(Luận văn thạc sĩ hcmute) nghiên cứu, ứng dụng công nghệ quét laser 2d trong định vị robot tiếp tân

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ CÔNG PHÁT NGHIÊN CỨU, ỨNG DỤNG CÔNG NGHỆ QUÉT LASER 2D TRONG ĐỊNH VỊ ROBOT TIẾP TÂN NGÀNH: KỸ THUẬT CƠ ĐIỆN TỬ - 60520114 S K C0 1 Tp Hồ Chí Minh, tháng 3/2016 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ CƠNG PHÁT NGHIÊN CỨU, ỨNG DỤNG CÔNG NGHỆ QUÉT LASER 2D TRONG ĐỊNH VỊ ROBOT TIẾP TÂN NGÀNH: KỸ THUẬT CƠ ĐIỆN TỬ - 60520114 Tp Hồ Chí Minh, tháng 3/2016 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ CÔNG PHÁT NGHIÊN CỨU, ỨNG DỤNG CÔNG NGHỆ QUÉT LASER 2D TRONG ĐỊNH VỊ ROBOT TIẾP TÂN NGÀNH: KỸ THUẬT CƠ ĐIỆN TỬ - 60520114 Hướng dẫn khoa học: PGS.TS NGUYỄN TRƯỜNG THỊNH Tp Hồ Chí Minh, tháng 3/2016 Luan van LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƢỢC: Họ & tên: VÕ CÔNG PHÁT Giới tính: Nam Ngày, tháng, năm sinh: 06/07/1991 Nơi sinh: Long An Quê quán: Cần Đƣớc – Long An Dân tộc: Kinh Chỗ riêng địa liên lạc: 25 Ngô Quyền, P Hiệp Phú, Q9, TpHCM Điện thoại quan: Điện thoại nhà riêng: Fax: E-mail: vophat0607@gmail.com II QUÁ TRÌNH ĐÀO TẠO: Trung học chuyên nghiệp: Hệ đào tạo: Thời gian đào tạo từ ……/…… đến ……/ …… Nơi học (trƣờng, thành phố): Ngành học: Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2009 đến 09/2013 Nơi học (trƣờng, thành phố): Trƣờng Đại học Sƣ Phạm Kỹ Thuật Tp HCM Ngành học: Kỹ thuật Điện-Điện tử Tên đồ án, luận án môn thi tốt nghiệp: NGHIÊN CỨU VÀ XÂY DỰNG MƠ HÌNH HỆ THỐNG MẠNG THEO CHUẨN XBEE TRONG ĐIỀU KHIỂN VÀ GIÁM SÁT Ngày & nơi bảo vệ đồ án, luận án thi tốt nghiệp: ngày 20/07/2013 Trƣờng Đại học Sƣ Phạm Kỹ Thuật TpHCM Ngƣời hƣớng dẫn: ThS Trƣơng Ngọc Anh III Q TRÌNH CƠNG TÁC CHUN MƠN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm 5/2013 – 8/2015 Cty TNHH Daewoo Royal System (Việt Nam) Kỹ thuật viên Trƣờng Cao Đẳng Công Nghệ Thủ Đức Giảng viên 9/2015 – đến i Luan van LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu tơi Các số liệu, kết nêu luận văn trung thực chƣa đƣợc công bố cơng trình khác Tp Hồ Chí Minh, ngày … tháng … năm 201… (Ký tên ghi rõ họ tên) Võ Công Phát ii Luan van CẢM TẠ Lời xin gửi lời cảm ơn đến tất quý thầy cô giảng dạy Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh, đặc biệt q thầy khoa Cơ Khí Máy khoa Điện Điện tử hướng dẫn giảng dạy kiến thức bổ ích tạo tiền đề vựng vàn quan trọng cho thực chuyên đề Tôi xin gửi lời cảm ơn chân thành đến giáo viên hướng dẫn thầy Nguyễn Trường Thịnh tận tình góp ý hướng dẫn bảo, cung cấp kiến thức vật tư quan trọng giúp tơi có nhiều điều kiện thuận lợi suốt trình thực luận văn Cảm ơn bạn bè, anh chị em, người trước