ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VIỆT - HÀN
ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VIỆT-HÀN 🙟🕮🙝 BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP CƠ SỞ XÂY DỰNG MƠ HÌNH VÀ TRIỂN KHAI ĐÁNH GIÁ HIỆU NĂNG MỘT SỐ THUẬT TOÁN LẬP LỊCH DẪN ĐƯỜNG DÀNH CHO XE TỰ HÀNH Mã số: ĐHVH-2022-13 Chủ nhiệm đề tài: TS Nguyễn Vũ Anh Quang ĐÀ NẴNG, 5/2023 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VIỆT-HÀN 🙟🕮🙝 BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP CƠ SỞ XÂY DỰNG MƠ HÌNH VÀ TRIỂN KHAI ĐÁNH GIÁ HIỆU NĂNG MỘT SỐ THUẬT TOÁN LẬP LỊCH DẪN ĐƯỜNG DÀNH CHO XE TỰ HÀNH Mã số: ĐHVH-2022-13 Xác nhận tổ chức chủ trì Chủ nhiệm đề tài (ký, họ tên, đóng dấu) Nguyễn Vũ Anh Quang Đà Nẵng, 5/2023 MỤC LỤC DANH MỤC HÌNH III DANH MỤC CÁC CHỮ VIẾT TẮT IV MỞ ĐẦU VI Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài v Tính cấp thiết đề tài .vi Mục tiêu đề tài vi Đối tượng phạm vi nghiên cứu vi Cách tiếp cận phương pháp nghiên cứu vii Nội dung nghiên cứu viii Kết nghiên cứu viii Phương thức chuyển giao kết nghiên cứu địa ứng dụng viii Tác động lợi ích mang lại kết nghiên cứu ix CHƯƠNG 1.CÁC THUẬT TOÁN DẪN ĐƯỜNG 1.1 A* algorithm 1.2 Thuật toán Dijkstra’s 1.3 Time EBAND algorithm 1.4.Kết luận CHƯƠNG 2.PHẦN MỀM MÔ PHỎNG GAZEBO VÀ ROS 2.1.ROS 2.2.GAZEBO 15 2.3.Kết luận 16 CHƯƠNG 3.MÔ PHỎNG VÀ ĐÁNH GIÁ HỆ THỐNG 17 3.1.Phương pháp 17 3.1.1 Độ Dài Đường Đi 17 3.1.2.Thời gian tính toán 17 i 3.2.Mơ hình môi trường xe tự lái 18 3.3.Kết thảo luận 21 3.4.Kết luận 23 TÀI LIỆU THAM KHẢO 24 PHỤ LỤC BÀI BÁO CITA 26 PHỤ LỤC THUYẾT MINH ĐỀ TÀI 30 PHỤ LỤC HỢP ĐỐNG TRIỂN KHAI THỰC HIỆN 38 ii DANH MỤC HÌNH Hình 1.Định nghĩa node node cha Hình Lưu đồ thuật tốn A*[12] Hình Vị trí khoảng thời gian ADVS hệ tọa độ toàn cục[] Hình 4.Cấp độ hệ thống file 12 Hình Cấu trúc điển hình gói ROS 14 Hình Giao diện thiết kế Gazebo 16 Hình Ngun lý mơ phịng Gazebo[10] 16 Hình Mơ hình 3D phần thiết kế 19 Hình Sơ đồ kết nối liên kết khớp nối 20 Hình 10 Một số hình ảnh trình xây dựng Map cho số trường hợp 21 Hình 11 Một số hình ảnh Robot trình di chuyển 22 Hình 12 Độ dài đường 23 Hình 13 Thời gian tính tốn 23 iii DANH MỤC CÁC CHỮ VIẾT TẮT STT Tên viết tắt Chữ viết tắt Ghi PRM Probabilistic road map Xác suất đồ di chuyển APF Artificial potential fields Trường nhân tạo VFH Vector field histogram Biểu đồ trường vectơ GA Genetic algorithm Thuật toán di truyền ROS Realtime operation system Hệ điều hành thời gian thực ADVs Autonomous driving vehicles Xe tự hành EBAND Elastic band Elastic band SLAM Simultaneous localisation and Công nghệ định vị lập mapping đồ đồng thời LIDAR Light detection and ranging Phát đo phạm vi 10 ODE Open dynamics engine Open dynamics engine 11 UDRF Unified Robotic Description Định dạng mô tả Format Robot đồng 12 AMCL Adaptive Monte Carlo Định vị sử dụng phương pháp calization MonteCarlo