Thử nghiệm hệ thống định vị tích hợp thị giác lập thể và đo lường quán tính

Hội nghị toàn quốc lần thứ Điều khiển Tự động hoá - VCCA-2015 Thử nghiệm hệ thống định vị tích hợp thị giác lập thể đo lường quán tính An experiment in stereo vision aided inertial navigation system ng nh T ng gu n nh o g c i Trường ách ho T Trường gu n T t Thành e-Mail: anhtunghcmut08@gmail.com, vinhhao@hcmut.edu.vn Tóm tắt Hệ thống định vị phần nghiên cứu lĩnh vực giám sát điều khiển vật thể chuyển động Trong báo nhóm đề xuất phương pháp tích hợp hệ thống định vị dùng thị giác lập thể đo lường qn tính Nhóm xây dựng thuật toán độc lập cho hệ sau kết hợp lỏng dùng lọc Kalman mở rộng để tích hợp lại Giá trị ước lượng bao gồm vị trí hướng vật thể khơng gian 3D Giải thuật triển khai phần cứng thực tế lập trình theo mơ hình nhiều tác vụ chạy song song để tận dụng tối đa khả tính tốn CPU nhằm tăng tốc giải thuật đáp ứng ứng dụng thời gian thực Từ khó : INS, Stereo vision, localization Abstract Localization system plays a fundamental role in the field of tracking and control moving objects In this paper, we propose an integrated localization algorithm using stereo vision and inertial navigation system We develope independent algorithm for each sub-system then fuse them into a loosely-couple scheme using extended Kalman filter Estimation data included position, and orientation in 3D space The method is embedded in industrial PC and use paralell programming model to boost the output data rate Keywords: INS, Stereo vision, localization hữ viết tắt INS MEMS VO Inertial Navgation System Microelectromechanical systems Visual odometry Giới thiệu chung hệ thống định vị tích hợp Hệ thống dẫn đường quán tính INS hệ thống dẫn đường sử dụng cảm biến gia tốc cảm biến vận tốc góc quay để tính tốn vị trí, hướng vật thể chuyển động mà khơng dùng thêm nguồn thơng tin bên Ban đầu hệ INS sử dụng quân hàng không Để ứng dụng kỹ thuật vào lĩnh vực robot di động, nhà nghiên cứu sử dụng loại cảm biến giá rẻ dùng công nghệ MEMS cho chất lượng thấp Điều dẫn đến sai số định vị lớn đặt yêu cầu có kết hợp với loại VCCA-2015 cảm biến khác để tăng độ xác Cơng nghệ xử lí ảnh lập thể sử dụng cặp ảnh đồng thời để ước lượng chuyển động Với độ xác đạt dùng GPS encoder nên dùng tích hợp với INS để định vị mơi trường tín hiệu GPS Trong nghiên cứu này, nhóm đề xuất kiểm nghiệm phương pháp tích hợp nhằm xây dựng hệ thống dẫn đường sử dụng hai loại cảm biến Hệ thống INS hoạt động theo nguyên lý ước lượng gia tốc chuyển động vật thể Đầu tiên ta phải tính giá trị gia tốc chuyển động robot dựa vào hiệu số giá trị thu từ cảm biến Accelerometer hình chiếu vector trọng trường Trái Đất lên robot Sau ta tích phân hai lần để thu quãng đường di chuyển Phương pháp có ưu điểm lớn ta phát triển thuật toán định vị độc