người thân góp ý kiến, giúp đỡ động viên tơi hồn thành chun đề Sau cùng, xin gửi lời chúc sức khỏe đến tất người! Trân Trọng Người thực Võ Công Phát iii Luan van TĨM TẮT Robot tiếp tân có khả thay ngƣời thực công việc nhƣ hƣớng dẫn hay chia thông tin nhƣng mộtthách thức chung robot khả tự xác định vị trí khu vực hoạt động Nhằm giải vấn đề trên, đề tài lựa chọn trang bịtrên robot cảm biến RPLiDAR để thu thập liệu địa hình laser 2D sau xây dựng đồ mà khơngcần liệu có sẵn Đề tàixoay quanh việc ứng dụng thuật toánSLAM robot tiếp tân Phần đầu đề cập đếncác thành phần SLAMbao gồm mô tả giải thuật lọc Kalman mở rộng- thành phần thuật tốn dùng để ƣớc tính vị trí robot đồ Sau liệt kê số phƣơng pháp xử lý tín hiệutrongmơi trƣờngMATLAB tổng quan cảm biến đƣợc sử dụng đề tài.Phần trình bày phƣơng pháp thử nghiệm cảm biến tính tốn odometry vàcảm biến qt khơng gian xung quanh Cuối kết hợp liệu cảm biến đƣợc lựa chọn kết thực nghiệm toàn hệ thống thực tế iv Luan van ABSTRACT Service robot is able to replace humans in guiding or sharing information, however, thisrobot faces a challenge of locating its position in a particular environment For the purpose of solving the problem, author has select and equip the robot with RPLiDAR sensor for collecting data and building map bability without available data This dessertation mainly focuses on the application of SLAM agolthrism to service robot The first part mentions SLAM’s fundamental parts including descripting extended Kalman filter, one of the main parts of this agolthrism, to estimate the robot’s position in maps Then, methods solving signals in MATLAB environment is listed, and overview of sensors used in thi research is provided The next part presents sensor enperiment method in odometry calculation and scanner sensor The last is the data combination of sensors chosen and test results of the research in practice v Luan van MỤC LỤC TRANG TỰA TRANG LÝ LỊCH KHOA HỌC I LỜI CAM ĐOAN II CẢM TẠ III TÓM TẮT IV MỤC LỤC VI DANH SÁCH CÁC TỪ VIẾT TẮT VIII DANH MỤC HÌNH ẢNH IX DANH MỤC BẢNG XII CHƢƠNG I TỔNG QUAN .3 1.1 GIỚI THIỆU 1.2 CÁC NGHIÊN CỨU LIÊN QUAN ĐẾN ĐỀ TÀI .3 1.2.1 CÁC NGHIÊN CỨU NGOÀI NƢỚC 1.2.2 NGHIÊN CỨU TRONG NƢỚC 1.3 LÝ DO CHỌN ĐỀ TÀI 1.4 MỤC TIÊU NGHIÊN CỨU 1.5 ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU 1.6 Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN 1.7 PHƢƠNG PHÁP NGHIÊN CỨU .9 1.7.1 CƠ SỞ PHƢƠNG PHÁP LUẬN 1.7.2 CÁC PHƢƠNG PHÁP NGHIÊN CỨU CỤ THỂ 1.8 KẾ HOẠCH THỰC HIỆN CHƢƠNG II CƠ SỞ LÝ THUYẾT 11 2.1 MỘT SỐ PHƢƠNG PHÁP ĐỊNH VỊ TRONG ROBOT 11 2.1.1 PHƢƠNG PHÁP TIÊN ĐOÁN DEAD-RECKONING .11 2.1.2 HỆ THỐNG DẪN ĐƢỜNG CỘT MỐC