ĈҤI HӐC QUӔC GIA TP HCM75ѬӠ1*ĈҤ,+Ӑ&%È&+.+2$
HUǣNH THANH TU̬N
/8Ұ19Ă17+Ҥ&6Ƭ
TP HӖ CHÍ MINH, tháng 01 QăP2022
Trang 2&Ð1*75Î1+ĈѬӦC HOÀN THÀNH TҤI 75ѬӠ1*ĈҤI HӐC BÁCH KHOA ±Ĉ+4*-HCM
Cán bӝ Kѭӟng dүn khoa hӑc: PGS.TS NGUYӈN TҨN TIӂN
Xác nhұn cӫa Chӫ tӏch HӝLÿӗQJÿiQKJLi/9Yj7Uѭӣng Khoa quҧn lý chuyên ngành sau khi luұQYăQÿmÿѭӧc sӱa chӳa (nӃu có)
CHӪ TӎCH HӜ,ĈӖNG 75ѬӢNG KHOA &Ѫ.+Ë
Trang 3NHIӊM VӨ LUҰ19Ă17+Ҥ&6Ƭ
Hӑ và tên hӑc viên: HUǣNH THANH TUҨN MSHV: 1870245
1Jj\WKiQJQăPVLQK 11/05/1992 1ѫLVLQK TӍQK%uQKĈӏnh Chuyên ngành: Kӻ thuұW&ѫÿLӋn tӱ Mã sӕ: 8520114
,7Ç1Ĉӄ TÀI:
Nghiên cӭu tӵ hành robot dӵD WUrQ SKѭѫQJ SKiS NӃt hӧp nhiӅu cҧm biӃn (Research on autonomous robots based on the multiple sensor fusion methods)
II NHIӊM VӨ VÀ NӜI DUNG:
- ThiӃt kӃ giҧi thuұt kӃt hӧp nhiӅu cҧm biӃQÿӇ ÿӏnh vӏ robot tӵ hành - Mô phӓng giҧi thuұt kӃt hӧp nhiӅu cҧm biӃQÿӇ ÿӏnh vӏ robot tӵ hành - ThiӃt kӃ bӝ ÿLӅu khiӇn robot bám quӻ ÿҥo
- Mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo dӵa trên sӵ kӃt hӧp nhiӅu cҧm biӃn
III NGÀY GIAO NHIӊM VӨ: 06/09/2021
V NGÀY HOÀN THÀNH NHIӊM VӨ: 28/12/2021
IV CÁN BӜ +ѬӞNG DҮN: PGS.TS NGUYӈN TҨN TIӂN
Trang 47{L FNJQJ [LQ FҧP ѫQ FiF WKҫ\ F{ WURQJ NKRD &ѫ Kt - 7UѭӡQJ Ĉҥi hӑc Bách Khoa - Ĉҥi hӑc quӕc gia tp Hӗ &Kt0LQKÿmWUX\ӅQÿҥt cho tôi nhӳng kiӃn thӭc vӅ chuyên ngành trong suӕt thӡi gian hӑc tұp ÿӇ W{LFyÿѭӧc nӅn tҧng kiӃn thӭc hӛ trӧ rҩt lӟn cho tôi trong quá trình làm luұQYăQ
7{LFNJQJPXӕn bày tӓ sӵ biӃWѫQÿӃn 76'ѬѪ1*9Ă17ÒDQKÿmFyQKLӅu
nhұn xét và góp ý rҩt có giá trӏ giúp tôi hoàn thiӋn luұQYăQQj\
Cuӕi cùng, tôi xin gӱi lӡi cҧm ѫQÿӃQJLDÿuQKYjEҥQEqYuÿmOX{QKӛ trӧ tôi và khuyӃn khích liên tөc trong suӕt nhӳQJQăPKӑc tұp và qua quá trình nghiên cӭu và viӃt luұQYăQQj\KӃt quҧ này sӁ không thӇ Fyÿѭӧc nӃu không có hӑ
Xin chân thành cҧPѫQ
Trang 5TÓM TҲT LUҰ19Ă1