lập với cấu trúc khí robot Ta chia sai số phương pháp làm hai phần Đầu tiên sai số hệ thống: chất lượng cảm biến thấp lệch trục tương đối IMU-mặt đất, IMU-vật thể; Và sai số hệ thống: giải thuật ước lượng IMU chưa tối ưu hay vật thể di chuyển chậm dẫn đến giá trị nhiễu chiếm phần lớn giá trị gia tốc Sai số hệ thống cải thiện nhờ vào trình cân chỉnh hệ thống, tăng chất lượng cảm biến [1] Còn sai số ngồi hệ thống cải thiện nhờ tối ưu giải thuật sử dụng lọc Kalman [2,3,4,5] Ngồi tích hợp thêm cảm biến Magnetometer để tăng độ xác cho IMU Tuy nhiên việc tích phân hai lần giá trị gia tốc gây sai số tích lũy lớn dần theo thời gian chưa thể áp dụng vào định vị [6] Do đặt yêu cầu phải tích hợp thêm cảm biến để bù lại sai số Đó lí cộng đồng nghiên cứu hệ định vị phải kết hợp hệ INS với encoder bánh xe, GPS hoặc/và công nghệ xử lí ảnh để tăng độ xác cho định vị Phương pháp định vị dùng cơng nghệ xử lí ảnh từ camera gọi Visual Odometry (VO) Phương pháp dùng rộng rãi giá thành hợp lí đồng thời khả mở rộng tính khác ngồi định vị camera lớn Ví dụ định vị kết hợp lập đồ SLAM, tránh vật cản, dị biển báo giao thơng [7,8]… Hệ thống định vị dùng cơng nghệ xử lí ảnh có nhiều ưu điểm vượt trội so với công nghệ khác: sử dụng môi trường nhà lẫn trời; cách ly ảnh hưởng tượng trượt Hội nghị toàn quốc lần thứ Điều khiển Tự động hố - VCCA-2015 robot; tích hợp mở rộng thêm nhiều chức khác dò để tránh vật cản, dò bám, xây dựng lại đồ 3D quãng đường di chuyển (3D SLAM) Tất nhiên bên cạnh hệ thống định vị dùng cơng nghệ xử lí ảnh có nhược điểm đồng thời thách thức đặt cho việc nghiên cứu như: hệ thống định vị tương đối nên phụ thuộc nhiều vào cân chỉnh ban đầu vị trí, góc nghiêng, thơng số nội camera Hơn sai số hệ thống tích lũy theo thời gian nên đặt yêu cầu phải có thêm phần hiệu chỉnh lại vị trí sau thời gian dài di chuyển; nhạy với nhiễu từ nguồn sáng: vấn đề mà tất hệ thống xử lí ảnh phải đối mặt; phụ thuộc vào mức độ giàu có mơi trường thông tin: môi trường nhiều đặc trưng cối, đồ vật… phù hợp sử dụng cơng nghệ xử lí ảnh [7,8] Xử lý ảnh lập thể (Stereo-Vision) nhánh công nghệ định vị dùng xử lý ảnh VO Đây cơng nghệ tính tốn vị trí hướng chuyển động camera (hay vật thể gắn camera) sử dụng cặp ảnh liên tiếp Nó phần hướng nghiên cứu lớn tái dựng lại môi trường 3D từ chuyển động camera (Structure-from-Motion) Ta sử dụng camera đơn nhiên nhược điểm camera đơn ước lượng chuyển động thành giá trị tương đối Nhiều nghiên cứu VO điều kiện cụ thể sai số đạt hệ 2% quãng đường di chuyển [15, 16] Độ xác chứng minh tính khả thi VO dùng cho hệ thống dẫn đường Nghiên cứu Geiger [16] trình bày giải thuật hiệu để ước lượng chuyển động từ hai cặp ảnh liên tiếp thời gian thực Sai số đạt từ phương pháp Geiger [16] nhóm phát triển kiểm nghiệm chạy theo vịng trịn có sai số lớn 0.36m