CHỦ ĐỘNG 11 2.1.3 HỆ THỐNG DẪN ĐƢỜNG CỘT MỐC 12 2.1.4 XỬ LÝ HÌNH ẢNH THU THẬP TỪ CAMERA 12 vi Luan van 2.1.5 ĐỊNH VỊ SỬ DỤNG TIA LASER .13 2.2 PHƢƠNG ÁN THỰC HIỆN .14 2.3 BỘ LỌC KALMAN MỞ RỘNG - EKF 15 CHƢƠNG III XÂY DỰNG MƠ HÌNH THU THẬP VÀ CHUẨN HĨA DỰ LIỆU 26 3.1 XÂY DỰNG MƠ HÌNH ROBOT .26 3.1.1 3.2 CẤU TRÚC CƠ KHÍ 26 CẤU TRÚC HỆ THỐNG ĐIỀU KHIỂN 26 3.2.1 MÁY TÍNH XỬ LÝ TRUNG TÂM 27 3.2.2 CẢM BIẾN NGOẠI VI QUÉT LISER 2D RPLiDAR 28 3.2.3 CÁC CẢM BIẾN TRẠNG THÁI ROBOT – IMU 36 CHƢƠNG IV THUẬT TOÁN XÂY DỰNG BẢN ĐỒ VÀ ĐIỀU KHIỂN CHUYỂN ĐỘNG 46 4.1 PHƢƠNG PHÁP TÁCH DỮ LIỆU ĐOẠN THẲNG 46 4.1.1 XỬ LÝ CÁC ĐIỂM KHƠNG TUYẾN TÍNH - SPIKES 46 4.1.2 XỬ LÝ CÁC ĐIỂM THEO QUY LUẬT (RANSAC) .47 4.1.3 SLAM KẾT HỢP KALMAN MỞ RỘNG (EKF-SLAM) .53 4.2 ƢỚC LƢỢNG TRẠNG THÁI ROBOT VÀ XÂY DỰNG BẢN ĐỒ .57 4.3 ĐIỀU KHIỂN BÁM QUỸ ĐẠO .60 4.3.1 THIẾT KẾ BỘ ĐIỀU KHIỂN 61 CHƢƠNG V KẾT QUẢ MÔ PHỎNG VÀ THỰC NGHIỆM 63 5.1 PHƢƠNG PHÁP ĐỂ ĐO ODOMETRY TRONG THỰC TẾ 63 5.2 KẾT QUẢ CẢM BIẾN QUÉT LASER TRONG MÔI TRƢỜNG 67 5.3 MÔ HÌNH THỰC TẾ 69 CHƢƠNG VI KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 74 TÀI LIỆU THAM KHẢO 76 vii Luan van Hình 5.3: Kiểm tra odometry- di chuyển theohình chữ nhật Hình 5.4: Kiểm tra odometry- di chuyển trở vị trì ban đầu (phịng thí nghiệm) 65 Luan van Hình 5.5: Kiểm tra odometry- di chuyển ngẫu nhiên encoder bị “trƣợt” Hình 5.6: Kiểm tra odometry- di chuyển thay đổi góc ngẫu nhiên Sau thực nghiệm kết thể hình 5.3, 5.4, 5.5, 5.6 cho thấy liệu odometry sử dụng encoder sai số cao Trong lần thử nghiệm tiếp theo, nhiên, áp dụng điều kiện lý tƣởng Có thể xảy lỗi xảy 66 Luan van mà nhiều ảnh hƣởng đến odometry liệu đầu Lỗi số lý nhƣ trƣợt bánh xe trƣợt với tốc độ cao hơn, lỗi đo IMU ảnh hƣởng cấu trúc khí, không nhận đƣợc liệu Những sai số có ảnh hƣởng lớn đến tồn thuật tốn EKF-SLAM 5.2 KẾT QUẢ CẢM BIẾN QUÉT LASER TRONG MÔI TRƢỜNG Hình 5.7: Dữ liệu cảm biến RPLIDAR khơng gian nhỏ hành lang Hình 5.8: Dữ liệu cảm biến RPLIDAR trongphịng học có bàn ghế 67 Luan van Hình 5.9: Dữ liệu cảm biến RPLIDAR khu vuc cầu thang Từ thí nghiệm hình 5.7, 5.8, 5.9 cho thấy kết đo tƣơng đối ổn định từ cảm biến quét laser RPLiDAR Vị trí gần cảm biến có tín hiệu rõ nét phù hợp để phát triển SLAM Thiết lập tham số thuật toán điều chỉnh Trong thực tế cần ý đến thông số mô để thực đƣợc cấu hình robot Việc ảnh hƣởng đến tốc độ thông số chức để tìm kiếm điểm mốc trƣờng hợp trích xuất đƣờng thẳng từ liệu cảm biến laser Trong trƣờng hợp này, thay đổi nhỏ có thểcó tác động lớn đến quỹ đạo tổng thể robot, đƣợc thể hai giai đoạn: Giai đoạn điều chỉnh xác thuật tốn SLAM-EKF tốc độ thực thi tồn thuật tốn Các thơng số ảnh