NhiӋm vө cӫa luұQYăQWұp trung vào viӋc nghiên cӭXSKѭѫQJSKiSNӃt hӧp dӳ liӋu cӫa nhiӅu loҥi cҧm biӃQÿӇ xác ÿӏnh vӏ trí và góc cӫa robot tӵ hành trong quá trình di chuyӇQ3KѭѫQJSKiSNӃt hӧp dӳ liӋu cҧm biӃQÿѭӧc áp dөng trong luұQYăQlà sӱ dөng bӝ lӑc Kalman mӣ rӝQJÿӇ kӃt hӧp hai loҥi cҧm biӃQFyѭXÿLӇm bә sung FKR QKDX WURQJEjLWRiQÿӏnh vӏ robot là cҧm biӃQÿӏnh vӏ cөc bӝ Yj ÿӏnh vӏ toàn cөc: Odometry và GPS, UWB
LuұQYăQFzQWUuQKEj\WKLӃt kӃ bӝ ÿLӅu khiӇn robot bám theo quӻ ÿҥo dӵa trên sӵ kӃt hӧp nhiӅu cҧm biӃn
LuұQYăQÿmKRjQWKjQK\rXFҫu thiӃt kӃ giҧi thuұt kӃt hӧp dӳ liӋu cҧm biӃn và thiӃt kӃ bӝ ÿLӅu khiӇQÿӇ ÿLӅu khiӇn robot bám quӻ ÿҥR7UrQFѫVӣ P{KuQKÿmFKӃ tҥo tiӃn hành thӵc nghiӋm khҧ QăQJEiPTXӻ ÿҥo và kӃt quҧ thӵc nghiӋPÿip ӭng ÿѭӧc các yêu cҫu cӫDÿӅ bài
Trang 6ABSTRACT
The task of the thesis focuses on studying the method of combining data of many types of sensors to determine the position and pose of the self-propelled robot during the movement The method of combining sensor data applied in the thesis is to use an extended Kalman filter to combine two types of sensors with complementary advantages in the robot positioning problem, local localization sensors and global localization sensors Sensor used in the thesis Odometry and GPS, UWB
The thesis also presents the design of the controller to control the robot to follow the trajectory based on the combination of many sensors
The thesis has completed the requirements of designing an algorithm that combines sensor data and designing a controller to control the orbiting robot On the basis of the manufactured model, conduct orbital tracking and experimental results meet the requirements of the topic
Trang 82.2 3KѭѫQJiQWKӵc hiӋn trong luұQYăQ 24
&KѭѫQJ &Ѫ6Ӣ LÝ THUYӂT: 26
3.1 Bӝ lӑc Kalman: 26
3.1.1 Tәng quan vӅ tính toán: 26
3.1.2 Mô hình bӝ lӑc Kalman tiêu chuҭn: 27
&KѭѫQJ THIӂT Kӂ GIҦI THUҰT KӂT HӦP CҦM BIӂN VÀ BӜ Ĉ,ӄU KHIӆN: 31
4.1 ThiӃt kӃ giҧi thuұt kӃt hӧp cҧm biӃn bҵng bӝ lӑc Kalman mӣ rӝng (EKF): 31
4.1.1 Ĉӏnh vӏ robot bҵng EKF: 31
4.1.2 KӃt hӧp cҧm biӃQWURQJÿӏnh vӏ robot bҵng EKF: 36
4.1.3 Mô phӓng kӃt hӧp cҧm biӃQWURQJÿӏnh vӏ robot bҵng EKF vӟi tín hiӋu giҧ lұp: 41