tổng quãng đường 15m (2.5%) Từ kết thử nghiệm nhóm định sử dụng giải thuật VO cho stereo-camera Và ngõ hệ VO đầu vào cho mơ hình đo lường tích hợp Tóm lại hệ INS VO riêng lẻ có ưu, khuyết điểm như: hệ INS nhạy với nhiễu đối tượng hoạt động chuyển động chậm cho kết tốt chuyện động nhanh; hệ INS cho tốc độ cập nhật cao giải thuật tính tốn tinh gọn; hệ VO ước lượng tốt trường hợp chuyển động chậm, tốc độ nhanh dễ đặc trưng định vị khơng hiệu Đồng thời tốc độ cập nhật hệ VO thấp giải thuật xử lí ảnh chiếm nhiều thời gian tính tốn Như hệ INS với khả cho tần số cập nhật cao, cung cấp ma trận xoay xác gia tốc ngồi trường hợp robot di chuyển tốc độ cao giải pháp bổ trợ tốt cho camera mà hầu hết giải thuật xử lí ảnh cho tần số cập nhật thấp tạo khoảng trễ không phù hợp với tốn điều khiển Vì kết hợp hai hệ thống điều cần thiết để bổ khuyết nhược điểm hệ riêng lẻ nhằm đạt độ xác cao VCCA-2015 Có nhiều phương pháp tiếp cận để giải tốn tích hợp hai hệ thống nói chung chia làm hai loại là: cấu trúc kết hợp lỏng (loosely-couple), cấu trúc kết hợp chặt (tightly-couple) Trong cấu trúc kết hợp chặt bước đầu q trình xử lí ảnh kết hợp ln vào q trình ước lượng Một lựa chọn phổ biến hỗ trợ dò điểm đặc trưng [9, 10] Hoặc dùng thông tin từ IMU để đưa giới hạn ebipolar áp dụng số ứng dụng thời gian thực [11,12] Khác với cấu trúc kết hợp lỏng phát triển riêng biệt hai INS Vision, chạy tần số khác đưa giá trị xử lí lọc trung tâm để kết hợp Giá trị từ xử lí ảnh làm đầu vào cho mơ hình đo lường tích hợp Thơng tin lấy vector dịch chuyển ma trận xoay hai frame ảnh liên tiếp [13,14] Cấu trúc lỏng có ưu điểm bật đơn giản cho phép tách riêng giải thuật xử lí ảnh với giải thuật tích hợp Mặt khác nhiều giải thuật VO đạt đến độ xác cao nên nhóm tận dụng lại để nhanh chóng xây dựng hồn thiện tích hợp định vị Do nghiên cứu nhóm định dùng cấu trúc kết hợp lỏng để tiến hành xây dựng kiểm nghiệm định vị kết hợp Hình Mơ hình tích hợp lỏng hệ thống định vị Hệ thống tích hợp chạy độc lập trường hợp định vị cục hỗ trợ cho thu GPS xác cao trường hợp tín hiệu vệ tinh 21 hương pháp thực ệ đo lường quán tính INS aeflag B a AEKF1 E B B  B B B E B Rˆ m aeflag a m Rˆ3i , B aˆe DT mdflag mdflag E B Rˆ1i , B mˆ d AEKF2  EB Rˆ1i  E  E ˆ ˆ B R   B R2 i  E ˆ   B R3i  Hình Sơ đồ khối ước lượng EKF thích nghi hai tầng Ở để xây dựng giải thuật cho riêng INS nhóm sử dụng giải thuật lọc Kalman thích nghi mở rộng dùng phương pháp DCM phát triển [20] Giải thuật hệ INS bao gồm lọc thích nghi mở rộng Kalman nối tiếp Bộ AEKF1 ước lượng ba giá trị hàng thứ ba ma trận DCM, gia tốc trục Bộ AEKF2 ước lượng ba giá trị hàng thứ ma trận DCM nhiễu từ trường ba trục Hàng lại suy dựa vào tính chất trực giao ma trận DCM Yêu cầu phương pháp phải có điều kiện cần để “kích hoạt“ thích nghi Ở điều kiện thường (gia tốc