ĐỊNH vị ROBOT TRONG KHÔNG GIAN 2d sử DỤNG STEREO CAMERA

M CL C Trang tựa TRANG Quyết định giao đề tài Lý lịch cá nhân i Lời cam đoan ii Cảm tạ iii Tóm tắt iv Mục lục vi Danh sách hình viii Danh sách bảng x Chương TỔNG QUAN 1.1 Tổng quan lĩnh vực định vị robot 1.2 Mục tiêu, nhiệm vụ, giới hạn đề tài 1.3 Kế hoạch thực Chương PH 2.1 2.2 NG PHÁP Đ NH V TRONG KHÔNG GIAN PHẲNG Phương pháp định vị không gian phẳng sử dụng khoảng cách Euclid 11 Hệ thống định vị sử dụng Stereo Camera 14 Chương THUẬT TOÁN NHẬN D NG VẬT M C SIFT 3.1 Giới thiệu thuật toán nhận dạng SIFT 17 3.2 Xác định vị trí điểm đặc trưng 17 3.3 Mô tả đặc tính điểm đặc trưng 21 3.4 Nhận dạng điểm đặc trưng 22 Chương THUẬT TOÁN XÁC Đ NH KHO NG CÁCH DỐNG STEREO CAMERA 4.1 Giới thiệu 25 4.2 Mô hình camera đơn 25 4.3 Mô hình camera đôi 32 Chương K T QU TH C HI N 5.1 Nhận dạng vật mốc dùng thuật toán SIFT vi 36 5.2 Xác định khoảng cách sử dụng stereo camera 47 5.2.1 Xác định thông số stereo camera 48 5.2.2 Tinh chỉnh stereo camera 55 5.2.3 Xác định khoảng cách 59 Xác định tọa độ robot 65 5.3 Chương K T LUẬN 69 TÀI LI U THAM KH O 72 vii DANH SÁCH CÁC HÌNH HÌNH TRANG Hình 1.1: Các thành phần hoạt động điều hướng Robot [2] Hình 1.2: Mô hình toán học xác tọa độ Robot không gian phẳng � Hình 2.1: Sơ đồ khối hệ thống định vị dùng stereo camera 14 Hình 3.1: Các phiên ảnh vật mẫu tương ứng với hệ số � σ [10] 19 Hình 3.2: Các phiên ảnh � , , � tương ứng với hệ số � σ [10] 20 Hình 3.3: 26 vị trí so sánh với vị trí X để tìm giá trị cực đại cực tiểu [10] 20 ứng cho điểm ảnh 21 Hình 3.4: 16x16 điểm ảnh xung quanh điểm đặc trưng vector Gradient tương Hình 3.5: Các vector Gradient thống kê thành giá trị góc quay khác 22 Hình 4.1: Mô hình camera đơn 26 Hình 4.2: Mô hình camera thay đổi 27 Hình 4.3: Sai lệch mặt phẳng ảnh mặt phẳng thấu kính 28 Hình 4.4: Méo dạng theo radial [17] 30 Hình 4.5: Mô hình biến dạng tangential [17] 31 Hình 4.6: Mô hình toán học camera đôi 33 Hình 4.7: Mô hình stereo camera lý tưởng thực tế 34 Hình 5.1: Những hình vật mốc chọn làm mốc nhận dạng đặt cố định không gian di chuyển với tên gọi 1, 2, 3, 37 Hình 5.2: Các điểm đặc trưng đánh dấu ảnh mẫu 39 Hình 5.3: Những điểm đặc trưng phân tích từ ảnh thu thập camera trái 42 Hình 5.4: Kết nhận dạng tương ứng với chiều khoảng cách khác 45 Hình 5.5: Kết nhận dạng có nhiều vật mốc 46 Hình 5.6: Kết nhận dạng vật mốc có phần bị che khuất 46 Hình 5.7: Mẫu minoru camera 49 Hình 5.8: Hình bàn cờ chụp góc độ 50 viii Hình 5.9: Các cặp điểm chuẩn không gian mặt phẳng ảnh trái, phải 53 Hình 5.10: Cặp ảnh trái phải trước tinh chỉnh 56 Hình 5.12: Cặp ảnh trái phải sau tinh chỉnh 57 Hình 5.13: Kết nhận dạng vật mẫu "m" 60 Hình 5.14: Kết nhận dạng vật mẫu "e" 62 Hình 5.15: Kết nhận dạng vật mẫu "l" 63 Hình 5.16: Kết nhận dạng vị trí thứ 66 Hình 5.17: Kết định vị vị trí thứ 67 Hình 6.1: Quá trình di chuyển Robot không gian 68 ix DANH SÁCH CÁC B NG B NG TRANG B ng 1.1: Kế hoạch chi tiết thực luận văn B ng 5.1: Danh sách tên tọa độ vật mốc không gian 2D 37 B ng 5.2: Số lượng điểm đặc trưng tương ứng với ảnh vật mẫu 40 B ng 5.3: Tọa độ vị trí trung tâm vật mốc phát 47 B ng 5.4: Những thông số Stereo camera Minoru 49 B ng 5.5: Tọa độ điểm ký hiệu tinh chỉnh hai ảnh trái phải trước sau 57 B ng 5.6: Tọa độ điểm ký hiệu sau tinh chỉnh hai ảnh trái phải trước B ng 5.7: Tọa độ điểm ký hiệu tinh chỉnh 58 hai ảnh trái phải trước sau 58 B ng 5.8a: Kết đo "f" điều