Quy Hoạch Quỹ Đạo Cho Robot Dùng Thị Giác Máy Tính.pdf

Untitled BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ CAO HOÀNG TRƯỞNG QUY HOẠCH QUỸ ĐẠO CHO ROBOT DÙNG THỊ GIÁC MÁY TÍNH NGÀNH KỸ THUẬT ĐIỆN TỬ 605270[.]

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ CAO HOÀNG TRƯỞNG QUY HOẠCH QUỸ ĐẠO CHO ROBOT DÙNG THỊ GIÁC MÁY TÍNH NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 S K C0 Tp Hồ Chí Minh, tháng 10/2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ CAO HOÀNG TRƯỞNG QUY HOẠCH QUỸ ĐẠO CHO ROBOT DÙNG THỊ GIÁC MÁY TÍNH NGÀNH: KỸ THUẬT ĐIỆN TỬ-605270 Tp Hồ Chí Minh, tháng 10/2015 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƯỢC: Họ & tên: Cao Hoàng Trưởng Giới tính: Nam Ngày, tháng, năm sinh: 06-09-1987 Nơi sinh: Cần Thơ Quê quán: Tỉnh Vĩnh Long Dân tộc: Kinh Chỗ riêng địa liên lạc: 114 khu Thị Trấn Trà Ôn,Huyện Trà Ôn,Tĩnh Vĩnh Long Điện thoại quan: KhơngĐiện thoại nhà riêng:0987055139 E-mail:HoangTruongDepTrai@gmail.com II Q TRÌNH ĐÀO TẠO: Trung học chuyên nghiệp: Hệ đào tạo: KhôngThời gian đào tạo từ ……/…… đến ……/ …… Nơi học (trường, thành phố): Không Ngành học: Không Cao Đẳng Kỹ Thuật: Hệ đào tạo: Chính Quy Thời gian đào tạo từ …09 / 2005 đến…03./.2009 Nơi học (trường, thành phố):Trường Cao Đẳng Sư Phạm Kỹ Thuật Vĩnh Long Ngành học : Kỹ Thuật Điện – Điện Tử Đại học: Hệ đào tạo: Chính Quy Thời gian đào tạo từ 09 / 2009…đến …09 / 2011 Nơi học (trường,thành phố):Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh Ngành học:Kỹ Thuật Điện – Điện Tử Tên đồ án, luận án môn thi tốt nghiệp: “Thiết kế Bài Thực Hành Phòng Modul Cảm Biến” Ngày & nơi bảo vệ đồ án, luận án thi tốt nghiệp:Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh Người hướng dẫn: Ths Đặng Thanh Bình III QUÁ TRÌNH CƠNG TÁC CHUN MƠN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian 12/2011 đến Nơi công tác Công việc đảm nhiệm Công Ty TNHH P&G Indochina Nhân Viên Kỹ Thuật i LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu tơi với hướng dẫn Ts Ngô Văn Thuyên Các số liệu, kết nêu luận văn trung thực chưa công bố cơng trình khác Tp Hồ Chí Minh, ngày 18 tháng 10năm 2015 (Ký tên ghi rõ họ tên) Cao Hồng Trưởng ii LỜI CẢM TẠ Đầu tiên tơi xin gửi lờicảm ơn chân thành đến Ts Ngô Văn Thuyên, thầy người trực tiếp hướng dẫn thực đề tài từ lúc bắt đầu xây dựng thực hoàn thành Trong trình thực đề tài thầy thường xuyên đặt tốn với mức độ tăng dầnvà có gợi ý giúp tơi giải vấn đề khó khăn gặp phải Thầy theo sát kiểm tra tận tình chu đáo tiến độ thực đề tài Cuối xin gửi lời cảm ơn đến hai bạn Nguyễn Hừng Đông Nguyễn Hữu Nam người nhóm thực đề tài, kết nghiên cứu bạn tảng sở để xây dựng hồn thành đề tài Xin chân thành cảm ơn! Thành phố Hồ Chí Minh, ngày 18 tháng 10 năm 2015 Học viên Cao Hoàng Trưởng iii TÓM TẮT Định vị toán điều khiển di chuyển robot di động Nếu robot khơng biết vị trí mơi trường robot khó đưa định thực việc tiếp theo.Một robot hầu nhưcần phải có vài nhận biết vị trí mơi trường để hành động cách xác Đề tài trình