thích nghi 13 TEB Timed Elastic Band Timed Elastic Band iv MỞ ĐẦU Tổng quan tình hình nghiên cứu thuộc lĩnh vực đề tài Vấn đề lập lịch dẫn đường hay hoạch định dẫn đường [1-3] chủ đề quan tâm lĩnh vực nghiên cứu điều hướng cho robot di động xe tự hành Robot di động hay xe tự hành tự tìm đường di chuyển tối ưu gần tối ưu từ điểm bắt đầu đến điểm kết thúc đồng thời tránh chướng ngại vật dựa thao tác tự hành tính tốn tuyến đường ngắn nhất, thời gian di chuyển ngắn nhất, lượng tiêu tốn nhất, v.v phạm vi không gian di chuyển Phương pháp lập lịch dẫn đường chia thành loại bao gồm lập lịch dựa thông tin đồ tổng thể (global map information) thông tin đồ cục (local map information) Đối với phương pháp lập lịch dẫn đường dựa đồ tổng thể, robot hay xe tự hành tạo đường mơi trường hồn tồn biết trước (vị trí hình dạng chướng ngại vật xác định trước) Với mơ hình đồ tổng thể, việc tìm kiếm đường thực mơ hình đồ tổng thể thiết lập Do vậy, để thuật tốn tối ưu đưa đường tối ưu, trước tiên phải lập mơ hình mơi trường, sau xây dựng chiến lược hoạch định đường Một số phương pháp tối ưu đề xuất [4-7] Khác với lập lịch dẫn đường dựa thông tin đồ tổng thể, phương pháp lập lịch dẫn đường dựa thông tin đồ cục giả định vị trí chướng ngại vật mơi trường khơng xác định robot hay xe tự hành nhận biết mơi trường xung quanh trạng thái thông qua cảm biến Robot hay xe tự hành sử dụng thơng tin mơi trường cục robot hay xe tự hành cảm biến thu để tìm đường tối ưu mà không va chạm vào chướng ngại vật Điểm quan trọng phương pháp việc lập lịch dẫn đường cần điều chỉnh thời gian thực Để tìm đường tối ưu có số phương pháp áp dụng rolling window, artificial potential field thuật tốn thơng minh khác Do vậy, tối ưu hóa thuật tốn tìm đường tối ưu kết hợp với số mơ hình machine learning/deep learning nhằm làm tăng khả ghi nhớ đường Đồng thời dựa vào thông số đường học, từ robot hay xe tự hành tính tốn tìm v đường tối ưu Một số phương pháp kỹ thuật nêu nghiên cứu [11- 16] Tính cấp thiết đề tài Lập lịch dẫn đường (Path Planning) thuật toán tránh vật thể (obstacle avoidance) phương pháp áp dụng dành cho xe tự hành hay robot di động Hiện nay, có số thuật tốn tránh vật thể lập lịch dẫn đường áp dụng Bug algorithms, probabilistic road map (PRM), Artificial Potential Fields (APF), Bidirectional RRT, Vector Field Histogram (VFH), Fuzzy, and Genetic Algorithm Tuy nhiên, thuật tốn mang nặng tính lý thuyết, để đánh giá hiệu thuật toán ứng dụng cụ thể xe tự hành hay robot di động cần xây dựng mơ hình cụ thể để đánh giá hiệu liên quan đến yếu tố thời gian xử lý, hay chiều dài đoạn đường cần di chuyển từ điểm xuất phát đến điểm đích đồng thời tránh vật cản đường vấn đề cần giải Vì vậy, việc xây dựng mơ hình triển khai đánh giá hiệu số thuật toán lập lịch đẫn dường dành cho xe tự hành cần thiết Nhằm tạo môi trường giả lập xe tự hành, vận