4.1.4 KiӇm chӭng giҧi thuұt kӃt hӧp cҧm biӃn vӟi dӳ liӋu cҧm biӃn thӵc: 44
4.2 ThiӃt kӃ bӝ ÿLӅu khiӇn: 52
4.2.1 0{KuQKÿӝng hӑc cӫa robot: 52
4.2.2 ThiӃt kӃ bӝ ÿLӅu khiӇn: 54
4.3 KӃt quҧ mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo khi kӃt hӧp cҧm biӃn bҵng EKF: 55
&KѭѫQJ KӂT LUҰ19¬+ѬӞNG PHÁT TRIӆN: 62
Trang 95.1 KӃt luұn: 62
5.2 +ѭӟng phát triӇn: 62
Tài liӋu tham khҧo: 63
LÝ LӎCH TRÍCH NGANG 68
Trang 10MӨC LӨC HÌNH ҦNH:
+uQK6ѫÿӗ khӕi mô tҧ sensor fusion và Multisensor intergration 6
Hình 2 KiӇu phân loҥi cӫa Durant-Whyte dӵa trên mӕi quan hӋ cӫa nguӗn vào 8
+uQK6ѫÿӗ kӃt hӧp dӳ liӋu kiӇu JDL 10
Hình 4 Mô hình bên trong bӝ lӑc Kalman 28
+uQKĈӝ dӏch chuyӇn cӫa robot dҥng 2 bánh 31
Hình 6 Mô phӓng tín hiӋu giҧ lұp cҧm biӃn GPS và Odometry 42
Hình 7: Mô phӓng kӃt hӧp cҧm biӃn GPS và Odometry bҵng EKF và chӍ lӑc tín hiӋu GPS bҵng EKF 43
Hình 8 Mô phӓng kӃt hӧp cҧm biӃn GPS và Odometry bҵng EKF và chӍ lӑc tín hiӋu GPS bҵng EKF - ӣ ÿRҥn thҷng 43
Hình 9 Mô phӓng kӃt hӧp cҧm biӃn GPS và Odometry bҵng EKF và chӍ lӑc tín hiӋu GPS bҵng EKF - ӣ góc rӁ 44
Hình 10 Modul DWM1000 45
Hình 11 Thӡi gian truyӅQ 72) WURQJSKѭѫQJSKiSWZRဨZD\UDQJLQJ 46
Hình 12 ThuұWWRiQÿӏnh vӏ Trilateral centroid 47
Hình 13 Robot Pioneer DX3 48
Hình 14 Quӻ ÿҥo di chuyӇn cӫa robot 49
Hình 15: Tín hiӋu thӵc tӃ cӫa cҧm biӃn UWB và Odometry 50
Hình 16 KӃt quҧ lӑc nhiӉu tín hiӋu UWB bҵng EKF 51
Hình 17 KӃt quҧ IXVLQJVHQVRUÿӕi vӟi UWB và Odometry 51
Hình 18 So sánh kӃt quҧ fusing sensor giӳa UWB vӟi Odometry bҵng EKF và kӃt quҧ chӍ lӑc UWB bҵng EKF 52
+uQK 0{KuQKÿӝng hӑc cӫa robot 53
Hình 20: Control block diagram 55
Hình 21 Tín hiӋu cҧm biӃn mô phӓng trong quá trình bám quӻ ÿҥo cӫa robot vӟi thӡi gian lҩy mүu 100ms 56
Hình 22: KӃt quҧ mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo khi kӃt hӧp cҧm biӃn bҵng EKF vӟi thӡi gian lҩy mүu 100ms 57
Hình 23: Tracking error vӟi thӡi gian lҩy mүu 100ms 58