bày thuật tốn định vị điều khiển di chuyển cho robot di động sử dụng camera vật mốc Phương pháp hình học sử dụng để xác định vị trí robot từ tọa độ vật mốc mơi trường Thuật tốn tìm đường A* áp dụng để tìm vị trí mà robot di chuyển từ điểm xuất phát điểm đích mà khơng va chạm với vật cản Thuật tốn thực mơ hình robot di động di chuyển theo kiểu lái vi sai Cảm biến sử dụng cho việc nhận dạng xác định khoảng cách từ robot đến vật mốc camera Webcam Để nhận dạng xác định tâm vật mốc thuật toán định vị sử dụng hàm thị giác máy tính thư viện Matlab Bộ lọc Particle Filter sử dụng cho việckết hợpthơng tin nội thơngtin đo đạc từ bên ngồiđể xác định vị trí cho robot di động Kết thực nghiệm cho thấy thuật tốn định vị có sử dụng lọc Particle Filter có độ xác cao hơn, quỹ đạo di chuyển robot bám sát với đường thẳng lý tưởng đường di chuyển thực robot iv ABSTRACT Localization is one of the fundamental problems in mobilerobotnavigation If a robot does not know where it is, it can be difficult to determine whatto next The robot will most likely need to have at least some idea ofwhere it is to be able to operate and act successfully This thesis presented localization and navigation algorithm for mobile robotusing camera and landmarks The geometric method was used to determine the position ofthe robotfromthe coordinateoflandmarks in the environment The path finding algorithmA* was applied tofind out positionswhich the robot can move from the start point to the goal without obstacle collision The algorithm has been implemented on mobile robotplatform with two differential drive wheels The sensor used for localizationand determination distance from robot to landmarks was aWebcam camera To be able to recognize and determine the center positionoflandmarks, localization algorithm utilized computer vision functions in Matlab Library The Particle filter combined available internal and external sensory informations to determine position ofthe mobile robot The experimental results showed that the localization algorithm which used Particle filter had higher accuracy, the trajectory of robot was closely with the ideal line and the ground truth iv MỤC LỤC Trang LÝ LỊCH KHOA HỌC i LỜI CAM ĐOAN iii LỜI CẢM TẠ iv TÓM TẮT v DANH SÁCH CÁC HÌNH vi Chương1 Tổng quan đề tài nghiên cứu 1.1.Tổng quan lĩnh vực nghiên cứu 1.2.Mục tiêu nghiên cứu 1.3.Phạm vi nghiên cứu 1.4.Phương pháp nghiên cứu Chương2.Cơ Sở Lý Thuyết Của Robot 2.1.Phương pháp định hướng quỹ đạo cho Robot 2.1.1 Phương pháp định hướng quỹ đạo dùng Thuật toán Astar 2.2.Phương pháp định vị cho Robot 2.2.1.Phương pháp định vị dùng Thuật toán Odometry 2.2.2 Phương pháp định vị dùng thuật toán Particle Filter 10 2.2.3 Phương pháp định vị dùng vật mốc 11 2.3.Phương pháp tránh vật cản cho Robot 13 2.3.1.Phương pháp tránh vật cản dùng thuật toán Bug 13 2.3.2.Phương pháp Tránh Vật Cản Vecto Field Histogram (VFH) 14 2.3.3.Phương pháp tránh vật cản dùng Camera 18 2.4.Phương pháp nhận dạng vật thể cho Robot 19 2.4.1.Tổng