ngồi nhỏ khơng có nhiễu từ trường ngồi) ta “ngắt” khỏi mơ hình (bằng cách thiết lập giá trị biến 0); có điều kiện cần ta “đóng” biến vào mơ hình Thông thường ta dùng giá trị độ lớn hiệu số tổng gia tốc đo so với tổng gia tốc đứng yên hiệu số tổng từ ba trục so với tổng từ cố định Trái Đất vị trí xét Nếu giá trị hiệu vượt ngưỡng cho trước “kích hoạt“ thích nghi Giá trị ngưỡng lớn dẫn đến hệ thống chậm thích nghi với điều kiện ngồi, cịn q nhỏ dẫn đến hệ thống nhạy với nhiễu Kết ngõ thử nghiệm bàn xoay dùng encoder cho độ xác cao khoảng 2º ba góc Euler [20] 2 ệ thị giác lập thể stereo-vision Trong báo nhóm sử dụng giải thuật trình bày [16] để tiến hành thực nghiệm đánh giá kết hệ định vị dùng stereo-camera Phương pháp để ước lượng chuyển động dùng stereo-camera (hay gọi visual odometry) tóm tắt qua bước sau: ước 1: Dò điểm đ c trưng Ngõ vào cho giải thuật visual odometry điểm đặc trưng dò bốn ảnh (2 ảnh trái phải frame ảnh liên tiếp nhau) Hình ước 2: Ước lượng chu ển động Từ đặc trưng, ta tính chuyển động camera dựa vào tối thiểu hóa hàm sai số Với:  pixel hệ trục ảnh (u, v,1)  tiêu cự camera f  quang tâm (cu , cv )  ma trận xoay R  vector dịch t = (t x , t y , t z )  điểm mặt phẳng 3D ( x, y, z )  baseline stereo s Sử dụng phép lặp Gauss-Newton tối thiểu hóa hàm mục tiêu tổng sai số hình chiếu điểm 3D xuống ảnh trái phải để tìm ma trận xoay vector dịch chuyển hai thời điểm bắt ảnh liên tiếp Với p hàm chiếu vector điểm 3D xuống mặt phẳng ảnh 2D Sai số đạt kiểm nghiệm từ phương pháp Geiger [16]: Hình Thử nghiệm chạy vịng trịn theo phương pháp Geiger [16] Sai số lớn 0.36m tổng qng đường 15m (2.5%) Hình Mơ hình ước lượng chuyển động Stereo camera Để tìm vị trí đặc trưng ổn định, báo sử dụng lọc đặc trưng góc (corner) & đốm (blob) Sau áp dụng thuật tốn non-maximum- and non-minimumsuppression ảnh kết đặc trưng phân loại vào class: blob max, blob min, corner max, corner Từ hai điểm đặc trưng so sánh khối cửa sổ 11x11 the chiều ngang chiều dọc lọc Sobel sử dụng SAD (sum of absolute differences) Giải thuật ước lượng chuyển động bắt đầu matching đặc trưng bên ảnh trái với ảnh trái trước vùng cửa sổ MxM, sau tìm tới ảnh bên phải trước đó, sau tới ảnh phải tại, lại ảnh trái Việc dị tìm theo vòng tròn đảm bảo lấy đặc trưng ổn định VCCA-2015 Từ kết thử nghiệm nhóm định sử dụng giải thuật VO cho stereo-camera Và ngõ hệ VO đầu vào cho mơ hình đo lường tích hợp Tích hợp hệ thống ân chỉnh hệ thống Trong nghiên cứu để tiến hành thực nghiệm nhóm phải sử dụng ba hệ trục hệ thống bao gồm:  INS: {I} dùng NED  GPS: {G} dùng hệ ENU  Stereo Vision: {V} dùng hệ cục Decac XYZ Do để tích hợp hay đánh giá hệ thống định vị khác ta phải cân chỉnh cách tìm ma trận chuyển đổi hệ trục Ma trận chuyển đổi đầy đủ bao gồm ma trận xoay vector tịnh tiến Hội nghị toàn quốc lần