Hình 24 Tín hiӋu cҧm biӃn mô phӓng trong quá trình bám quӻ ÿҥo cӫa robot vӟi thӡi gian lҩy mүu 100ms 59
Hình 25 KӃt quҧ mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo khi kӃt hӧp cҧm biӃn bҵng EKF vӟi thӡi gian lҩy mүu 1ms 60
Trang 11Hình 26 KӃt quҧ mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo khi kӃt hӧp cҧm biӃn bҵng EKF vӟi thӡi gian lҩy mүu 1ms ± phóng to 60 Hình 27 Tracking error vӟi thӡi gian lҩy mүu 1ms 61 Hình 28 Tracking error vӟi thӡi gian lҩy mүu 1ms ± phóng to 61
Trang 12Ĉӏnh vӏ là mӝt vҩQÿӅ NK{QJÿѫQJLҧQÿӕi vӟi robot tӵ hành ÿһc biӋt là khi robot phҧi hoҥW ÿӝQJ WURQJ FiF P{L WUѭӡng bҩt әQ QKѭ P{L WUѭӡng ngoài trӡi Khi hoҥt ÿӝng ӣ FiFP{LWUѭӡQJQKѭ thӃFiFSKѭѫQJSKiSÿӏnh vӏ cөc bӝ khó có thӇ ÿҧm bҧo tính chính xác và phҧi cҫQÿӃQFiFSKѭѫQJSKiSÿӏnh vӏ toàn cөFQKѭ*36 «7X\nhiên bҧn thân các cҧm biӃn toàn cөFFNJQJFyQKӳQJQKѭӧFÿLӇPULrQJ'RÿySKiWsinh nhu cҫu kӃt hӧp các loҥi cҧm biӃn có ѭX QKѭӧF ÿLӇm bә khuyӃW FKR QKDX ÿӇ tăQJFѭӡng khҧ QăQJÿӏnh vӏ cӫDURERWWURQJP{LWUѭӡng bҩt әn
1.1.2 NhӳQJѭXÿLӇm và hҥn chӃ cӫa viӋc kӃt hӧp cҧm biӃn: 1.1.2.1 ѬXÿLӇm:
Các hӋ thӕng sӱ dөQJSKѭѫQJSKiSNӃt hӧp cҧm biӃn sӁ có mӝt sӕ ѭXÿLӇPKѫQso vӟi các hӋ thӕng cҧm biӃQÿѫQOҿ MӝWSKpSÿRFҧm biӃn vұWOêWKѭӡng gһp phҧi các vҩQÿӅ sau:
x Cҧm biӃn mҩt tín hiӋu: Sӵ cӕ cӫa mӝt phҫn tӱ cҧm biӃn gây ra mҩt nhұn
thӭc vӅ ÿӕLWѭӧng mong muӕn
x Phҥm vi không gian hҥn chӃ: 7K{QJWKѭӡng mӝt cҧm biӃn riêng lҿ chӍ bao
phӫ mӝt khu vӵc hҥn chӃ
Trang 13x Phҥm vi thӡi gian hҥn chӃ: Mӝt sӕ cҧm biӃn cҫn mӝt thӡi gian thiӃt lұp cө
thӇ ÿӇ thӵc hiӋn và truyӅn mӝWSKpSÿRGRÿyJLӟi hҥn tҫn sӕ ÿRWӕLÿD
x Tính không chính xác: &iFSKpSÿRWӯ các cҧm biӃn riêng lҿ ÿѭӧc giӟi hҥn
Nhӳng lӧi thӃ sau có thӇ Fyÿѭӧc tӯ sӵ kӃt hӧp dӳ liӋu cҧm biӃn tӯ mӝt tұp hӧp các cҧm biӃQNK{QJÿӗng nhҩt hoһFÿӗng nhҩt [1]:
x ӘQÿӏQKYjÿiQJWLQFұ\KѫQ NhiӅu bӝ cҧm biӃn có khҧ QăQJGӵ phòng cӕ
hӳu cho phép hӋ thӕng cung cҩp thông tin ngay cҧ WURQJ WUѭӡng hӧp hӓng hóc mӝt phҫn
x Mӣ rӝng phҥm vi không gian và thӡi gian: Thêm cҧm biӃn thì có thӇ bӕ trí