quan xử lý ảnh Matlab 19 2.4.2 Phương pháp nhận dạng vật thể dựa vào đặc điểm hình học 21 2.4.3 Phương pháp nhận dạng vật thể dựa đặc điểm cục 22 Chương3.Thuật toán quy hoạch quỹ đạo cho Robot 24 v 3.1.Quy hoạch đồ môi trường 24 3.1.1 Bản đồ môi trường 24 3.1.2 Thông tin tọa độ vật cản 27 3.2.Quy hoạch tọa độ vật mốc 31 3.2.1 Tinh chất vật mốc 31 3.2.2 Mã hóa vật mốc 33 3.3 Quy hoạch quỹ đạo dùng thuật toán Astar 35 Chương4 Thuật toán định vị cho Robot 40 4.1 Tổng quan Particle Filter 41 4.1.1 Ứng dụng hoạt động Particlr Filter 41 4.1.2 Thông tin quỹ đạo Particle filter 45 4.2.Quy hoạch quỹ đạo tọa độ dùng Particle Filter 45 4.2.1 Phương hướng định vị 46 4.2.2 Kết quy hoạch thuật toán 48 Chương5 Kết Luận 55 5.1.Tổng quan kết đạt 55 5.2.Hướng phát triển đề tài 55 v Danh Sách Các Hình Hình 2.1: Quỹ đạo thuật toán Astar Trang Hình 2.2: Mơ hình Robot di chuyển theo kiểu lái vi sai Trang Hình 2.3: Sai số vị trí di chuyển theo đường thẳng………………… Trang Hình 2.4: Sai số vị trí di chuyển theo đường cong………………… Trang Hình 2.5: Mã vạch biểu diễn số “012345”…………………………… Trang 12 Hình 2.6: Vật mốc nhân tạo dạng trịn, hình đa giác Trang 12 Hình 2.7: Biểu diển phương pháp Bug Trang 14 Hình 2.8: Bản đồ mắt lưới hai chiều Trang 15 Hình 2.9: Bản đồ luới vùng cửa sổ tích cực Trang 16 Hình 2.10: Hướng biên độ vecto cản Trang 16 Hình 2.11: Mức ngưỡng sơ đồ cực để chọn hướng di chuyển Trang 17 Hình 2.12: Mức ngưỡng góc Ɵ Trang 17 Hình 2.13: Demo khoảng cách dùng dual Camera Trang 19 Hình 2.14: Một số hàm thư viện xử lý ảnh Matlab Trang 21 Hình 2.15: Nhận dạng hình khối vật thể Trang 22 Hình 2.16: Cấu trúc hình ảnh màu Trang 23 Hình 3.1: Biểu diển thuật toán Astar Trang 25 Hình 3.2: Quỹ đạo chuyển Astar Trang 26 Hình 3.3: Vị trí vật cản đồ mơi trường Trang 28 Hình 3.4: Kích thước vật cản mơi trường di chuyển Trang 29 Hình 3.5: Cài đặt tọa độ vật cản đồ Trang 30 Hình 3.6: Thơng số kích dạng ma trận tọa độ Trang 30 Hình 3.7: Dạng hình học đa giác Trang 32 vi “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Camera, hay xử lý âm từ voice…Do ta phải biết chọn lọc liệu dùng để gáng cho Particle Filter Sao cho tiến hành xử lý cập nhật vị trí khơng ảnh hường nhiều đến tốc độ xử lý Robot liệu khác, đề tài ta chọn vật mốc làm toạ độ vật mẫu, Robot di chuyển theo toạ độ Astar, toạ độ thêm vào sai số khoảng cách (v) sai số góc lệch (w) Bên cạnh ta phải xem xét yếu tố khác ảnh hưởng đến quỹ đạo di chuyển độ đồng trục bánh xe, sức nặng chịu đựng động động sử dụng động bước Thơng qua hình 4.3, ta có thơng số lọc như: + Ta có vật mẩu hình trịn màu đỏ có toạ độ lần lượt: (x(o);y(o)), (x(o1);y(o1)), (x(o2);y(o2)) + Khoảng cách từ vật mẫu Robot K1, K2, K3, K + Góc hợp vật mẫu, vật cản xung quanh + W trọng số vật mẫu Hình 4.3: Cập nhật vị trí Particle Filter Nếu gọi I biến tập hợp khoảng hạt cần so sánh Trang 43 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Nếu gọi J biến tập hợp góc phương hướng hạt cần so sánh I= J= xon − xcan n ny on − y can + yon − ycan (4.1) (4.2) I Đối với số lượng vật mẫu nhiều, tiến hành cập nhật vị trí,ta có nhiều thơng số cập nhật, tiến hành update toạ độ dùng update, toạ độ lưu lại dùng làm sở cho trình update lần sau, giá trị update nhiều, vị trí Robot xác Đầu tiên ta dựa vào tọa độ Astar thông số quỹ đạo từ kết thực tế có sai lệch thông tin sai số khác hồn tồn kết thuật tốn Astar sở để robot di chuyển,còn thuật toán Particle Filter thành phần bổ trợ định vị Robot giúp cho robot với quỹ đạo vạch từ thuật toán Astar Trong thuật tốn ta áp dụng ngồi việc so sánh khoảng cách Robot với hạt độ lớn khoảng cách hướng hạt hướng Robot,mà ta sử dụng để so sánh thông tin vật mốc,bằng cách dựa vào so sánh vị trí tọa độ định vị lần vào lúc đầu q trình di chuyển mà thơi Có thể nói sau: + Đầu tiên ta so sánh vị trí tọa độ hạt,để định vị trí Robot thơng qua thơng số hạt + Khi có thơng số vị trí Robot,ta so sánh với tọa độ vật mốc hạt khoảng cách hướng,vì tọa độ mốc quỹ đạo di chuyển Astar số tọa độ vật cản mơi trường,và làm giảm khối lượng tính tốn + Ta chọn thời gian cập nhật vị rí cho Robot bước di chuyển Astar đồ,như khối lượng lấy mẫu thấp nên thời gian xử lý cho thuật toán khác nhiều thuật toán tránh vật cản chẳng hạn + Trọng số toạ độ sau tiến hành cập nhật, trả toạ độ thời điểm lấy mẫu, kết nối toạ độ cập nhật thời điểm lấy mẫu, ta vẽ Trang 44 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” quỹ đạo di chuyển Robot sở Astar làm Particle Filter làm tham chiếu giúp Robot quỹ đạo vạch Ta tiến hành thiết lập thông số mô cho giải thuật dùng Particle Filter, thuật tốn cài đặt thơng tin toạ độ hạt bước quan trọng thuật toán, đặc thù vị trí toạ độ, phương hạt biết trước, nên toạ độ phải bố trí ngẩu nhiên giới hạn đồ Map có kích thước 50x50 Toạ độ hạt tính theo cơng thức: Kết phép tốn toạ độ Hạt ma trận có dạng: 𝑇𝑜𝑎𝑑𝑜𝑕𝑎𝑡 = [ 𝑛=𝑠𝑜𝑕𝑎𝑡 𝑟𝑎𝑛𝑑 𝑠𝑜𝑕𝑎𝑡, , 𝑚 =𝑠𝑜𝑕𝑎𝑡 𝐻𝑢𝑜𝑛𝑔𝑡𝑜𝑎𝑑𝑜𝑕𝑎𝑡 = [cos (𝑟𝑎𝑛𝑑 𝑠𝑜𝑕𝑎𝑡, 1) ∗ ∗ 𝜋 𝜋 𝑟𝑎𝑛𝑑 (𝑚) ] (4.3) − sin (𝑟𝑎𝑛𝑑 𝑠𝑜𝑕𝑎𝑡, 1) ∗ ∗ (4.4) Vớimong muốn toạ độ, phương hướng hạt phải tạocách ngẩu nhiên nên ta chọn hàm Rand, hàm cho ta kết ngẩu nhiên không xác định trước, điều thoã mãn yêu cầu vị trí hạt Từ kết có phía trên, ta có toạ độ di chuyển Astar: Toạ độ di chuyển Astar có dạng ma trận: Toạ độ chuyển Astar = 𝑠𝑜𝑡𝑜𝑎𝑑𝑜 _𝐴𝑠𝑡𝑎𝑟 [(𝑋𝑛 𝑛=1 , 𝑌𝑛 ); [ (𝑋𝑛−1 , 𝑌𝑛 −1 ]] (4.5) Tại toạ độ di chuyển Astar, ta tiến hành cộng vào quỹ đạo di chuyển với lượng sai số ước lượng trước vận tốc(v) tần số gốc (w), nói ảnh hưởng hai sai số ta biết sai số vận tốc(v) định quảng đường di chuyển, dài hơn, hay ngắn so với toạ độ Astar Còn sai số tần số gốc làm ảnh hướng góc quay làm lệch góc quay dự kiến trình quay góc Robot, kết hợp nhiễu sai số vào toạ độ Astar,thì toạ độ khác hồn toàn so với toạ độ ban đầu, tạm thời ta gọi toạ độ nhiễu toạ độ mơ thực Phần trăm sai số cùa hai sai số bản: + Đối với vận tốc (v): Ta chọn phần trăm sai số 10% tương đương 0.1 Trang 45 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” + Đối với vận tốc gốc (w): Ta chọn phần trăm sai số 20% Tương