dụng đánh giá dựa mơi trường giả lập mơ tính hiệu số thuật toán lập lịch dẫn đường, đồn thời tạo môi trường học thuật nghiên cứu cho giảng viên quan tâm đến công nghệ robotics tự hành Điều có ý nghĩa đặc biệt sở có chức đào tạo, nghiên cứu ứng dụng Trường Đại học CNTT&TT Việt Hàn Mục tiêu đề tài Xây dựng mô thành cơng mơ hình xe tự hành với đồ số tạo lập q trình qt dị đường; Đánh giá thuật toán giới lập lịch dẫn đường cho xe tự hành sử dụng cảm biến việc dò đường Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu - Hệ điều hành robot (ROS/Robot Operating System); vi - Mô giả lập robot tự hành; - Thuật toán lập lịch dẫn đường (A*, Dijkstra’s, EBAND) Phạm vi nghiên cứu - Thiết kế mơ mơ hình xe tự hành; - Xử lý phân tích thơng số, liệu hành trình mơ giả lập Cách tiếp cận phương pháp nghiên cứu Cách tiếp cận Từ việc thiết kế xây dựng mơ hình mơ xe tự hành với môi trường giả lập với Gazebo giả lập điều khiển mơ hình xe tự hành dựa ROS, đề tài lựa chọn thuật toán lập lịch dẫn đường phù hợp tiến hành khảo sát mô chuyển động mơ hình Từ thơng số, liệu hành trình thu thập được, đề tài thực đánh giá hiệu suất thuật toán lập lịch dẫn đường để tìm kiếm nhược điểm cần khắc phục thuật toán Một số thuật toán lập lịch dẫn đường lựa chọn A*, Dijkstra’s, EBAND Phương pháp nghiên cứu Phương pháp kế thừa, thu thập tài liệu: Tham khảo kết công trình nghiên cứu ngồi nước số thuật toán lập lịch dẫn dường liên quan nhằm kế thừa phát triển cho đề tài Phương pháp chuyên gia: Tích cực tham gia hội thảo khoa học, tiếp thu ý kiến phản biện chuyên gia lĩnh vực nhằm nâng cao hiệu tính thiết thực đề tài Phương pháp áp dụng toàn trình thực từ xây dựng đề cương đến nội dung công việc đề tài báo cáo tổng kết Phương pháp giả lập: Sử dụng Gazebo để xây dựng giả lập môi trường mơ hình xe tự hành vii Phương pháp thực nghiệm khoa học: Dựa lý thuyết thuật toán lập lịch dẫn đường nêu trên, áp dụng với mơ hình giả lập kiểm tra hiệu suất hoạt động thuật toán Phương pháp thống kê – đánh giá: Kết đánh giá thực nhiều lần thơng số nhằm đảm bảo tính khách quan xác đánh giá Nội dung nghiên cứu Nội dung 1: Tổng quan, so sánh thuật toán lập lịch dẫn đường áp dụng giới cho xe tự hành - Tổng quan lập lịch dẫn đường thuật tốn có (A*, Dijkstra’s, EBAND); - Tổng hợp so sánh ưu nhược điểm thuật toán lập lịch dẫn đường khác Nội dung 2: Thiết kế mô mơ hình xe tự hành dựa phần mềm mơ Gazebo kết nối với ROS - Thiết kế, xây dựng mơ hình xe tự hành mơ chuyển động Gazebo kết hợp điều khiển với ROS; - Thiết kế, xây dựng đồ mô môi trường di chuyển chướng ngại vật; - Sử dụng thuật toán lập lịch dẫn đường ROS để đánh giá ưu nhược điểm thuật toán Kết nghiên cứu Sản phẩm khoa học: báo đăng hội thảo CITA 2023 Sản phẩm ứng dụng: Mơ hình mơ xe tự hành Gazebo Phương thức chuyển giao kết nghiên cứu địa ứng dụng Phương thức chuyển giao: Bàn giao trực tiếp viii