kiện ánh sáng đầy đủ 60 B ng 5.8b: Kết đo "f" điều kiện thiếu ánh sáng 61 B ng 5.9a: Kết đo "e" điều kiện đủ ánh sáng 62 B ng 5.9b: Kết đo "e" điều kiện thiếu ánh sáng 63 B ng 5.10a: Kết đo "l" điều kiện đủ ánh sáng 64 B ng 5.10b: Kết đo "l" điều kiện thiếu ánh sáng 64 B ng 5.11: Vị trí vật mốc không gian 66 B ng 5.12 Vị trí thực tế Robot vị trí thứ 67 B ng 5.13 Kết định vị chu vị trí thứ 67 B ng 5.14: Vị trí thực tế Robot vị trí thứ 68 B ng 5.15: Kết định vị Robot vị trí thứ với chu 68 x Chương TỔNG QUAN 1.1 T ng quan lĩnh v c đ nh v robot Lĩnh vực Robotics đời bắt đầu phát triển từ kỷ XX lĩnh vực tổng thể bao gồm kỹ thuật khí, kỹ thuật điện xử lý thông tin máy tính Được đời xuất phát từ nhu cầu người, Robotics phát triển mô hình mô hoạt động người sống để thay người làm việc Điểm mạnh Robot chúng hoạt động lặp lại nhiều lần công việc với tốc độ nhanh, hiệu suất làm việc cao Đặc biệt, Robot hoạt động môi trường mà người tiếp xúc trực tiếp trình làm việc Trên đường phát triển mình, Robotics bước tạo mô hình có khả suy luận đưa định giống cách suy luận định người Trong khả khả tự định vị đưa định quỹ đạo di chuyển nhận lệnh yêu cầu từ người điều khiển [1] Một khả đặc biệt mà người muốn robot có khả thực khả tự hành không gian di chuyển Khả tự hành định nghĩa khả tự nhận biết đưa định trình điều hướng Khi nhận yêu cầu từ vị trí đến vị trí khác, robot phải có khả xác định vị trí tại, vào đồ để vạch đường đến vị trí yêu cầu Để tự định vị xác định quỹ đạo di chuyển, Robot phải xây dựng với hỗ trợ thành phần chịu trách nhiệm thực thi riêng lẽ tác vụ để tổng hợp đưa thông tin định Tùy vào mức độ tự hành Robot mà hệ thống có một, hai ba thành phần phối hợp hoạt động với cách đồng thời Các thành phần mối liên hệ thành phần minh họa hình 1.1 Hình 1.1: Các thành phần hoạt động điều hướng Robot [2] Thành phần thành phần định vị; chức thành phần xác định vị trí tọa độ Robot không gian 2D 3D Thành phần thứ hai, vẽ đồ, xác định mô tả môi trường di chuyển theo dạng thức khác phù hợp với ứng dụng Thành phần cuối điều hướng, có nhiệm vụ vạch quỹ đạo di chuyển dựa vào vị trí mô tả vùng di chuyển Ba thành phần hỗ trợ trình di chuyển Robot cách động thời làm cho Robot có khả tự hành, hoạt động cách độc lập mà không cần có hỗ trợ người Để phát triển hệ thống với hỗ trợ ba thành phần cần phải có cấu hình phần cứng cao để hoạt động đồng thời nhiều thuật toán xử lý điều khiển phức tạp khác [2] Thành phần quan trọng robot tự hành thành phần định vị Thành phần xác định vị trí robot không gian di chuyển Có ba phương pháp định vị thường sử dụng Phương pháp định vị tương đối (hay định vị cục bộ) xác định vị trí robot so với vị trí khởi tạo ban đầu Phương pháp có ưu điểm thơi gian tính toán nhanh không cần thông tin khác mô tả không gian di chuyển Phương pháp định vị tuyệt đối (hay định vị toàn cục) xác định vị trí dựa vào hệ tọa độ toàn cục thông qua mô tả không gian di chuyển Phương pháp định vị theo xác suất sử dụng kết hợp hai phương pháp định vị để tăng độ xác trình định vị Mỗi phương pháp có ưu nhược điểm riêng áp dụng ứng dụng khác [3] Để thực thuật toán định vị, thông tin nhận dạng môi trường xung quanh cần phải thu thập cách xác Do đó, độ xác phức tạp thuật toán phụ thuộc nhiều vào loại cảm biến sử dụng Loại cảm biến phổ biến sử dụng định vị cảm biến siêu âm [4] Theo đó, khoảng cách từ robot đến vật thể xung quanh thu thập liên tục trình di chuyển Những khoảng