đương 0.2 Vậy tổng sai số phần trăm 0.3, tương đương 30% sai số Vậy ta có toạ độ mơ có dạng ma trận có giá trị giá trị Ma trận toạ độ Astar cộng thêm với sai số dự đốn (v) (w) có giá trị tổng 30% tương đương 0.3 Toạ độmô phỏng: 𝑠𝑜𝑡𝑜𝑎𝑑𝑜 _𝐴𝑠𝑡𝑎𝑟 [(𝑋𝑛 𝑛=1 + 0.3 , 𝑌𝑛 + 0.3); [ (𝑋𝑛−1 + 0.3, 𝑌𝑛 −1 + 0.3 ] (4.6) Kết từ thuật toán Astar cho ta biết thông tin chuyển theo Astar, thông tin có chứa: Toạ độ di chuyển, toạ độ vật mốc, loại vật mốc, hướng di chuyển, gốc quay Đến tiến hành chạy mô kiểm tra thuật tốn Trước tiến hành chạy mơ thuật tốn, ta tìm hiểu lại số cơng thức tốn liên hoan đến thuật tốn Particle Filter Phương trình tốn Particle Filter: 𝑥𝑘𝑖 , 𝑤𝑘𝑖 𝑁 𝑖 𝑖 , 𝑤𝑘−1 = 𝑃𝐹[ 𝑥𝑘−1 𝑖=1 𝑁 𝑖=1 , 𝑧𝑘 (4.7) + x(k) =là vector trạng thái thời điểm k + z(k) = vector quan sát thời điểm k + Trọng số thời điểm k Khởi tạo trạng thái Hạt: 𝑖 (𝑖) 𝑥𝑘 ~𝜋(𝑥𝑘 |𝑥𝑘−1 , 𝑧𝑘 ) (4.8) Tính tốn trọng số: (𝑖) 𝑤𝑘 = ~(𝑖) 𝑤𝑘 (𝑖) 𝑤𝑘−1 × (𝑖) = 𝑤𝑘 𝑖 (𝑖) (𝑖) 𝑃(𝑧 𝑘 \𝑥 𝑘 )𝑃(𝑥 𝑘 \𝑧𝑘−1 𝑖 𝑖 𝜋(𝑥 𝑘 \𝑥 𝑘 ,𝑧 𝑘 (4.9) (4.10) 𝑁 𝑤 (𝑖) 𝑘=1 𝑘 Tính tốn tỉ lệ hạt trùng lập theo trọng số: Trang 46 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” 𝑁 𝑡𝑟 = 𝑁 𝑁 (4.11) 𝑁 (𝑁𝑤 ~ 𝑖 )2 𝑘=1 𝑘 Nếu 𝑁 𝑡𝑟 nhỏ tỉ lệ không trùng lập ta tiến hành cập nhật lại số với công thức: (𝑖) (𝑖) 𝑁 𝑘=1 𝑥𝑘 , 𝑤𝑘 ~ 𝑖 = 𝑅𝐸𝑆𝐴𝑀𝑃𝐿𝐸[{𝑥𝑘 ~ 𝑖 , 𝑤𝑘 }𝑁 𝑘=1 ] (4.12) Nếu 𝑁 𝑡𝑟 lớn tỉ lệ không trùng lập ta tiến hành kết thúc trình cập nhật với công thức: (𝑖) (𝑖) 𝑁 𝑘=1 𝑥𝑘 , 𝑤𝑘 ~(𝑖) = {𝑥𝑘 ~(𝑖) 𝑁 }𝑘=1 , 𝑤𝑘 (4.13) Và Hinh 4.4 hình hiển thị quỹ đạo định vị Robot đồ Map cài đặt sẵn Hình 4.4: Thơng số hạt tọa độ lấy mẫu Trên hình ta thấy vng màu đỏ đánh dấu tọa độ Astar tọa độ dùng để lấy mẩu xác định vi trí Robot di chuyển đồ,Và hình tam giác màu xanh vị trí Robot,tọa độ sai số cập nhật Sau có tọa độ khoảng thời gian lấy mẫu,ta tiến hành chạy mô kết mô trả cho ta kết tọa độ di chuyển thực Robot Trang 47 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” sai số đưa hợp lý đắn điều điều mà vươn tới kết mơ phổng,nếu ta có thật nhiều sai số,và thơng số sai số thực xác định ta tính tốn xác vị trí thực di chuyến Robot vi trí đồ 4.2 Kết thuật toán Particle Filter Đến tiến hành chạy mô kiểm tra thuật toán Khởi động Matlab tiến hành cài đặt thơng tin cho chương trình mơ chọn chế độ chạy mơ phỏng, vị trí xuất phát, vị trí đến Hình 4.5: Cài đặt thơng số mơ Chương trình có hai chế độ chạy: + Nếu chọn 1: Chương trình chạy đồ cài đặt sẵn + Nếu chọn 2: Chương trình yêu cầu cài đặt đồ trước chạy Trang 48 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Hình 4.6: Cài đặt thơng số vị trí đên mơ Trên hình ta cài đặt thơng tin mơ + Vị trí xuất phát (x_xuất phát=15, y_xuất phát=10) + Vị trí đến (x_đến =45, y_đến =40) Hình 4.7: Mơ thuật tốn Astar Thơng qua Hình 4.7 cho ta thấy rằng: + Dấu (*): Là toạ độ Astar vạch từ thuật toán + Dấu (*): Là toạ độ di chuyển toạ độ Astar + Dấu (*): Là toạ độ vật mốc,nhưng vùng nhận dạng củaRobot + Dấu (*): Là toạ độ vật mốc nằm vùng nhận dạng Robot Hình 4.8: Thông số toạ độ di chuyển dựa Astar Từ Hình 4.8 ta thấy