cҧm biӃn có thӇ TXDQViWYjRQѫLPjQKӳng cҧm biӃn khác không thӇ WѭѫQJӭng có thӇ thӵc hiӋQSKpSÿRWURQJNKLQKӳng cҧm biӃn khác không thӇ
x 7ăQJÿӝ tin cұy: 3KpSÿRFӫa mӝt cҧm biӃQÿѭӧc xác nhұn bҵng các phép
ÿRFӫa các cҧm biӃn khác trên cùng mӝt miӅn
x Giҧm sӵ PѫKӗ và không chҳc chҳn: Thông tin chung làm giҧm tұp hӧp
các cách diӉn giҧi không rõ ràng vӅ giá trӏ ÿROѭӡng
x Chӕng nhiӉu mҥnh mӁ KѫQ Bҵng cách WăQJNtFKWKѭӟc cӫDNK{QJJLDQÿR
(ví dө ÿRÿҥLOѭӧng mong muӕn bҵng cҧm biӃn quang hӑc và cҧm biӃn siêu âm), hӋ thӕng trӣ nên ít bӏ ҧQKKѭӣng bӣi nhiӉXKѫQ
Trang 14x Cҧi thiӋQÿӝ phân giҧi: Khi nhiӅXSKpSÿRÿӝc lұp cӫa cùng mӝt thuӝc tính
ÿѭӧc hӧp nhҩWÿӝ phân giҧi cӫa giá trӏ kӃt quҧ sӁ tӕWKѫQVRYӟLSKpSÿRFӫa mӝt cҧm biӃQÿѫQOҿ
MӝWѭXÿLӇm nӳa cӫa sӵ kӃt hӧp cҧm biӃn là khҧ QăQJJLҧPÿӝ phӭc tҥp cӫa hӋ thӕng Trong mӝt hӋ thӕQJÿѭӧc thiӃt kӃ truyӅn thӕQJFiFSKpSÿRFҧm biӃQÿѭӧc ÿѭDYjRӭng dөng, hӋ thӕng này phҧLÿӕi phó vӟi mӝt sӕ Oѭӧng lӟn các luӗng dӳ liӋXNK{QJFKtQK[iFNK{QJU}UjQJYjNK{QJÿҫ\ÿӫ Trong mӝt hӋ thӕng mà dӳ liӋu cҧm biӃQÿѭӧc xӱ OêWUѭӟc bҵQJSKѭѫQJSKiSKӧp nhҩWÿҫu vào cho ӭng dөng ÿLӅu khiӇn có thӇ ÿѭӧc tiêu chuҭQKyDÿӝc lұp vӟi các loҥi cҧm biӃQÿѭӧc sӱ dөng, GRÿyWҥRÿLӅu kiӋn thuұn lӧi cho viӋc triӇn khai ӭng dөng và cung cҩp khҧ QăQJVӱa ÿәi trong hӋ thӕng cҧm biӃn vӅ sӕ Oѭӧng và loҥi cҧm biӃQÿѭӧc sӱ dөng mà không sӱDÿәi cӫa phҫn mӅm ӭng dөng
1.1.2.2 Hҥn chӃ:
6HQVRUIXVLRQ ÿã dҫn phát triӇn khҧ QăQJ NӃt hӧp dӳ liӋu thành mӝt kiӇu nhұn dҥQJÿiQJWLQFұ\Yj JLjXWtQKQăQJ7X\QKLrQIXVLQJVHQVRUs không phҧi là mӝt SKѭѫQJSKiSWRjQQăQJ)RZOHUÿmSKiWELӇu mӝt lӡi chӍ trích gay gҳWYjRQăP ÿӇ nhҩn mҥnh vào viӋFWKD\ÿәi dӳ liӋXEDQÿҫu làm mҩWÿLWtQKWLQFұ\YjWăQJNKӕi Oѭӧng tính toán và gây ra sӵ chұm trӉ thӡi gian
KӇ tӯ NKL ÿLӅX Qj\ ÿѭӧc công bӕ, nhiӅX QJѭӡL ÿm Fӕ gҳng chӭQJ PLQK ÿLӅu QJѭӧc lҥi Nahin và Pokoski [29@ÿmWUuQKEj\Pӝt bҵng chӭng lý thuyӃt rҵng viӋc bә sung các cҧm biӃn sӁ cҧi thiӋn hiӋu suҩWWURQJFiFWUѭӡng hӧp cө thӇ ÿӕi vӟLÿDsӕ ý kiӃn tán thành và lý thuyӃt khҧ QăQJ[ҧy ra tӕLÿDWURQJkӃt hӧSWK{QJWLQÿӇ ra quyӃWÿӏnh HiӋu suҩW ÿѭӧFÿӏQK QJKƭDOj[iFVXҩWÿѭDUDTX\ӃWÿӏQKÿ~QJÿҳn mà NK{QJOLrQTXDQÿӃn nӛ lӵc vӅ khҧ QăQJ[ӱ lý và giao tiӃp
