Điều khiển robot dùng thị giác nổi

CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH - Cán hướng dẫn khoa học : TS NGUYỄN NGUY ỄN Đ Ứ C THÀ TH À NH Cán chấm nhận xét : Cán chấm nhận xét : Luận văn thạc sĩ bảo vệ tại: HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày tháng .năm TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày tháng năm 2006 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN THÁI ANH TUẤN Ngày, tháng, năm sinh: 30/06/1981 Chuyên ngành: Điều khiển học Kỹ thuật Phái: Nam Nơi sinh: Tp Hồ Chí Minh MSHV: 01504386 I- TÊN ĐỀ TÀI: ĐIỀU KHIỂN ROBOT PIONEER DX DÙNG THỊ GIÁC NỔI II- NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu kỹ thuật thị giác áp dụng cho tốn điều khiển robot Tìm hiểu ý nghĩa việc hiệu chuẩn camera vận dụng kết hiệu chuẩn vào việc xác định tọa độ đối tượng không gian nhờ hệ camera bị động Nghiên cứu khả nhận dạng đối tượng không gian thực thông qua hệ thị giác Kết hợp kết nghiên cứu vào điều khiển mobile robot nhận dạng bám theo mục tiêu di động môi trường thực III- NGÀY GIAO NHIỆM VỤ : IV- NGÀY HOÀN THÀNH NHIỆM VỤ: V- CÁN BỘ HƯỚNG DẪN : TS NGUYỄN ĐỨC THÀNH CÁN BỘ HƯỚNG DẪN CN BỘ MÔN QL CHUYÊN NGÀNH Nội dung đề cương luận văn thạc sĩ Hội đồng chuyên ngành thơng qua TRƯỞNG PHỊNG ĐT – SĐH Ngày tháng năm 2006 TRƯỞNG KHOA QL NGÀNH LỜI CẢM ƠN Em xin chân thành cảm ơn tất Qúy Thầy Cô khoa Điện – Điện Tử, khoa Cơ khí nói chung Bộ mơn Điều Khiển Tự Động nói riêng lời cảm ơn chân thành Qúy Thầy Cô truyền đạt cho em kiến thức chuyên môn kinh nghiệm học tập vô quý báu phong phú suốt thời gian học qua Em xin gởi đến thầy TS Nguyễn Đức Thành lời cảm ơn chân thành Thầy hướng dẫn em tận tình suốt thời gian qua Những tài liệu bổ ích mà thầy cung cấp cho em lời nhận xét góp ý đáng quý thầy giúp em hồn thành tốt luận văn Xin cảm ơn tất bạn động viên, giúp đỡ trao đổi kiến thức giúp trình thực luận văn Cuối xin tỏ lòng biết ơn sâu sắc tới Ba Mẹ tất người thân nhất, quan tâm động viên suốt năm học qua Tp.HCM, ngày tháng 11 năm 2006 Học viên Nguyễn Thái Anh Tuấn Mục lục Trang Mở đầu Mục lục CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH…………………………………….1 1.1 Chuyển ảnh màu sang ảnh xám………………………………………….1 1.2 Lược đồ xám ảnh…………………………………………………… 1.3 Các lọc khơng gian…………………………………………………….3 1.3.1 Lọc tuyến tính .3 1.3.2 Lọc phi tuyến a Bộ lọc Mean b Bộ lọc Median .5 c Bộ lọc Gauss 1.4 Tách biên đối tượng.…………… ….………………………………… Phương pháp Canny.…………… ….………………………………… CHƯƠNG 2: HIỆU CHUẨN CAMERA………… ….………………………… 2.1 Kỹ thuật hiệu chuẩn Zhengyou Zhang………………………… 10 2.1.1 Giới thiệu…………………………………………… ……… 10 2.1.2 Những ràng buộc thơng số nội…………………………… 12 2.2 Bài tốn hiệu chuẩn camera………………………………………… 13 2.3 Ước lượng tính quan hện gữa mẫu ảnh tương ứng ……………………………………………………………………………… 14 2.4 Chương trình hiệu chuẩn (calip) camera.