rằng: Trang 49 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” + Hai cột 1, toạ độ thuật toán Astar + Hai cột 3, toạ độ vật mốc tầm nhận biết Robot + Cột thứ góc hợp toạ độ di chuyển Astar với toạ độ vật mốc + Cột thứ khoảng cách từ toạ độ di chuyển đến toạ độ vật mốc + Cột thứ thể loại vật mốc, mỡi vật mốc có thơng số nhận dạng Hình 4.9: Thơng số toạ độ di chuyển dựa Astar Thông qua thông tin di chuyển này, ta biết thông tin: + Cột 1, thông tin toạ độ vật mốc theo Astar + Cột hướng di chuyển toạ độ Astar + Cột thứ thể phương di chuyển Robot, lên, ngang, hay xéo lên + Cột thứ góc quay di chuyển theo toạ độ Astar Trang 50 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Hình 4.10 Quỹ đạo toạ độ di chuyển dựa Astar Hình 4.11: Thơng số toạ độ di chuyển dựa Astar Toạ độ mô thực toạ độ thêm vào sai số vận tốc sai số vận tốc gốc, Quan sát biểu đồ ta thấy rõ ràng đường nối điểm sai số với ta có quỹ đạo di chuyển Robot theo đường gấp khúc, quỹ dạo đường Robot, khơng áp dụng thuật tốn Particle Filter Robot di chuyển với quỹ đạo cực khó để di chuyển phải quay liên tục khoảng đường chưa đủ dài, giảm trình chuyển Robot, Robot hoạt động không mượt mà Vậy nên quỹ đạo không xem quỹ đạo di chuyển an toàn làm lệch quỹ đạo Robot Hình 4.12: Thơng số toạ độ di chuyển Particle Filter Trang 51 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Từ Hình 4.12 ta thấy đường nối liền toạ độ lấy mẫu dựa toạ độ mô thực, toạ độ sau cập nhật,toạ độ lại gáng ngược lại cho toạ độ mô thực,làm liệu để cập nhật toạ độ tiếp theo, ta thấy rằng, thêm vào sai số tiến hành cập nhật lại vị trí toạ độ vị trí toạ độ Robot cải thiện nhiều, dù chưa gọi chuẩn khắc phục tình trạng quỹ đạo khó Hình 4.13: Thơng số tỉ lệ Astar Particle Filter Thông qua biểu đồ Hình 4.11 ta thấy rõ ràng quỹ đạo cập nhật từ thuật toán Particle Filter kết hợp với toạ độ mô sau kèm thêm số sai số, có quỹ đạo mơ gần sát với thuật tốn tìm đường di ngắn thuật toán Astar, quỹ đạo di chuyển sát với Astar xem lý tưởng thực tế có đường nối hai điểm trên mặt phẳng ngắn Trang 52 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Hình 4.14: Thơng số tỉ lệ Astar Particle Filter, Mophong_thuc Thông qua biểu đồ Hình 4.13 ta thấy rõ quỹ đạo cho robot dùng kết hợp thuật toán Astar thuật toán Particle Filter cho hiệu tốt: + Quỹ đạo thống, khơng trùng lấp nhiều + Thời gian phải dừng ít khoảng cong + Thời gian cập nhật vị trí nhanh,khơng gây thời gian xử lý + Được hỗ trợ mạnh mẽ từ thưviện Matlab, giúp công việc lập trình tốt Nhưng bên cạnh dó thuật tốn Particle Filter tồn nhiều thiếu sót chẳng hạn như: + Luôn phải dựa vào khoảng cách lúc đầu để xác định vị trí tọa độ Robot, xác định khoảng cách lúc đầu thi thuật tốn khơng thể xác định + Nếu vị trí thực robot xa rời so với vị trí robot đồ Map,thi robot khơng thể định vị được, sai số tiếp tục tang dần làm ảnh hưởng nhiều đến thuật toán + Nếu đồ thực tế q lớn dẫn đến tình trạng tính tốn lớn muốn dùng thuật tốn Particle này, số lượng hạt tạo phái lớn độ xác