thứ Điều khiển Tự động hoá - VCCA-2015 Việc cân chỉnh hệ GPS/INS/Stereo-camera có hai ý nghĩa Ý nghĩa nhóm sử dụng tín hiệu GPS tín hiệu chuẩn (ground-truth data) để so sánh đánh giá hệ INS/Stereo-camera Ý nghĩa thứ hai đánh giá tính khả thi việc kết hợp hệ stereocamera việc hỗ trợ hệ GPS thu tín hiệu Điều thường xảy đối tượng hoạt động môi trường đô thị vùng cối che khuất Phương pháp cân chỉnh hệ INS/Stereo sử dụng công cụ cân chỉnh hay dùng cộng đồng xử lí ảnh Bouguet phát triển [17] Tiếp theo ta cần tìm ma trận chuyển hệ INS/Stereo-camera GPS Nhiều phương pháp khác cân chỉnh hai hệ dùng giải thuật đệ quy không cần đệ quy, báo nhóm chọn giải pháp dùng phương pháp không đệ quy cụ thể dùng SVD (singular value decomposition) [21] Ngõ vào thuật toán hai điểm từ hai hệ trục, ngõ ma trận chuyển đổi hai hệ Kết cân chỉnh hai hệ thống trình bày Hình Hình Hình Hai đường di chuyển hai hệ trục GPS xử lí ảnh trước cân chỉnh - E v = éëêvx , v y , vz ù ú : vận tốc chuyển động theo ba trục û T - E ae = éêëaex , aey , aez ù ú : gia tốc chuyển động (ta kí hiệu û thêm chữ „e‟ – external để phân biệt giá trị với giá trị gia tốc từ cảm biến Accelerometer) Vì INS Stereo camera có tần số cập nhật khác để tăng tốc độ cập nhật lên tối đa ước lượng chạy tần số 100Hz trùng với tần số cập nhật INS Biến đo lường cập nhật bao gồm đầy đủ giá trị vị trí tính từ Camera gia tốc ngồi tính từ INS: T T y = [pcam , aimu ] Nhưng tần số 100Hz hệ thống có hai mode cập nhật khác tùy theo giá trị có sẵn cảm biến Các khả xảy là: T y0 = [pcam , aimu ] T y1 = [aimu ] Mơ hình q trình: (Process model - gia tốc ngồi mơ hình thành lọc thơng thấp bậc 1) íï E p&= E v ïï ï E v&= E a (1) ì e ïï ïï E a&e = - l E ae ïỵ Từ (1) ta rút mơ hình q trình sau: é0 I ù ê ú x&= êê0 I ú (2) úx = f x ê0 - l ú ë û Mơ hình đo lường: (Measurment model) íï pcam = [I 0]x ï (3) ìE ïï aimu = [0 I ]x ïỵ Ta rút mơ hình đo lường điều kiện khác nhau: T (4) éI 0ù y0 = [pcam , aimu ] úx = H x y0 = ê ê0 I ú ë û T (5) y1 = [0 I ]x = H1 x y1 = [aimu ] Từ mơ hình ta tiến hành rời rạc hóa để áp dụng EKF [19] với phương pháp xấp xỉ bậc íï xk = ( I + f T ) xk - = f k xk - ïì (6) ïïỵ yk = Hxk = H k xk Hình Hai đường di chuyển hai hệ trục GPS xử lí ảnh sau cân chỉnh chung hệ Vision 3.2 Gi i thuật tích hợp Mơ hình tổng quát hệ thống tích hợp bất đồng bộ: T x = éêE p, E v, E aù ú ë û Với: T - E p = éëêpx , p y , pz ù ú : vị trí camera không û gian, trường hợp hệ quy chiếu mặt đất với gốc điểm bắt đầu hệ thống VCCA-2015 Ma trận covariance nhiễu q trình: suy từ mơ hình q trình Tuy nhiên ta giả sử thành phần covariance ba trục x, y, z gia tốc ngồi độc lập variance é1 2ù ê s eaT s eaT s eaT ú ê2 ú 2 ê ú ê1 ú s eaT s eaT ú Qk = ê s eaT (7) ê2 ú ê ú ê1 2 ú s eaT s ea ú ê s eaT êë2 ú û Ma trận covariance nhiễu đo lường: giả sử