cách thống kê để tìm điểm nằm đường thẳng, đường thẳng so sánh với đồ có để thu vị trí robot Tuy nhiên, phương pháp xác định vật thể có dạng mặt phẳng không xác định vật có kích thướt nhỏ Sai số phương pháp lớn (Sai số cực đại 1.3 ft 10o), phụ thuộc nhiều vào mật độ đặt cảm biến xung quanh robot; nữa, tầm đo cực đại cảm biến siêu âm khoảng 10 m, điều làm giới hạn không gian định vị Độ xác thuật toán định vị chịu ảnh hưởng nhiều độ xác phương pháp đo khoảng cách; đó, cảm biến laser sử dụng để thay cho cảm biến siêu âm việc đo khoảng cách [5] Cảm biến laser sử dụng có ưu điểm tầm đo lớn so với cảm biến siêu âm (trong khoảng giải cao ( ��), vùng quét rộng ( 6� × � �), độ phân ) Kết thu từ cảm biến quét xung quanh môi trường ma trận hai chiều chứa giá trị khoảng cách từ robot đến điểm nằm vùng quét Kết thu thời gian tối đa xử lý cho lần định vị 3.1 giây, xác suất định vị thành công 95% môi trường thí nghiệm, 75% môi trường nhà máy Sai số tọa độ ± �� sai số theo hướng ± � Bên cạnh phương pháp định vị sử dụng toàn vật thể xuất vùng nhận biết cảm biến hai phương pháp trên, có phương pháp định vị dùng số vật mốc đặt cố định xác định trước vị trí không gian Những vật gọi vật mốc Căn vào thông tin trực tiếp vật mốc thông tin mối liên hệ robot vật mốc trình di chuyển, vị trí robot không gian xác định Việc nhận dạng vật mốt cảm biến thông thường cảm biến siêu âm, hay cảm biến laser, thách thức lớn trình định vị Nhược điểm sử dụng cảm biến siêu âm cảm biến laser trình định vị xác định trực tiếp vật thể đo gì; thông tin thu khoảng cách từ robot đến điểm giao gần nằm đường thẳng mang sóng âm (ánh sáng) Do đó, cần phải tìm loại cảm biến khác có khả thu thập nhiều dạng thông tin khác thu khoảng cách [6] Một phương pháp sử dụng phổ biến sử dụng cảm biến hình ảnh thuật toán xử lý hình ảnh có liên quan Khi áp dụng thuật toán xử lý hình ảnh vào lĩnh vực robot, thông tin thu từ giới bên phong phú hơn, robot linh động việc định vị Một khả quan trọng làm cho robot có khả nhận dạng vật mốc đặt không gian di chuyển Sau vật mốc nhận dạng, thuật toán đo khoảng cách khác (dùng siêu âm, laser, stereo camera) sử dụng để xác định khoảng cách từ robot đến vật mốc Thông tin nhận dạng kết hợp với khoảng cách xác định để tìm tọa độ robot không gian di chuyển [7] Khi áp dụng xử lý ảnh vào lĩnh vực robot, thuật toán nhận dạng ngày trở nên quan trọng để nhận biết vật mốc xuất Có nhiều thuật toán nhận dạng ảnh khác sử dụng lĩnh vực robot Đầu tiên thuật toán nhận dạng hình ảnh dựa vào phân bố màu sắc ảnh Nhược điểm phương pháp kết nhận dạng phụ thuộc nhiều vào cường độ ánh sáng môi trường làm việc kích thước vật mẫu xuất ảnh kiểm tra [8] Để khắc phục nhược điểm phụ thuộc vào cường độ sáng môi trường, đặc tính màu sắc thay đặc tính khác tần số thay đổi mức xám, vector nhận dạng, đặc tính phân tích phép biến đổi Fourier Wavelet nhiều phương pháp khác sử dụng công cụ thống kê việc phân tích đặc điểm nhận dạng khung ảnh [2] Các phương pháp nhận dạng sử dụng đặc tính nhận dạng toàn cục màu sắc tần số thay đổi mức xám xuất toàn khung ảnh, việc gây khó khăn cho việc nhận dạng vật mẫu xuất ảnh kiểm tra với kích thướt khác với ảnh mẫu Vì vậy, để kết nhận dạng không phụ thuộc vào kích thước vật mẫu xuất khung ảnh, cần phải lựa chọn đặc tính nhận dạng cho đặc tính không phụ thuộc vào cường độ sáng môi trường kích thước xuất khung ảnh Đầu tiên đường biên ảnh sử dụng đường biên có đặc tính thay