…………………………… 17 2.5 Kết luận… …………………………………………………………… 20 CHƯƠNG 3: KỸ THUẬT THỊ GIÁC NỔI.………………….………………… 21 3.1 Giới thiệu……………………… ………………….………………… 22 3.2 Ma trận sở F.……………………………………….……………… .24 3.2.1 Tính chất ma trận sở F …………………… ……… 24 3.2.2 Xác định ma trận sở F…………….……… …… ……… 25 3.2.3 Áp dụng ……………………………………… … ……… 26 3.3 Bài toán xác định khoảng cách ……… ……………………….…… 28 Mục lục 3.4 Kết bàn luận……………………….…………………………… 32 CHƯƠNG 4: NHẬN DẠNG ẢNH DÙNG THUẬT TOÁN ADABOOST… … 33 4.1 Giới thiệu… …………………………………………………………… 33 4.2 Thuật toán… ………………………………………… ……………… 33 4.3 Kỹ thuật phát đối tượng nhanh…………………… …………… 34 4.3.1 Giới thiệu……………………… …….……… …… ……… 34 4.3.2 Tạo mẫu……………………… …….……… …… ……… 35 4.3.3 Huấn luyện mẫu …………………… ……………… … 36 4.3.4 Trích đặc trưng …………………… ……………… … 36 4.3.5 Số lượng đặc trưng …………… ……… ……… … 38 4.3.6 Tính tốn đặc trưng …………… ………… … 39 4.4 Chuỗi hàm phân loại…………………………………………………… 42 4.5 Huấn luyện hàm phân loại……………………………… …………… 42 4.6 Áp dụng kết huấn luyện ……………………………………….… 45 4.7 Kết nhận dạng ……………………………………………….…… 46 CHƯƠNG 5: ĐIỂU KHIỂN ROBOT NHẬN DẠNG VÀ BÁM MỤC TIÊU.… 49 5.1 Giới thiệu.……………………………………………………………… 49 5.2 Thu nhận ảnh.……………………………………………………… … 53 5.3 Học đối tượng .……………………………………………………….… 55 5.4 Nhận dạng điều khiển ………………………………………… … 56 5.5 Bộ điều khiển ……………………………………………………… .60 CHƯƠNG 6: THIẾT KẾ PHẦN CỨNG.………………………………………… 64 6.1 Cấu hình máy tính.…………………………………………………… 64 6.2 Thiết bị thu nhận ảnh.………………………………………………… 64 6.3 Mơ hình Robot.………………………………………………………… 65 Kết luận ………………………………………………………………………… 68 Hướng phát triển đề tài .………………………………………… …………… 69 Tài liệu tham khảo Chương 1: Tổng quan xử lý ảnh CHƯƠNG 1: TỒNG QUAN VỀ XỬ LÝ ẢNH Xử lý ảnh mảng quan trọng kỹ thuật thị giác máy tính, tiền đề cho nhiều nghiên cứu thuộc lĩnh vực Hai nhiệm vụ trình xử lý ảnh nâng cao chất lượng thơng tin hình ảnh xử lý số liệu cung cấp cho trình khác có việc ứng dụng thị giác vào điều khiển Đã có nhiều cơng trình nghiên cứu nhiều quốc gia từ năm 1920 đến xử lý ảnh góp phần thúc đẩy tiến lĩnh vực lớn mạnh không ngừng [22] Quá trình việc thu nhận ảnh nguồn (từ thiết bị thu nhận ảnh dạng số tương tự) gửi đến máy tính Dữ liệu ảnh lưu trữ định dạng phù hợp với trình xử lý Người lập trình tác động thuật tốn tương ứng lên liệu ảnh nhằm thay đổi cấu trúc ảnh phù hơp với ứng dụng khác Với mục tiêu hướng đến luận văn điều khiển mobile robot bám theo mục tiêu dùng thị giác khâu xử lý ảnh phải tiền đề quan trọng cho tất nghiên