cao Trang 53 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” Chương Kết Luận Nội dung chương trình bày tóm tắt kết mà đề tài đạt hướng phát triển để khắc phục giới hạn nhằm hoàn thiện đề tài tốt 5.1 Kết đạt đề tài Đề tài đạt kết sau: Xây dựng mơ hình vật mốc với thơng số kích thước, hình dạng vật mốc mơi trường mã hóa thơng tin cách phân loại vật mốc nhận dạng hình đa giác khác Xây dựng thuật toán nhận dạng vật mốc, thuật toán định vị thuật toán điều khiển Robot di chuyển từ vị trí xuất phát vị trí đích 5.2 Hướng phát triển đề tài Đề tài tập trung xây dựng thuật toán định vị dựa vào vật mốc nhân tạo bố trí sẵn mơi trường, kết thuật tốn phụ thuộc vào nhiều yếu tố ánh sáng, Trang 54 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” kích thước, vị trí đặt số lượng vật mốc mà yếu tố khó đảm bảo Robot di chuyển môi trường thực tế Vì vậy, hướng phát triển đề tài thuật toán cần kết hợp thêm việc nhận dạng vật mốc tự nhiên, sẵn có mơi trường như: hành lang, cửa chính, cửa sổ, tường, trần nhà … để xác định vị Robot mơi trường tổng qt xác Bên cạnh đó, ứng dụng thuật tốn tìm đường A* kết hợp ParticleFilter để tránh vật cản xuất trình di chuyển Robot TÀI LIỆU THAM KHẢO [1] Roland, S and N Illah R, Introduction to Autonomous Mobile Robots, 1st ed, 2004, London [2] Negenborn, R., Robot Localization and Kalman Filters, in Institute of Information and Computing Sciences 2003, Utrecht University [3] Bais, A and R Sablatnig, Landmark Based Global Self-localization of Mobile Soccer Robots, 2006 LNCS 3852: p 842–851 [4] [5] Tsukiyama, T., Mobile Robot Localization from Landmaek Bearings, 2009 Stroupe, A.W., K Sikorski, and a.T Balch, Constraint-Based Landmark Localization, 2001 [6] Jang, G., et al., Color Landmark Based Self-Localization for Indoor Mobile Robots, 2003 [7] Kim, Y.-G., et al., Localization of Mobile Robot Based on Fusion of Artificial Landmark and RF TDOA Distance under Indoor Sensor Network, 2011 [8] Betke, M and L Gurvits, Mobile robot localization using landmarks,1997 Trang 55 “Quy Hoạch Quỹ Đạo Robot Dùng Thị Giác Máy Tính” [9] Font, J.M and J.A Batlle, Mobile Robot Localization Revisiting The Triangulation Methods, 2006 [10] Sousa, A., et al., Using Barcodes for Robotic Landmarks [11] Jang, G., et al., Robust Self-localization of Mobile Robots using Artificial and Natural Landmarks, 2003 [12] Hayet, J.B., F Lerasle, and M Devy, A visual landmark framework for mobile robot navigation, 2007 [13] John G Allen, Richard Y D Xu, and J.S Jin, Object Tracking Using CamShift Algorithm and Multiple Quantized Feature Spaces, 2006 [14] Bradski, G.R and A Kaehler, Learning OpenCV Computer Vision with OpenCV Library 2008, O‟Reilly Media [15] Welch, G and G Bishop, An Introduction to the Kalman Filter, 2006 [16] http://www.mathworks.com/help/vision/ [17] http://www.mathworks.com/products/computer-vision/ [18] http://note.sonots.com/Matlab/cvprtoolbox.html [19] http://www.petercorke.com/Machine_Vision_Toolbox.html Trang 56 S K L 0