đổi theo kích thước xuất khung ảnh [9] Thế nhưng, đường biên sử dụng, thông tin quan trọng khác không nằm đường biên bị bỏ qua; đó, xác xuất nhận dạng xác vật mẫu ảnh thu thập không cao Năm 2004, tác giả David G Lowe nghiên cứu thành công thuật toán tìm kiếm phân tích điểm đặc trưng ảnh vật mẫu cho không phụ thuộc vào chiều kích thước xuất khung ảnh Theo đó, vật mẫu biểu diễn hình ảnh phân tích thành tập hợp điểm đặc trưng; điểm đặc trưng có đặc điểm nhận dạng không phụ thuộc vào chiều kích thước xuất khung ảnh tìm kiếm ảnh kiểm tra để xác định xuất vật mẫu ảnh [10] Bên cạnh thông tin xuất vật mẫu không gian, thông tin khoảng cách từ robot đến vật mẫu không quan trọng Có thể đo khoảng cách nhiều phương pháp khác cảm biến siêu âm, cảm biến laser, nhiều loại cảm biến khác Hiện nay, thuật toán xử lý ảnh phát triển cho phép xác định khoảng cách camera lắp đặt robot cách sử dụng quy luật phép chiếu hình học từ không gian 3D sang không gian 2D, ngược lại Có nhiều công trình nghiên cứu lĩnh vực [7, 11-14] Như vậy, việc áp dụng thuật toán xử lý ảnh vào định vị xu hướng phổ biến thời gian gần [15] Bắt kịp xu hướng đó, đề tài sử dụng thuật toán nhận dạng vật mốc phát khoảng cách xử lý hình ảnh để định vị a: Kết qu nhận dạng nh trái b: Kết qu nhận dạng nh ph i Hình 5.13: Kết qu nhận dạng vật mẫu "m" B ng 5.8a: Kết qu đo "f" điều kiện ánh sáng đầy đủ Kho ng Kho ng Sai số cách cách đo t đối chuẩn (mm) (mm) (mm) 150 149 200 204 300 297 400 400 500 497 600 601 700 707 60 800 804 900 897 1000 997 1100 1094 1200 1193 1300 1294 1400 1397 1500 1493 1600 1587 13 1700 1685 15 1800 1781 19 1900 1881 19 2300 2288 2000 1990 10 2400 xxxx 2100 2065 35 1000 984 16 1100 1087 13 1200 1206 1300 1283 17 1400 1376 24 1500 1475 25 1600 1573 27 1700 1660 40 1800 1760 40 1900 1874 26 2000 xxxx 12 B ng 5.8b: Kết qu đo "f" điều kiện thiếu ánh sáng Kho ng Kho ng Sai số cách chuẩn cách đo t đối (mm) (mm) (mm) 150 145 200 198 300 297 400 394 500 498 600 595 700 696 800 793 900 892 Hình 5.14 mô t kết qu nhận dạng vật mẫu tên "e" hai nh trái ph i với điều kiện đầy đủ nh sáng Số l ợng điểm đặc tr ng vật "e" 426 điểm B ng 5.9a trình bày kết qu đo đạc "e" 61 kho ng cách khác điều kiện ánh sáng đầy đủ B ng 3.9b trình bày kết qu đo điều kiện thiếu ánh sáng b: Kết qu nhận dạng nh ph i a: Kết qu nhận dạng nh trái Hình 5.14: Kết qu nhận dạng vật mẫu "e" B ng 5.9a: Kết qu đo "e" điều kiện đủ ánh sáng Kho ng Kho ng Sai cách chuẩn cách đo tuyệt đối (mm) (mm) (mm) 150 xxxx 200 205 300 299 400 395 500 số 497 5 62 600 598 700 696 800 796 900 893 1000 1002 1100 xxxx 1200 xxxx B ng 5.9b: Kết qu đo "e" điều kiện thiếu ánh sáng Kho ng cách Kho ng Sai số chuẩn cách đo tuyệt đối (mm) (mm) (mm) 150 xxx 200 197 300 300 400 399 500 506 600 599 700 692 800 795 900 xxx 1000 Hình 5.15 mô t kết qu nhận dạng vật mẫu tên "l" hai nh trái ph i với điều kiện đầy đủ nh sáng Số l ợng điểm đặc tr ng vật "l" 1558 điểm B ng 5.10a trình bày kết qu đo đạc "l" kho ng cách khác điều kiện ánh sáng đầy đủ B ng 5.10b trình bày kết qu đo điều kiện thiếu ánh sáng a: Kết qu nhận dạng nh trái b: Kết qu nhận dạng nh ph i Hình 5.15: Kết qu nhận dạng vật mẫu "l" 63 B ng 5.10a: Kết qu đo "l" điều kiện đủ ánh sáng Kho ng Kho ng Sai số cách chuẩn cách đo t đối (mm) (mm) (mm) 150 150 200 194 300 297 400 396 500 493 600 599 700 692 800 799 900 901 1000 999 1100 1099 1200 1191 1300 1300 1400 1399 1500 1495 1600 xxxx 1700 xxxx 1800 B ng 5.10b: Kết qu đo "l" điều kiện thiếu ánh sáng Kho ng Kho ng Sai số cách chuẩn cách đo t (mm) (mm) đối (mm) 150 152 64 200 198 300 297 400 391 500 499 600 598 1200 1210 10 700 698 1300 1295 800 802 1400 1405 900 898 1500 xxxx 1000 996 1600 xxxx 1100 1100 Nh sau thực nhiều vật mốc với mức độ chi tiết khác c ng độ sáng khác nhau, kết luận sau đ ợc rút Với vật mốc "f" có số l ợng điểm đặc tr ng lớn 2289, tầm đo điều kiện đủ nh sáng �� − ��, điều kiện thiếu ánh sáng �� − �� Với vật mốc "e" có số l ợng điểm đặc tr ng nhỏ 426 điểm, tầm đo điều kiện đủ nh sáng �� − ��, tầm đo điều kiện thiếu ánh sáng �� − �� Với vật mốc "l" có số l ợng điểm đặc tr ng 1558 điểm, tầm đo điều kiện đủ ánh sáng kiện thiếu ánh sáng �� − tâm đo đ ợc lớn C đ ợc lớn hơn, c ��, tầm đo điều �� − �� Số l ợng điểm đặc tr ng lớn ng độ sáng môi tr ng đầy đủ kho ng cách đo ng độ sáng nh h ớng đến chất l ợng nhận dạng điểm đặc tr ng, nh h ng đến kết độ xác trình định vị Ngoài độ xác ph ơng pháp định vị phụ thuộc phần lớn vào độ phân gi i camera đ ợc sử dụng để thu thập hình nh 5.3 Xác định tọa độ robot: Phần trình bày kết qu định vị robot không gian di chuyển 2D Hình 5.16 trình bày kết qu định vị b i vật mốc đặt vị trí thứ Không gian di chuyển đ ợc xác định góc không gian, robot đ ợc đặt 65 vị trí trung tâm, nhận dạng xác định kho ng cách đến vật mốc Vị trí tọa độ vật mốc không gian đ ợc trình bày b ng 5.11 Vị trí thực tế Robot đ ợc trình bày b ng 5.12 Kết qu định vị t ơng ứng với chu đ ợc trình bày b ng 5.13 Kết qu định vị robot t ơng ứng với vị trí tọa độ thứ hai đ ợc trình bày hình 5.17, b ng 5.14, 15 trị 4.0%, vị trí thứ nhất, sai số trung bình có giá vị trí thứ sai số trung bình 3.6% Hình 5.16: Kết qu nhận dạng vị trí thứ B ng 5.11: Vị trí vật mốc không gian V t mốc Vị trí (300, 300) (1500, 300) (1500, 1500) (300, 1500) 66 B ng 5.12 Vị trí thực tế Robot vị trí thứ Kho ng cách thực (mm) Kho ng cách thực (mm) Kho ng cách thực (mm) 845 845 845 Vị trí thực robot (mm; mm) [900, 900] B ng 5.13 Kết qu định vị chu Kho ng Kho ng Kho ng Kho ng STT cách cách cách cách (mm) (mm) (mm) (mm) vị trí thứ Vị trí robot (mm; mm) Sai số (%) 847.748 867.245 861.725 [886.551; 906.217] 2.2 858.736 859.216 839.659 851.273 827.611 853.015 846.167 [901.903; 980.109] 9.1 825.895 849.95 846.269 863.208 852.927 [883.273; 902.452] 2.1 ]914.493; 890.614] 2.7 [884.282; 917.727] 3.7 Trung bình 4.0 Hình 5.17: Kết qu định vị 67 vị trí thứ B ng 5.14: Vị trí thực tế Robot Kho ng cách thực (mm) Kho ng cách thực (mm) Kho ng cách thực (mm) 1270 940 420 B ng 5.15: Kết qu định vị Robot 1291.53 1300.12 1270.03 1303.43 955.347 409.545 410.432 953.678 951.043 419.342 958.14 956.538 Vị trí thực robot (mm; mm) [1200; 1200] vị trí thứ với chu Kho ng Kho ng Kho ng Kho ng STT cách cách cách cách (mm) (mm) (mm) (mm) vị trí thứ Vị trí robot (mm; mm) Sai số (%) [1218.78; 1211] 2.5 957.59 [1227.36; 1224.45] 4.3 960.073 [1192.98; 1207.94] 1.2 923.293 [1193.15; 1204.48] 0.9 [1229.14; 1277.78] 8.9 Trung bình 3.6 68 Chương KẾT LU N Đề tài phát triển thuật toán định vị robot sử dụng stereo camera không gian di chuyển 2D Hai thành phần quan trọng thuật toán thành phần nhận dạng vật mốc thành phần xác định khoảng cách từ stereo camera đến vật mốc nhận dạng Do trình xác định khoảng cách thực xuất vật mẫu khung ảnh trái khung ảnh phải, nên tầm định vị robot chịu ảnh hưởng nhiều tầm nhận dạng Tầm nhận dạng thành công phụ thuộc vào số lượng điểm