cứu tốn thị giác máy tính 1.1 Chuyển ảnh màu thành ảnh xám Đơn vị tế bào ảnh số pixel Tùy theo định dạng ảnh màu hay ảnh xám mà pixel có thơng số khác Đối với ảnh màu pixel mang thông tin ba màu tạo màu khả kiến Đỏ (R), Xanh (G) Xanh biển (B) [Thomas 1892] Trong pixel ảnh màu, ba màu R, G B bố trí sát có cường độ sáng khác Thơng thường, mổi màu biểu diễn tám bit tương ứng 256 mức độ màu khác Như pixel có x = 24 màu (khoảng 16.78 triệu màu) Đối với ảnh xám, thông thường pixel mang thông tin 256 mức xám (tương ứng với tám bit) ảnh xám hồn tồn tái đầy đủ cấu trúc ảnh màu tương ứng thông qua tám mặt phẳng bit theo độ xám Chương 1: Tổng quan xử lý ảnh Trong hầu hết trình xử lý ảnh, chủ yếu quan tâm đến cấu trúc ảnh bỏ qua ảnh hưởng yếu tố màu sắc Do bước chuyển từ ảnh màu thành ảnh xám công đoạn phổ biến trình xử lý ảnh làm tăng tốc độ xử lý giảm mức độ phức tạp thuật toán ảnh Chúng ta có cơng thức chuyển thơng số giá trị màu pixel thành mức xám tương ứng sau: G = α C R + β CG + δ C B (1.1) Trong giá trị C R , C G C B mức độ màu Đỏ, Xanh Xanh biển pixel màu Các hệ số α , β , δ giá trị thay đổi tùy thuộc hệ màu Trong luận văn sử dụng hai card thu nhận tín hiệu video hệ NTSC từ hai camera nên hệ số là: α = 0.29890, β = 0.58662, δ = 0.11448 Do cơng thức (1.1) trở thành: G = 0.29890.C R + 0.58662.C G + 0.11448.C B Chúng ta xem ảnh nguồn mảng hai chiều, duyệt qua pixel phần tử mảng cơng thức 1.1 có ảng xám kết hình 1.2 sau: Hình 1.2 Chuyển ảnh màu thành ảnh xám 1.2 Lược đồ xám ảnh (Histogram) Chương 1: Tổng quan xử lý ảnh Lược đồ xám ảnh số có mức xám khoảng [0, L − 1] hàm rời rạc p(rk ) = nk / n Trong nk số pixel có mức xám thứ rk , n tổng số pixel ảnh k = 0,1,2 L − Do P(rk ) cho xấp xỉ xác suất xảy mức xám rk Vẽ hàm với tất gia trị k biểu diễn khái quát xuất mức xám ảnh Chúng ta thề lược đồ mức xám ảnh thông qua tần suất xuất mức xám qua hệ tọa độ vng góc Oxy Trong đó, trục hoành biểu diễn số mức xám từ đến N (số bit ảnh xám) Trục tung biểu diễn số pixel mức xám Hình 1.3: Lược đồ xám ảnh hình 1.2 1.3 Các lọc khơng gian Trong q trình xử lý ảnh sử dụng mặt nạ không gian nhằm làm thay đổi cấu trúc ảnh gọi lọc không gian Có hai loại lọc khơng gian lọc khơng gian tuyến tính lọc khơng gian phi tuyến 1.3.1 Lọc tuyến tính Lọc tuyến tính có hàm dịch, hàm xung hàm phân tán điểm biến đổi Fourier ngược Lọc thông thấp làm say giảm loại trừ thành phần tần số cao miền Fourier cho tần số thấp qua Các thành phần tần số cao đặc trưng cho biên, chi tiết làm nét ảnh, hiệu lọc thơng thấp làm nhịe ảnh Ngược lại với lọc thông thấp, lọc thông cao làm suy giảm thành phần tần số thấp Các thành phần thể qua đặc trưng Chương 1: Tổng quan