có thành phần covariance đường chéo T y0 = [pcam , aimu ] T y1 = [aimu ] és ù ú R0, k = ê cam ê s imu ú ë û R1,k = [s imu ] (8) (9) Thí nghiệm hình phần cứng Nhóm sử dụng GPS-RTK độ xác cấp cm giá trị chuẩn để so sánh với kết tích hợp Một kit thí nghiệm xây dựng bao gồm: - Board máy tính cơng nghiệp NANO-HM650: Intel Core i5, ổ cứng SSD 120GB dùng để giúp máy tính chạy ổn định hoạt động ngồi trời điều kiện rung lắc lớn, sử dụng hệ điều hành Window XP SP3 - Stereo camera Point Grey Bumblebee2: cặp ảnh xám đọc vào máy tính thơng qua chuẩn Firewire IEEE-1394 - IMU Analog Devices ADIS16407: liệu cảm biến gia tốc, vận tốc góc, từ trường lấy thơng qua chuẩn SPI với tần số 100Hz, sử dụng board vi điều khiển để đọc truyền liệu lên máy tính thơng qua RS232 - GPS RTK South độ xác cấp cm: liệu đọc vào máy tính thơng qua RS232 tần số 10Hz đồng với liệu INS Để thu giá trị chuẩn GPS xác ta phải di chuyển hệ ngồi trời Với mục tiêu áp dụng cho hệ robot nông nghiệp xe tự hành ngồi trời nên nhóm đặt camera cao khoảng 2m so với mặt đất xe kéo tay Và để hạn chế phần nửa ảnh chụp bầu trời đặt camera cao phần cứng có hiệu chỉnh camera nghiêng xuống góc 30°  Chạy giải thuật xử lí ảnh để ước lượng ma trận chuyển vị hai frame ảnh liên tiếp Ma trận chuyển vị bao gồm ma trận xoay vector dịch chuyển  Giá trị chuyển sang cho Serial thread để tích hợp vào ước lượng Serial thread:  Nhận liệu từ cổng nối tiếp RS232 bao gồm liệu INS, GPS  Tách chuỗi tính tốn giá trị thực từ chuỗi  Dùng liệu INS làm kiện trigger cho giải thuật tích hợp Main thread:  Đóng vai trị trung tâm khởi tạo thread  Kiểm tra liệu cập nhật từ Vision thread để chuyển qua Serial thread  Kiểm tra trạng thái chân IO để bật cờ 4.3 ết qu thực nghiệm Mục tiêu nghiên cứu nhằm xây dựng hệ tích hợp chạy độc lập hỗ trợ cho hệ GPS trường hợp tín hiệu vệ tinh Do trước tiên nhóm tiến hành thí nghiệm kéo hệ thống chạy lên xuống sân trường để kiểm tra độ xác Sau mơ q trình hỗ trợ cho hệ GPS tín hiệu vệ tinh cách chuyển ngõ từ GPS sang ngõ cập nhật từ hệ INS/Vision Hai ngõ cân chỉnh hệ trục dùng phương pháp cân chỉnh mô tả phần Vì hệ thống sử dụng cơng nghệ xử lý ảnh mơi trường thử nghiệm hệ thống tích hợp phải chọn lọc sử dụng mơi trường phải có đặc trưng nhiều Ngồi thử nghiệm mơi trường đặc trưng camera bị chói sáng hệ thống khơng thể phát huy hiệu chất vật lý hệ Kết 1: (Hình 7-8-9) Di chuyển hệ thống lên xuống đường phẳng với tổng quãng đường di chuyển 100m Sai số tối đa hai trục 1.5m Sai số RMS 1.8m Ngõ đạt độ xác cao dùng ứng dụng giám sát Hình Phần cứng xây dựng hồn chỉnh hình phần mềm Để tối ưu thời gian tính tốn tăng tốc chương trình tích hợp, phần mềm viết hồn tồn dựa ngơn ngữ C++ Nhằm tăng tính độc lập dễ mở rộng phần mềm tạo class độc lập class chứa thread lặp vô Tất thread chạy song song để quản lí tác