế thông báo lên web server cho chủ xe 4.4.2 Thuật tốn cảnh báo Adaboost Hình 4.7: Lưu đồ thuật toán cảnh báo Adaboost 52 Trạng thái xảy Esp8266 nhận thông tin từ xe cụ thể tốc độ xe, tốc độ động cơ, độ mở bướm ga, tính tốn tải động Sau tổng hợp tính tốn dựa theo tḥt tốn Adaboost cho giá trị Rcz, Rjz Phương pháp tính tốn thể cơng thức (10) (11): Rcz ( t ) = cs (t ) zs (t )  220 8000 (10) [3] Với Rcz ( t ) tỷ lệ tương đối tốc độ xe tốc độ động cơ, cs (t ) tốc độ xe thời điểm t với vân tốc tối đa 220, zs(t ) tốc độ động thời điểm t với tốc độ tối đa động 8000 R jz ( t ) = zs ' ( t ) jq '(t )  max ( jq ') max ( zs ') (11) [3] Với R jz ( t ) tỷ lệ tương đối vị trí bướm ga tốc độ động cơ, jq '(t ) khoảng thay đổi vị trí bướm ga thời điểm t, zs ' ( t ) khoảng thay đổi tốc độ động thời điểm t, max ( jq ') max ( zs ') khoảng thay đổi lớn vị trí bướm ga tốc độ động Khi giá trị Rjz, Rcz vượt ngưỡng gắn nhãn lable -1 Cứ vậy 15 lần, lable nhỏ đồng nghĩa xảy trạng thái lái bất thường, bật cảnh báo đèn còi cho tài xế thông báo lên Web server cho chủ xe 53 4.4.3 Thuật tốn trạng thái bất thường Hình 4.8: Lưu đồ thuật toán trạng thái bất thường rẽ Các trạng thái kết hợp tín hiệu tốc độ góc từ cảm biến gia tốc tín hiệu xi nhan thơng qua mạng CAN Qua bước phân tích, đánh giá, phát trạng thái bất thường q trình rẽ, thơng báo lên server 54 Hình 4.9: Lưu đồ thuật toán trạng thái tăng tốc phanh Các trạng thái kết hợp tín hiệu gia tốc dọc từ cảm biến gia tốc tín hiệu phanh thơng qua mạng CAN để phân tích, xử lý đánh giá trạng thái phanh đột ngột tăng tốc đột ngột 55 4.5 Thực nghiệm xe 4.5.1 Tiến hành nạp chương trình Cáp với đầu OBDII đực đầu DP9 (hình 4.1) Hình 4.10: Cáp chuyển đổi OBD2 sang DB9 Cáp nạp Code Hình 4.11: Cáp nạp chương trình 56 Tiến hành setup hộp lên xe Ta gắn hộp vị trí cố định xe, vị trí mà tài xế dễ thấy Sau tiến hành kết nối wifi cho module Kiểm tra cài đặt mềm cách nhấn nút reset để reset lại hệ thống 4.5.2 Trích xuất liệu thơng qua cổng OBD2 Nhóm thực trích xuất liệu xe Honda City 2016 kết cho hình 4.3 Hình 4.12: Kết liệu CAN đọc Kết sau phân tích nhóm trích xuất liệu cần thiết cho việc tính tốn tḥt (hình 4.4) 57 Hình 4.13: Trích xuất liệu cần thiết 4.5.3 Kết thử nghiệm thực tế Hình 4.14: Đồ thị gia tốc xe tăng tốc Hình 4.15: Đồ thị gia tốc xe phanh đột ngột 58 Hình 4.16: Đồ thị tốc độ góc xe thẳng Hình 4.17: Đồ thị tốc độ góc xe lạng lách Hình 4.18: Đồ thị tốc độ góc xe quay vịng 59 Hình 4.19: Đồ thị tốc độ góc xe rẽ 4.6 Thực nghiệm mạch giả lập 4.6.1 Thiết kế mạch giả lập Do điều kiện tình hình dịch khó khăn Nhóm tự tạo mơ hình mơ mạng CAN gồm liệu nhóm cần Nhằm mục đích thực việc phân tích, kiểm tra tḥt tốn, kiểm tra chương trình cách dễ dàng hơn, tốn Hình 4.20: Thiết bị mơ liệu mạng CAN 60 Hình 4.21: Sơ đồ mạch thiết bị mơ Để gia lập tín hiệu CAN Ta sử dụng MCP2515 giao tiếp SPI qua Arduino nano để gửi tín hiệu CAN Ta dung thiết bị điện tử với chức Biến trở RPM giả lập tốc độ động gửi ID: 0x1DC Biến trở giả lập tốc độ xe gửi ID: 0x158 Biến trở giả lập bàn đạp ga gửi ID: 0x130 Biến trở giả lập tính tốn tải động gửi ID: 0x17D Công tắc giả lập công tắc bàn đạp phanh gửi ID: 0x17C Công tắc trạng thái giả lập đèn xi nhan gửi ID: 0x294 LCD module mô dung để hiên thị tín hiệu ES (Engine Speed): Tốc độ động CS (Car Speed): Tốc độ xe GP (Gas Pedal): Bàn đạp ga L (Load): Tải động 61 4.6.2 Thực nghiệm giao tiếp mạch giả