hƣởng độ xác độ lệch tối đa từ điểm xen kẽ với dòng hợp nhiều dịng tƣơng tự thành một, kích thƣớc số lƣợng điểm ảnh Khi thực tốc độ bị ảnh hƣởng thông số xác định chiều dài tối thiểu liệu đƣợc coi bƣớc ngoặt Đó liệu lớn có kích thƣớc vector x ma trận phƣơng sai P đƣợc sử dụng EKF lớn Do thuật tốn chậm lại hoạt động với ma trận 68 Luan van lớn chiếm nhiều thời gian CPU Điểm mốc dựa phân đoạn nhỏ đáng tin cậy, nhƣng đoạn ngắn hơn, độ tin cậy Hiệu chỉnh thông số đƣợc thực cách thử lỗi dựa thực tế thực mơi trƣờng nhà Do việc tìm thơng số phù hợp mơi trƣờng cần tốn tối ƣu hóa: - WindowSize = 21 (kích thƣớc cửa sổ - số điểm) - threshfidel = 0,02 (tốc độ tối đa độ lệch điểm từ dòng xen kẽ) - fusealpha = 0,89999 (mức độ tƣơng tự cần thiết cho phản ứng tổng hợp nhiều dòng mốc) - MINLENGTH = 1,2 (chiều dài đoạn tối thiểu (m) mà đƣợc coi mốc) Cũng cần phải nhớ thông số áp dụng cho ứng dụng cụ thể 5.3 MƠ HÌNH THỰC TẾ Hình 5.10: Robot tiếp tân phần mềm thiết kế 69 Luan van Hình 5.11: Robot tiếp tân DAISUKI 2015 Hình 5.11: Robot tiếp tân WHITE đƣợc thiết kế lại 2016 70 Luan van Hình 5.12:Kết thu thập phịng thí nghiệm Hình 5.13:Kết mơ thuật tốn xây dựng đồ 71 Luan van Hình 5.14:Kết thu thập phịng có nhiều vách ngăn Hình 5.16:Kết thu thập phịng có nhiều vách ngăn 72 Luan van 73 Luan van Chƣơng VI KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Mục đích của đề tài chủ yếu đƣợc vận hành thử kiểm tra cảm biến cụ thể cảm biến quét laser – RPLIDAR ứng dụng thuật toán SLAM robot tiếp tân Nội dung luận văn cung cấp mô tả thuật toán cho SLAM sử dụng lọc Kalman mở rộng (EKF) kết số hàm phần mềm MATLAB Ngồi cịn có chƣơng mô tả cảm biến đƣợc sử dụng luận văn Kết nghiên cứu tổng thể vấn đề SLAM phần cứng chức toàn thuật tốn Hơn nữa, xây dựng đƣợc cơng cụ phần mềm để mơ tả thuật tốn SLAM áp dụng cho robot tiếp tân đƣợc thực mô hoạt động xây dựng đồ Với số thực nghiệm để đánh giá sai số nhƣ thu thập liệu cảm biến để xử lý tiếp Sau thực số thử nghiệm điều tra phù hợp cảm biến để đo odometry với môi trƣờng xung quanh Kết việc sử dụng kết hợp encoder, IMU cảm biến quét laser RPLIDAR đáp ứng tốt yêu cầu độ xác tính cho robot tiếp tân nói riêng robot dịch vụ nói chung.Tuy nhiên, đƣợc áp dụng tƣơng lai nên giải thiếu sót, khơng phục vụ tốt, chí tốt so với kết hợp Đề tài cịn chủ đề để mở rộng cải tiến tƣơng lai Phần thứ hai phần thực tế xử lý thuật toán ứng dụng SLAM sửa đổi cần thiết để thiết lập thơng số chƣơng trình để đạt đƣợc kết tốt xác vị trí xe mơi trƣờng nhà quen thuộc Có thể thấy hệ thống xử lý tốt với lỗi odometry ngẫu nhiên Sau thực điều chỉnh nhỏ, thông số tiếp tục xử lý hạn chế lỗi này, đạt đƣợc độ xác định