vụ khác bao gồm: Vision thread:  Thu nhận cặp ảnh từ Stereo camera dùng thư viện cung cấp nhà sản xuất camera Thư viện cung cấp API để truy cập tới camera VCCA-2015 Hình Quãng đường di chuyển Hội nghị toàn quốc lần thứ Điều khiển Tự động hoá - VCCA-2015 nhiều thử nghiệm khác để đánhh giá tính ổn định hệ thống Hình Sai số trục Hình 10 Di chuyển GPS theo chu kỳ 10s Lời c m ơn Dự án hỗ trợ Bộ Khoa học Công nghệ thông qua đề tài mã số KC.03.15/11-15 Trường Đại học Bách Khoa, Đại học Quốc Gia TP.HCM khuôn khổ đề tài mã số T-ĐĐT-201513, C2014-20-03 Tài liệu th m kh o Hình Phóng to điểm ước lượng Màu đỏ giá trị cập nhật GPS 10Hz, màu xanh ngõ giải thuật xử lí ảnh từ 20-40Hz, màu xanh dương điểm ước lượng 100Hz Kết 2: (Hình 10) Mơ trình GPS theo chu kỳ 10s chuyển sang dùng giá trị ước lượng từ hệ INS/Stereo-camera Đường màu đỏ giá trị chuẩn từ GPS-RTK Đường màu xanh kết từ ngõ hệ tích hợp Đường màu xanh da trời kết vị trí GPS sử dụng hệ INS/Stereocamera có cân chỉnh lại GPS dùng phương pháp Phần Kết cho thấy hệ thống tích hợp hồn tồn hỗ trợ GPS tín hiệu vệ tinh ết luận Nhóm nghiên cứu trình bày giải thuật hiệu để tích hợp hệ thống xử lí ảnh lập thể vào hệ thống đo lường quán tính nhằm nâng cao chất lượng hệ thống định vị Nhóm phát triển mơ hình tích hợp dùng lọc EKF theo cấu trúc kết hợp lỏng biểu diễn đầy đủ vị trí hướng vật thể khơng gian Nhóm trình bày mơ hình phần cứng phần mềm xây dựng nhằm chạy hệ thống thời gian thực Trong tương lai nhóm tiến hành VCCA-2015 [1] Benjamin Peter, “Development of an Automatic IMU Calibration System” Master Thesis, ETHZ, 2011 [2] Bachmann, E.R et al, “Orientation Tracking for Humans and Robots Using Inertial Sensors”, In 1999 International Symposium on Computational Intelligence in Robotics & Automation, 1999, pp.187-194 [3] Marins, J.L., Yun, X., Bachmann, E.R., McGhee, R.B., Zyda, M.J., “An Extended Kalman Filter for Quaternion-Based Orientation Estimation Using MARG Sensors”, In Proceedings of the 2001 IEEE/RSJ International Conference on Intelligent Robots and Systems, 2001, vol.4, pp 2003-2011 [4] Yun, X., Bachmann, E.R., “Design, Implementation, and Experimental Results of a Quaternion-Based Kalman Filter for Human Body Motion Tracking”, In IEEE Transactions on Robotics, 2006, vol 22, pp 1216-1227 [5] Daniel Roetenberg, Inertial and Magnetic Sensing of Human Motion, PhD Thesis, 2006, University of Twente [6] Woodman, Oliver J “An introduction to inertial navigation” Technical Report, 2007 [7] D Scaramuzza, F Fraundorfer, “Visual Odometry: Part I - The First 30 Years and Fundamentals”, IEEE Robotics and Automation Magazine, vol.18(4), 2011, pp 80–92 [8] F Fraundorfer, D Scaramuzza, “Visual Odometry: Part II - Matching, Robustness and Applications”, IEEE Robotics and Automation Magazine, vol.19(2), 2012, pp 78–90 [9] M Veth and J Raquet, “Fusion of low-cost imaging and inertial sensors for navigation,” Air Force Institute of Technology, Tech Rep., 2007 [10] J Jurado, K Fisher, and M Veth, “Inertial and imaging sensor fusion for image-aided navigation with affine distortion prediction,” in Position Location and Navigation Symposium (PLANS), 2012, pp 518 –526 [11] J.