Có thӇ kӃt luұn tӯ kiӃn thӭc hiӋn có vӅ hiӋu suҩt fusing sensors rҵng mһc dù tiӅm QăQJWROӟn cӫa fusing VHQVRUVQKѭQJYүn có chút hoài nghi vӅ SKѭѫQJSKiSNӃt hӧp ³KRjQKҧR´KRһF³WӕLѭX´
Trang 16&KѭѫQJ TӘNG QUAN:
2.1 Tәng quan vӅ tәng hӧp dӳ liӋu:
KӃt hӧp cҧm biӃn là sӵ kӃt hӧp cӫa dӳ liӋu cҧm quan hoһc dӳ liӋXWKXÿѭӧc tӯ dӳ liӋu cҧm biӃn sao cho thông tin kӃt quҧ theo mӝWQJKƭDQjRÿyWӕWKѫQNKLFiFQJXӗn Qj\ÿѭӧc sӱ dөng riêng lҿ
Có mӝt thuұt ngӳ WѭѫQJ Wӵ vӟL µ)XVLRQ VHQVRU¶ Oj µ0XOWLVHQVRU LQWHJUDWLRQ¶ 6ӵ khác biӋt giӳa µ)XVLRQ VHQVRU¶ và µ0XOWLVHQVRU LQWHJUDWLRQ¶ ÿѭӧc mô tҧ trong hình 2.1 Các hình tròn S1, S2 và S3 mô tҧ các cҧm biӃn vұt lý nhұn biӃWFiFÿLӅu kiӋn cӫDP{LWUѭӡQJ6ѫÿӗ khӕi 2.1 (a) cho thҩy rҵng dӳ liӋu cҧm biӃQÿѭӧc chuyӇQÿәi bӣi khӕi hӧp nhҩt cҧm biӃn thành mӝt biӇu diӉQ WѭѫQJ ӭng cӫa các biӃn cӫa môi WUѭӡng quá trình Nhӳng dӳ liӋXQj\VDXÿyÿѭӧc sӱ dөng bӣi mӝt ӭng dөQJÿLӅu khiӇQ1Jѭӧc lҥi, hình 2.1 (b) cho thҩ\êQJKƭDFӫDµ0XOWLVHQVRULQWHJUDWLRQ¶WURQJÿyGӳ liӋu cҧm biӃQNKiFQKDXÿѭӧc ӭng dөQJÿLӅu khiӇn xӱ lý trӵc tiӃp
Trang 17Hình 1 6˯ÿ͛ kh͙i mô t̫ sensor fusion và Multisensor intergration
Các nguӗn dӳ liӋu cho quá trình fusion không nhҩt thiӃt là bҳt nguӗn tӯ các cҧm biӃn giӕng hӋt nhau McKee phân biӋt kӃt hӧp trӵc tiӃp, kӃt hӧp gián tiӃp và phҧn ӭng tәng hӧSÿҫu ra cӫDKDLSKѭѫQJSKiSQj\>14]
KӃt hӧp trӵc tiӃSFyQJKƭDOjKӧp nhҩt dӳ liӋu cҧm biӃn tӯ mӝt tұp hӧp các cҧm biӃQNK{QJÿӗng nhҩt hoһFÿӗng nhҩt, cҧm biӃn mӅm và các giá trӏ lӏch sӱ cӫa dӳ liӋu cҧm biӃn
KӃt hӧp gián tiӃp sӱ dөng các nguӗQWK{QJWLQQKѭNLӃn thӭc tiên nghiӋm vӅ môi WUѭӡQJYjÿҫu vào cӫDFRQQJѭӡL'RÿyNӃt hӧp cҧm biӃn mô tҧ các hӋ thӕng kӃt hӧp trӵc tiӃp, trong khi phҧn ӭng tәng hӧp WK{QJWLQFNJQJEDRJӗm các quá trình kӃt hӧp gián tiӃp
Trang 182.1.1 Phân loҥLFiFSKѭѫQJSKiSNӃt hӧp dӳ liӋu:
Tәng hӧp dӳ liӋu là mӝWOƭQKYӵFÿDQJjQKOLrQTXDQÿӃn mӝt sӕ OƭQKYӵc khác và rҩWNKyÿӇ thiӃt lұp mӝt phân loҥi rõ ràng và chһt chӁ&iFSKѭѫQJSKiSYjNӻ thuұt ÿѭӧc sӱ dөng có thӇ ÿѭӧc phân chia theo các tiêu chí sau:
x Xem xét các mӕi quan hӋ giӳa các nguӗn dӳ liӋXÿҫXYjRQKѭÿӅ xuҩt cӫa Durrant-Whyte [16] Các quan hӋ này có thӇ ÿѭӧFÿӏQKQJKƭDOj D Eә sung, E GѭWKӯa, hoһc (3) hӧp tác dӳ liӋu
x Theo các kiӇu dӳ liӋXÿҫXYjRÿҫu ra và bҧn chҩt cӫDFK~QJQKѭÿӅ xuҩt cӫa Dasarathy [5]
x Theo mӭFÿӝ trӯXWѭӧng cӫa dӳ liӋXÿѭӧc sӱ dөQJ D SKpSÿRWK{ E WtQhiӋXYj F ÿһFÿLӇm hoһc quyӃWÿӏnh
x Dӵa trên các mӭc tәng hӧp dӳ liӋXNKiFQKDXÿѭӧF[iFÿӏnh bӣi JDL
x Tùy thuӝc vào kiӇu kiӃn trúc: (a) tұp trung, (b) phi tұp trung, hoһc (c) phân tán
2.1.1.1 Phân loҥi dӵa trên mӕi quan hӋ giӳa nguӗn dӳ liӋu:
Dӵa trên mӕi quan hӋ cӫa các nguӗn (xem Hình 1), Durant-Whyte [16@ÿӅ xuҩt các tiêu chí phân loҥi sau:
x Bә sung FKR QKDX FRPSOHPHQWDU\ NKL WK{QJ WLQ ÿѭӧc cung cҩp bӣi các nguӗQÿҫXYjRÿҥi diӋn cho các phҫn khác nhau cӫa hiӋQWUѭӡQJYjGRÿyFythӇ ÿѭӧc sӱ dөQJÿӇ WKXÿѭӧc thông tin toàn cөFÿҫ\ÿӫ KѫQ9tGө, trong WUѭӡng hӧp cӫa mҥng cҧm biӃn thӏ giác, thông tin vӅ cùng mӝt mөc tiêu ÿѭӧc cung cҩp bӣi hai máy ҧQK Fy WUѭӡQJ QKuQ NKiF QKDX ÿѭӧc coi là bә sung
x 'ѭWKӯa (redundant): khi hai hoһc nhiӅu nguӗQÿҫu vào cung cҩp thông tin vӅ cùng mӝt mөFWLrXYjGRÿyFyWKӇ ÿѭӧc hӧp nhҩWÿӇ WăQJWKrPêQJKƭDVí dө, dӳ liӋX ÿӃn tӯ các khu vӵc chӗng chéo trong mҥng cҧm biӃn trӵc TXDQÿѭӧFFRLOjGѭWKӯa
Trang 19x HӧS WiF FRRSHUDWLYH NKL WK{QJ WLQ ÿѭӧc cung cҩS ÿѭӧc kӃt hӧp thành thông tin mӟLWKѭӡng phӭc tҥSKѫQWK{QJWLQEDQÿҫu Ví dө: kӃt hӧp dӳ liӋu ÿDSKѭѫQJWKӭc (âm thanh YjYLGHR ÿѭӧc coi là hӧp tác
Hình 2 Ki͋u phân lo̩i cͯa Durant-Whyte da trên m͙i quan h͏ cͯa ngu͛n vào
2.1.1.2 Phân loҥi theo kiӇu cӫa Dasarathy
Mӝt trong nhӳng hӋ thӕng phân loҥi tәng hӧp dӳ liӋu nәi tiӃng nhҩWÿѭӧc cung cҩp bӣi Dasarathy [5] và bao gӗPQăPORҥi sau (xem Hình 2):