lập mạch ECU main cảnh báo Sau kết nối mạch giả lập ECU cảnh báo, nhóm thực việc kiểm tra tốc độ gửi nhận liệu mạng CAN có ổn định khơng Sau thực việc thay đổi thông số liệu từ mạch giả lập để kiểm tra chỉnh sửa thuật toán Cuối thực kiểm tra chỉnh sửa giao diện web, tốc độ truyền liệu lên web Hình 4.22: Kết nối mạch giả lập ECU main cảnh báo Hình 4.23: Hiển thị web 62 CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 Kết luận Sau tháng nghiên cứu thực đồ án tốt nghiệp, cố gắng nhóm với hướng dẫn tận tình GVHD ThS Nguyễn Trọng Thức, nhóm thực hồn thành đưa sản phẩm cuối thử nghiệm thành công điều kiện thực tế Trong thời gian thực đề tài, chúng em hoàn thiện mặt kiến thức lập trình Đề tài mang lại cho chúng em trải nghiệm mới, kiến thức mà trình tự tìm hiểu, tự nghiên cứu có Đây tiền đề quan trọng để thành viên nhóm tích lũy kiến thức mới, kĩ chuẩn bị hành trang bước vào doanh nghiệp Nhóm xây dựng hệ thống cảnh báo người lái gởi liệu lên webserver • Tốc độ động đồ thị khoảng thay đổi tốc độ động • Tốc độ xe đồ thị khoảng thay đổi tốc độ xe • Vị trí bàn đạp ga • Tín hiệu phanh • Tín hiệu xi nhan • Đồ thị tốc độ góc gia tốc góc xe • Hiển thị cảnh báo lái bất thường Tuy nhiên hạn chế tài liệu mạng CAN mà nhóm không thực hãng xe khác đồng thời hạn chế mặt kiến thức mà nhóm đưa liệu lên Webserver mà chưa đưa lên Host 5.2 Hướng phát triển Về đề tài nhóm thực nhóm sử dụng liệu tốc độ góc gia tốc góc Module MPU6050 tích hợp với liệu mạng CAN Điều khiến cho việc đánh giá hành vi người lái thật chưa hồn hảo Chính thế, nhóm đưa hướng phát triển cho đề tài là: 63 • Sử dụng liệu cảm biến gia tốc xe thay MPU6050 • Thử nghiệm nhiều dịng xe khác • Tích hợp thêm GPS • Cải thiện băng thông để truyền liệu webserver nhanh • Đưa webserver lên Host để truy cập web từ xa 64 TÀI LIỆU THAM KHẢO [1] A Vehicle Steering Recognition System Based on Low-Cost Smartphone Sensors, internet: https://www.mdpi.com/14248220/17/3/633/htm?fbclid=IwAR2ZxPKTRTQ1lUr1dqozAYDaYyN_duWbLY5Nl1ku7DkAFTtzIZD3ThWd4I#sec3dot5dot4-sensors-17-00633 [2] Shi-Huang Chen, Jeng-Shyang Pan, and Kaixuan Lu: Driving Behavior Analysis Based on Vehicle OBD Information and AdaBoost Algorithms [3] Hệ thống canbus oto, internet: https://machdienlythu.vn/hack-he-thong-can-bus-treno-to/ [4] Tạp chí khoa học cơng nghệ, internet: http://www.khcn.vimaru.edu.vn/ [5] Esp8266 projects, internet: https://lastminuteengineers.com/electronics/esp8266-projects/ [6] Esp8266 pinout, internet: https://components101.com/development-boards/nodemcuesp8266-pinout-features-and-datasheet [7] Module mcp2515, internet: https://linhkien888.vn/module-can-bus-mcp2515-giao-tiepspi [8] Nhận dạng giám sát hành vi lái, internet: https://www.advantech.com.vn/resources/news/trek-132-modun-nhan-dang-giam-sat-hanhvi-lai-xe 65 ... hình nhận dạng hành động đánh lái 2.2.2 Adaboost nhận dạng hành vi lái 2.2.2.1 Phương pháp phân tích hành vi lái xe dựa theo thuật toán Adaboost Đề xuất phương pháp phân tích hành vi lái xe bao... LUẬN NHẬN DẠNG LÁI XE VÀ GIAO TIẾP MẠNG TRÊN XE 2.1 Nhận dạng hành vi phân tích lái xe Phương pháp nghiên cứu phân tích hành vi lái xe nhóm bao gồm thu thập liệu lái xe, thao tác điều khiển lái, ... tài: Thiết kế, chế tạo mạch nhận dạng hành vi lái xe cảnh báo người lái Đề tài ứng dụng cảm biến chuyện động IMU rời, thu thập thông tin liệu xe thông qua cổng OBDII, sử dụng thuật toán Adaboost,