đặc trưng tìm ảnh vật mẫu, số lượng điểm đặc trưng lớn tầm nhận dạng rộng Ngoài chi tiết điểm đặc trưng phụ thuộc vào cường độ sáng môi trường hoạt động Khi vật mốc cần thiết nằm khung ảnh nằm tầm nhận dạng, độ xác thuật toán định vị không phụ thuộc nhiều vào cường độ sáng môi trường hoạt động Như vậy, cường độ sáng ảnh hưởng đến tầm hoạt động tác động đến chất lượng trình nhận dạng Kết thuật toán có đóng góp cải tiến sau Luận văn hoàn thành để khắc phục nhược điểm trình định vị truyển thống Robot di chuyển gặp cố Hình 6.1 mô tả trình di chuyển Robot không gian Hình 6.1: Quá trình di chuyển Robot không gian 69 Để định vị Robot, tọa độ ban đầu Robot thông tin sai lệch thành phần tọa độ dùng đề cập nhật lại vị trí mới, minh họa hệ phương trình 6.1 Do đó, xảy lỗi trình tính toán giá trị ∆ � , ∆ thông tin tọa độ ban đầu �, � � không ý nghĩa Phương pháp định vị trình bày luận văn khắc phục nhược điểm Phương pháp giúp robot xác định lại tọa độ xác ban đầu tiếp tục trình định vị theo phương trình cũ (6.1) Như phương pháp giúp tách biệt ảnh hưởng tọa độ định vị với phương trình chuyển động Robot xuất nhiều yếu tố gây sai lệch trình định vị Phương pháp định vị nghiên cứu luận văn sử dụng thuật toán xử lý ảnh có ưu điểm khai thác nhiều thông tin khác từ hình ảnh thu nhận dạng đối tượng xuất khung ảnh, nhận dạng chướng ngại vật xuất trình di chuyển để xử lý kịp thời Phương pháp nhận dạng SIFT sử dụng luận văn có ưu điểm nhận dạng vật thể có kích thướt chiều xuất khác khung ảnh Thuật toán nhận dạng vật thể bị che khuất phần có cường độ ánh sáng xuất khác so với lúc thu thập ảnh mẫu; { = �+1 = �+1 (6.1) + ∆ � ,�= , , … � +∆ � � Nhược điểm đề tài thời gian thực thuật toán khung ảnh thu thập tương đối lâu, khoảng vài khung hình xử lý giây Tốc độ xử lý không phù hợp với yêu cầu thời gian thực thuật toán sử dụng thường xuyên suốt trình hoạt động Robot Tuy nhiên, ảnh hưởng thời gian thực thi không đáng kể thuật toán thực thi robot xảy lỗi trình điều hướng Nếu không gian di chuyển lớn, số lượng vật mốc cần thiết nhiều dẫn đến dung lượng lưu trữ cần thiết phải đủ để chứa tất đặc điểm nhận dạng vật mốc thời gian nhận dạng theo tăng lên Để khắc phục nhược điểm này, đòi hỏi cần phải sử dụng hệ thống có cấu hình RAM tốc độ xử lý mạnh 70 Khoảng cách tối đa tối thiểu camera vật thể cần nhận dạng phụ thuộc vào số lượng điểm đặc trưng vật mốc kích thướt điểm đặc trưng xuất khung ảnh thu thập Khoảng nhận dạng phụ thuộc vào độ phân giải camera thu thập ảnh mẫu ảnh nhận dạng Để tăng khoảng nhận dạng, kích thướt vật mẫu phải đủ lớn camera sử dụng phải có độ phân giải phù hợp Sự phụ thuộc tọa độ robot tìm khoảng cách từ robot đến vật mẫu hàm bậc 2, theo hệ phương trình (2.1) Do đó, độ xác tọa độ tìm phụ thuộc nhiều vào độ xác khoảng cách từ Robot đến vật mốc xác định Để phép đo đem lại kết xác, cần phải tăng độ xác phương pháp xác định khoảng cách dùng Stereo Camera Để tăng độ xác phép đo khoảng cách sử dụng Stereo Camera cần phải sử dụng camera có độ phân giải cao thông số hai camera phải giống 71 TÀI LIỆU THAM KHẢO Sách: [1] Boguslaw Cyganek, J.P.S., An Introduciton to 3D Computer Vision Techniques and Algorithms WILEY, 2009 [2] Brahmbhatt, S., Practical OpenCV Technology in Action, 2012 [3] Kaehler, G.B.a.A., Learning OpenCV O'Reilly, 2008 [4] Nourbakhsh, R.S.a.I.R., Introduction to Autonomous Mobile Robots Ronald C Arkin, 2004 Bài báo tạp chí khoa học: [1] History of