x Data in-data out (DAI-DAO): loҥLQj\OjSKѭѫQJSKiSWәng hӧp dӳ liӋXFѫbҧn nhҩWÿѭӧc xem xét trong phân loҥi Loҥi quy trình kӃt hӧp dӳ liӋu này ÿҫXYjRYjÿҫXUDÿӅu là dӳ liӋu thô, kӃt quҧ WKѭӡQJÿiQJtin cұy hoһc chính [iFKѫQ4XiWUuQKWәng hӧp dӳ liӋu ӣ cҩSÿӝ Qj\ÿѭӧc tiӃn hành ngay sau khi dӳ liӋX ÿѭӧc thu thұp tӯ các cҧm biӃn Các thuұW WRiQ ÿѭӧc sӱ dөng ӣ cҩSÿӝ này dӵa trên các thuұt toán xӱ lý tín hiӋu và hình ҧnh
Trang 20x Data in-feature out (DAI-FEO): ӣ cҩSÿӝ này, quá trình tәng hӧp dӳ liӋu sӱ dөng dӳ liӋu thô tӯ các nguӗQÿӇ trích xuҩWFiFWtQKQăQJKRһFÿһFÿLӇm mô tҧ mӝt thӵc thӇ WURQJP{LWUѭӡng
x Feature in-feature out (FEI-FEO): ӣ cҩSÿӝ này, cҧ ÿҫXYjRYjÿҫu ra cӫa quá trình tәng hӧp dӳ liӋu ÿӅXOjFiFWtQKQăQJ'RÿyTXiWUuQKWәng hӧp dӳ liӋu giҧi quyӃt mӝt tұp hӧSFiFWtQKQăQJÿӇ cҧi thiӋn, tinh chӍnh hoһc có ÿѭӧFFiFWtQKQăQJPӟL4XiWUuQKQj\FzQÿѭӧc gӑi là hӧp nhҩWWtQKQăQJhӧp nhҩt ký hiӋu, hӧp nhҩt thông tin hoһc hӧp nhҩt cҩp trung gian
x Feature in-decision out (FEI-DEO): cҩSÿӝ này nhұn mӝt tұp hӧp các tính QăQJOjPÿҫu vào và cung cҩp mӝt tұp hӧp các quyӃWÿӏQKGѭӟi dҥQJÿҫu ra Hҫu hӃt các hӋ thӕng phân loҥi thӵc hiӋn quyӃW ÿӏnh dӵD WUrQ ÿҫu vào cӫa cҧm biӃQÿӅu thuӝc loҥi phân loҥi này
x Decision In-Decision Out (DEI-DEO): Loҥi phân loҥLQj\FzQÿѭӧc gӑi là hӧp nhҩt quyӃW ÿӏnh Nó kӃt hӧp các quyӃW ÿӏQK ÿҫX YjR ÿӇ Fy ÿѭӧc các quyӃWÿӏnh tӕWKѫQKRһc mӟLKѫQ
ĈyQJJySFKtQKFӫa phân loҥi cӫD'DVDUDWK\OjÿһFÿLӇm kӻ thuұt cӫa mӭc trӯu WѭӧQJGѭӟi dҥQJÿҫu vào hoһFÿҫu ra, cung cҩp mӝt khuôn khә ÿӇ phân loҥi các SKѭѫQJSKiSKRһc kӻ thuұt khác nhau
2.1.1.3 Phân loҥi theo cҩSÿӝ trӯXWѭӧng:
Luo và cӝng sӵ [31] cung cҩp bӕn mӭc trӯXWѭӧng sau:
x Tín hiӋu: giҧi quyӃt trӵc tiӃp các tín hiӋu tKXÿѭӧc tӯ các cҧm biӃn
x Pixel: hoҥWÿӝng ӣ mӭc hình ҧnh và có thӇ ÿѭӧc sӱ dөQJÿӇ cҧi thiӋn các tác vө xӱ lý hình ҧnh
x Ĉһc tính: sӱ dөQJFiFWtQKQăQJÿѭӧc trích xuҩt tӯ hình ҧnh hoһc tín hiӋu (tӭc là hình dҥng hoһc vұn tӕc)
x Ký hiӋu: ӣ cҩSÿӝ này, WK{QJWLQÿѭӧc biӇu diӉQGѭӟi dҥng ký hiӋu, mӭc này FzQÿѭӧc gӑi là mӭc quyӃWÿӏnh
Trang 21Sӵ tәng hӧSWK{QJWLQWKѭӡQJÿӅ cұSÿӃn ba cҩSÿӝ trӯXWѭӧQJ