-O Nilsson, D Zachariah, M Jansson, and P Handel, “Realtime implementation of visualaided inertial navigation using epipolar constraints,” in Position Location and Navigation Symposium (PLANS), 2012, pp 711 –718 [12] D D Diel, P DeBitetto, and S Teller, “Epipolar constraints for vision-aided inertial navigation,” in IEEE Workshop on Motion and Video Computing, 2005, pp 221–228 [13] J.-P Tardif, M D George, M Laverne, A Kelly, and A Stentz, “A new approach to vision-aided inertial navigation.” in IROS IEEE, 2010, pp 4161–4168 [14] S Roumeliotis, A Johnson, and J Montgomery, “Augmenting inertial navigation with imagebased motion estimation” in Robotics and Automation ICRA, vol 4, 2002, pp 4326 – 4333 [15] M Maimone, Y Cheng, and L Matthies, “Two years of visual odometry on the mars exploration rovers: Field reports,”J Field Robot , vol 24, no 3, pp 169–186, 2007 [16] A Geiger, J Ziegler, and C Stiller "Stereoscan: Dense 3d reconstruction in real-time." Intelligent Vehicles Symposium (IV), 2011 IEEE [17] J Bouguet, “Visual methods for threedimensional modeling,” Ph.D dissertation, California Institute of Technology, Pasadena, California, 1999 [18] Lobo, Jorge, and Jorge Dias "Relative pose calibration between visual and inertial sensors." The International Journal of Robotics Research 26.6 (2007): 561-575 [19] Greg Welch and Gary Bishop (2006) An Introduction to the Kalman Filter [20] Anh-Tung Dang, Vinh-Hao Nguyen “DCMBased Orientation Estimation Using Cascade of Two Adaptive Extended Kalman Filters” 2013 International Conference on Control, Automation and Information Sciences, pp 152-157, IEEE, 2013 [21] Arun, K Somani, Thomas S Huang, and Steven D Blostein "Least-squares fitting of two 3-D point sets." Pattern Analysis and Machine Intelligence, IEEE Transactions on (1987): 698-700 VCCA-2015 ... hành xây dựng kiểm nghiệm định vị kết hợp Hình Mơ hình tích hợp lỏng hệ thống định vị Hệ thống tích hợp chạy độc lập trường hợp định vị cục hỗ trợ cho thu GPS xác cao trường hợp tín hiệu vệ tinh... Kết cho thấy hệ thống tích hợp hồn tồn hỗ trợ GPS tín hiệu vệ tinh ết luận Nhóm nghiên cứu trình bày giải thuật hiệu để tích hợp hệ thống xử lí ảnh lập thể vào hệ thống đo lường quán tính nhằm nâng... theo vịng tròn đảm bảo lấy đặc trưng ổn định VCCA-2015 Từ kết thử nghiệm nhóm định sử dụng giải thuật VO cho stereo-camera Và ngõ hệ VO đầu vào cho mô hình đo lường tích hợp Tích hợp hệ thống