Industrial Robots From the first installation until today International Federation of Robotics 2012 [2] Fukunaga, K., Introduction to Stastical Pattern Recognition Second Edition COMPUTER SCIENCE AND SCIENTIFICCOMPUTING, 1990 [3] R Gonzalez, F Rodr´ıguez, J.L Guzman, M Berenguel, Comparative Study of Localization Techniques for Mobile Robots based on Indirect Kalman Filter IEEE Computer Society, 2009 [4] Drumheller, M., Mobile Robot Localization Using Sonar IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE,, 1987 9: p 325-332 [5] Joachim HORN, J.R., Localization of a Mobile Robot by Matching 3DLaser-Range-Images and Predicted Sensor Images IEEE, 1994: p 345 350 [6] Carlos F Marques, P.U.L., Vision-Based Self-Localization for Soccer Robots IEEE, 2000 2: p 1193 - 1198 [7] Stephen Se, D.L., Jim Little, Vision-based Mobile Robot Localization And Mapping using Scale-Invariant Features IEEE, 2001: p 2051 - 2058 vol.2 [8] Theo Gevers*, A.W.M.S., Color-based object recognition Pattern Recognition Society 32, 1998: p 453—464 [9] Argyle, E.R., A., Techniques for edge detection Proceedings of the IEEE, 2005: p 285 - 287 [10] Lowe, D.G., Distinctive Image Features from Scale-Invariant Keypoints International Journal of Computer Vision, 2004 [11] Hui Zhang ; Shenyang Jianzhu Univ., S., China ; Lingtao Zhang ; Jing Dai, Landmark-Based Localization for Indoor Mobile Robots with Stereo Vision Intelligent System Design and Engineering Application (ISDEA), 2012 Second International Conference, 6-7 Jan 2012: p 700 - 702 [12] Herath, D.C.A.C.o.E.f.A.S., Univ of Technol., Sydney, NSW ; Kodagoda, S ; Dissanayake, G., Simultaneous Localisation and Mapping: A Stereo 72 Vision Based Approach Intelligent Robots and Systems, 2006 IEEE/RSJ International Conference, 2006: p 922 - 927 [13] Kuen-Han Lin ; Dept of Comput Sci & Inf Eng., N.T.U., Taipei, Taiwan ; Chieh-Chih Wang, Stereo-based simultaneous localization, mapping and moving object tracking Intelligent Robots and Systems (IROS), 2010 IEEE/RSJ International Conference, 2010: p 3975 - 3980 [14] Jen-Shiun Chiang, C.-H.H., A Stereo Vision-Based Self-Localization System IEEE SENSORS JOURNAL, 2013 13 [15] Rituparna Chatterjee, E.B., How image processing will change your world in future The Economic Times Software, 2011 [16] Lindeberg, T., Feature Detection with Automatic Scale Selection Computer Vision, 1998 30 [17] Kaehler, G.B.a.A., Learning OpenCV O'Reilly, 2008 [18] Kai Sun ; Sharp Digital Inf., H.B., CA, USA, Adaptive motion estimation based on statistical sum of absolute difference Image Processing, 1998 ICIP 98 Proceedings 1998 International Conference: p 601 - 604 vol.3 [19] Leibe, P.D.-I.H.N.P.D.B., Matching Algorithms for Image Recognition 2010 73 S K L 0 [...].. .robot trong không gian di chuyển 2D của Robot Chi tiết về mục tiêu, nhiệm vụ và giới hạn của đề tài được trình bày cụ thể trong phần sau 1.2 M c tiêu, nhi m v , và giới h n đề tài: Đề tài nghiên cứu về thuật toán "định vị robot trong không gian 2D sử dụng stereo camera" Mục tiêu đề tài là xác định được vị trí của robot khi đang di chuyển trong không gian 2D Thông tin vị trí bao gồm hai... khoa học 10 Chương 2 PH NG PHÁP Đ NH V TRONG KHÔNG GIAN PHẲNG 2.1 Phương pháp đ nh v trong không gian ph ng sử d ng kho ng cách Euclid Như đã trình bày trong phần trên, định vị trong lĩnh vực Robotics là xác định tọa độ của Robot trong không gian theo thời gian