vị tƣơng đối cao với dung sai 5-15 cm quãng đƣờng 20 m Các đồ kết thực nghiệm sau ảnh hƣởng rõ ràng EKF ƣớc tính vị trí dựa odometry với kết thu đƣợc hiệu 74 Luan van chỉnh - địa điểm tìm kiếm sử dụng cảm biến quét laser Nhƣ đề cập, thực đề tài đƣợc phát số vấn đề khu vực di chuyển sai số cao chủ đề cho phần mở rộng cải tiến Hơn kết hợp hình ảnh điều tuyệt vời muốn đạt đƣợc độ xác Cịn việc nâng hiệu suất tốt tốc độ thuật toán xử lý liệu tốt kết hợp thực thiết kế ngôn ngữ lập trình khác so với MATLAB (ví dụ, C ++) 75 Luan van TÀI LIỆU THAM KHẢO TÀI LIỆU THAM KHẢO [1] Stefan Kohlbrecher Hector SLAM Tutorial.ROS Workshop Graz 22/08/2012 [2] BostonDynamics.BigDog - The Most Advanced Rough-Terrain Robot on Earth.Internet: http://www.bostondynamics.com/index.html, 26/04/2015 [3] Khánh Linh Một số kỹ thuật định vị cho Robot di động Tạp chí tự động hóa ngày Số 154, 3/2013 [4] Søren and Morten Rufus BLAS SLAM for Dummies: A Tutorial Approach to Simultaneous Localization and Mapping p 126, 2003 [5] Robo Peak Team RPLIDAR Introduction and data sheet Internet: http://rplidar.robopeak.com/download.html, 30/04/2015 [6] Silicon Labs Serial Communications Guide for the CP210x Internet: http://www.silabs.com/Support%20Documents/TechnicalDocs/an197.pdf, 01/04/2014 [7] Robot Peak Team RPLIDAR Interface Protocol, Mars 2014 Internet: http://rplidar.robopeak.com/download.html, 05/03/2014 [8] Inven sense MPU-6000/MPU-6050 Product Specification https://www cdiweb com/datasheets/invensense/MPU-6050_DataSheet_V3%204.pdf, 02/02/2014 [9] ARRAS, Kai O The CAS Robot Navigation Toolbox: Users Guide and Reference 2004 Internet: http://www.cas.kth.se/toolbox/UsersGuide- 0.9.pdf.10/06/2014 [10] Transmotec - PD42 series DC motors.B R.Internet:http://www transmotec com/dc-motors/planetary-gear/PD42-Series.aspx 02/1/2015 [11] The MPU-9150 Product Specification, Internet:http://www.invensense.com/wp-content/uploads/2015/02 9150-Datasheet.pdf 20/4/2015 76 Luan van 2012 /MPU- [12] NAMINSKI, Megan R An Analysis of Simultaneous Localization and Mapping (SLAM) Algorithms Internet:http://digitalcommons.macalester.edu/ 2013 mathcs_honors/29/ 20/05/2015 [13] WELCH, Greg a Gary BISHOP An Introduction to the Kalman Filter, 2006.Internet: https://www.cs.unc.edu/~welch/media/pdf/kalman_intro.pdf 19/05/2015 [14] LIANG ZHAO, SHOUDONG HUANG a Gamini DISSANAYAKE Linear SLAM: A linear solution to the feature-based and pose graph SLAM based on submap joining.2013 IEEE/RSJ International Conference on Intelligent Robots and Systems Tokyo: IEEE, 2013, s 24-30 [15] ARRAS, Kai O The CAS Robot Navigation Toolbox KTH | Centre for Autonomous Systems – CAS.2004 Internet: http://www.cas.kth.se/toolbox/ 25/05/2015 [16] ARRAS, Kai O The CAS Robot Navigation Toolbox: Users Guide and Reference 2004 Internet:http://www.cas.kth.se/toolbox/UsersGuide-0.9.pdf 04/05/2015 [17] Neato Robotics Robot vacuum Internet: https://www.neatorobotics.com/ robot-vacuums/ 14/08/2015 [18] B L McNaughton, L L Chen, E J Markus “Dead Reckoning,” Landmark Learning, and the Sense of Direction: A Neurophysiological and Computational Hypothesis Journal of Cognitive Neuroscience,April 1991, pp 190 – 202 [19] A J Davison MonoSLAM: Real-Time Single Camera SLAM IEEE Transactions on Pattern Analysis and Machine Intelligence, June2007, pp 1052 – 1067 [20] J Civera,D Gálvez-López ; L Riazuelo ; J D Tardós ; J M M MontielTowards semantic SLAM using a monocular camera IEEE Transactions on Cybernetics ,Dec 2012, pp.1277 – 1284 77 Luan van [21] P Newman, D Cole, K Ho Outdoor SLAM using visual appearance and laser ranging.Robotics and Automation, 2006 Proceedings 2006 IEEE International Conference on, May 2006, pp 1180 – 1187 [22] S Ahn, M Choi , J Choi , W K Chung Data Association Using Visual Object Recognition for EKF-SLAM in Home Environment.Intelligent Robots and Systems, 2006 IEEE/RSJ International Conference on, Oct 2006, pp 2588 – 2594 [23] Smith, Self, Cheesman.Estimating uncertain spatial relationships in robotics.Autonomous Robot Vehicles, 1990, pp 167-193 [24] Leonard, Durrant-Whyte: Mobile robot localization by tracking geometric beacons.IEEE Transactions on Robotics and Automation Jun 1991, pp 376 382 WEBSITE THAM KHẢO  www.transmotec.com  www.wikipedia.org  www.evolution.com  www.arduino.vn  www.sick.de  www.cesti.gov.vn  www.harinadha.wordpress.com  www.automation.net.vn GIẢI THÍCH THUẬT NGỮ Odometry việc sử dụng liệu từ cảm biến chuyển động để ước tính thay đổi vị trí theo thời gian Outlier giá trị cực so với giá trị khác quan sát điều kiện Outlier giá trị đơn lẻ, giá trị từ hai hay nhiều biến số Inlierslà mẫu chọn ngẫu nhiên tập mẫu liệu ban đầu 78 Luan van S K L 0 Luan van ... HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ CÔNG PHÁT NGHIÊN CỨU, ỨNG DỤNG CÔNG NGHỆ QUÉT LASER 2D TRONG ĐỊNH VỊ ROBOT TIẾP TÂN NGÀNH: KỸ THUẬT CƠ ĐIỆN TỬ - 60520114 Tp Hồ... robot tiếp tân giúp chúng hoạt động mơi trƣờng thực Đó lý tác giả chọn đề tài ? ?nghiên cứu, ứng dụng công nghệ quét laser 2D định vị robot tiếp tân? ?? 1.4 MỤC TIÊU NGHIÊN CỨU Tìm hiểu đặt điểm robot. .. sử dụng liệu encoder động Với đề tài robot tiếp tục cải thiện việc xác định vị trí định vị nên đƣợc trang bị cảm biến quét laser 360◦ đại Với đề tài ? ?nghiên cứu, ứng dụng công nghệ quét laser 2D