Ngoài tọa độ còn có một đại lượng cần phải xác định là hướng của Robot Tùy theo số chiều của không gian di chuyển mà tọa độ và hướng có nhiều... xác định thành phần tọa độ của Robot trong không gian di chuyển phẳng xác định trước bằng thuật toán xử lý hình ảnh thu thập được từ Stereo Camera Tóm tắt về ý tưởng chung của thuật toán được minh họa chi tiết trong hình 1.2 Hình 1.2: Mô hình toán học xác tọa độ của Robot trong không gian phẳng � 11 Trong hình 1.2, giả sử Robot di chuyển trong một không gian phẳng � tọa độ chưa xác định có Không gian. .. của từng vật mốc đã tìm được trong không gian di chuyển của Robot  Khối xác định khoảng cách sử dụng vị trí của vật mốc trong khung ảnh trái đã tìm được và hình ảnh thu về từ camera phải để xác định khoảng cách từ Robot đến từng vật mốc tìm được Chi tiết về thuật toán tìm khoảng cách sử dụng Stereo Camera sẽ được trình bày trong phần sau  Khối xác định tọa độ Robot sử dụng tọa độ của từng vật mốc... của camera sử dụng, mức độ chi tiết của hình vật mốc, và khoảng cách giữa 2 camera stereo Chương 4 sẽ trình bày cơ sở lý thuyết về mô hình toán học của camera đơn, camera đôi (stereo camera) làm căn cứ để xác định khoảng cách từ robot đến các vật mốc nhận dạng được 4.2 Mô hình camera đơn Vật thể trong không gian 3D được chuyển thành những điểm ảnh trong không gian 2D phải qua một camera Nhiệm vụ của camera. .. b, c), ta có thể xác định được vị trí của Robot nếu như biết được tọa độ của các vật mốc và khoảng cách tương ứng từ Robot đến các vật mốc 2.2 H th ng đ nh v sử d ng Stereo Camera Trên cơ sở ý tưởng thực hiện được trình bày trong phần trước, hệ thống định vị robot sử dụng stereo camera được phát triển có sơ đồ khối như hình 2.1 Hình 2.1: Sơ đồ khối của hệ thống định vị dùng stereo camera Hệ thống bao... hình 1.2 Không gian di chuyển được đặt trong hệ trục tọa độ � Robot di chuyển trong mặt phẳng được biểu diển bằng một điểm duy nhất có tọa độ , Trong không gian di chuyển, những vật mốc được xác định trước và có vị trí cố định trong không gian, A: B: 1, 1 , C: , , , , và xuất hiện trong không gian di chuyển với những đặc điểm nhận dạng khác nhau Mục tiêu của đề tài là xác định tọa độ của robot dựa vào... ảnh phải để tìm ra khoảng cách từ robot đến các vật mốc tìm được Cơ sở lý thuyết để xác định khoảng cách dùng Stereo Camera được trình bày chi tiết trong chương 4 24 Chương 4 THUẬT TOÁN XÁC Đ NH KHO NG CÁCH DỐNG STEREO CAMERA 4.1 Giới thi u Xác định khoảng cách sử dụng stereo camera có ưu điểm là có thể tận dụng được camera được lắp đặt sẵn trên robot, thay vì phải sử dụng những loại cảm biến khác, vì... cách từ robot đến các vật mốc được nhận dạng, tìm mối liên hệ giữa tọa độ của robot với tọa độ của các vật mốc đã biết trước để suy ra tọa 6 độ của robot Khoảng cách từ robot đến các vật mốc được xác định bằng các thuật toán xử lý ảnh thu được từ stereo camera Hình 1.2: Mô hình toán học xác tọa độ của Robot trong không gian phẳng � Để tài chỉ xác định tọa độ của robot trong giới hạn của không gian di... OpenCV cho Stereo Vision;  Nghiên cứu cách lập trình và biên dịch OpenCV trong MATLAB; Nghiên cứu thuật 1 toán xác  Stereo Camera bẳng những lệnh được định hỗ trợ trong OpenCV; khoảng cách sử dụng stereo camear Viết thuật toán xác định thông số của  Viết thuật toán xác định khoảng cách sử dụng Stereo Camera bằng những lệnh hỗ trợ trong OpenCV;  So Sánh những khoảng cách tính toán với khoảng cách chuẩn