xử lý ảnh thay đổi chậm ảnh độ tương phản cường độ sánh trung bình Hiệu chung lọc thông cao làm rõ biên chi tiết Ngồi cịn có lọc thơng dãi nhằm giữ lại vùng tần số thấp cao Nhiệm vụ lọc nhằm khơi phục ảnh, Một mặt nạ lọc tuyến tính 3x3 có đáp ứng sau: R = w1 z1 + w2 z + + w9 z Trong wi phần tử thứ i mặt nạ z i giá trị độ xám pixel ô thứ i mặt nạ chập lên Hình 1.4: Các vùng mạch lọc tuyến tính 1.3.2 Lọc phi tuyến a Bộ lọc Mean [22] Mạch lọc mặt nạ có kích thước n x n , tất hệ số Đáp ứng tổng mức xám n x n pixels chia cho n x n Ví dụ mặt nạ 3x3 đáp ứng tổng mức xám pixels chia cho 1 1 1 1 1 × Nhân chập mặt nạ với tất pixel ảnh gốc thu ảnh kết qua lọc Mean theo công thức sau: f [i, j ] = ∑ s(k , l ) S k ,l : N Với f [i, j ] giá trị pixel kết quả, s(k , l ) giá trị pixel ảnh gốc mặt nạ chập lên S kích thước mặt nạ Chương 1: Tổng quan xử lý ảnh Hình 1.5: Ảnh gốc ảnh qua lọc Mean Bộ lọc Mean có vai trị làm trơn ảnh xem lọc thơng cao, lại làm mờ đường biên đối tượng bên ảnh, làm tín hiệu cận nhiễu không lọc nhiễu xung b Bộ lọc Median Để thực lọc Median lân cận pixel xếp giá trị pixel lân cận, xác định trung vị Median định giá trị pixel Ví dụ lân cận 3x3 có giá trị: 10, 20, 20, 20, 15, 20, 20, 25, 100 Các giá trị xếp lại theo thứ tự từ thấp đến cao: 10, 15, 20, 20, 20, 20, 20, 25, 100 Giá trị median 20 Do ngun lý mạch median tách điểm có cường độ sáng lớn nhiễu xung lọc điểm có cường độ sáng tức (xung) hay cịn gọi nhiễu muối tiêu Hình 1.6: Ảnh gốc bị nhiễu muối tiêu ảnh sau lọc Median c Bộ lọc Gauss Chương 5: Điều khiển Robot if(m_x_l >= 140 && m_x_l 200) {serial.SendData("f",1);} } if( m_y_l > 90 && m_y_l < 150) { if(m_x_l < 140) {serial.SendData("g",1);} if(m_x_l > 200) {serial.SendData("h",1);} if(m_x_l >= 140 && m_x_l 50) {serial.SendData("0",1);} }}} UpdateData(false); 58 Chương 5: Điều khiển Robot left_logo.Show( hdc_L, 0, 0, 320, 240, 0, ); left_logo_ok = false;} detected = true; } CDialog::OnTimer(nIDEvent);} Hình 5.6: Chương trình thực việc nhận dạng hiển thị logo đối tượng Hình 5.7: Chương trình phân biệt logo học logo khác 59 Chương 5: Điều khiển Robot Hình 5.8: Chương trình phân biệt logo bị che khuất phần Hình 5.9: Chương trình phân biệt logo bị che khuất góc nhiên xuất nhiễu 5.5 Bộ điều khiển robot Chúng ta chia không gian mặt phẳng ảnh thành vùng nhau, tùy theo vị trí tọa độ tâm đối tượng xác định thuộc vùng chương trình định 60 Chương 5: Điều khiển Robot điều khiển hai bánh xe robot servo nâng (hạ) camera hoạt động nhằm đưa tâm đối tượng vùng tâm mặt phẳng ảnh Điều có nghĩa chuyển động robot nhằm mục đích đưa vật tâm vùng quan sát bảo toàn khoảng cách xác định trước Xây dựng điều khiển mờ với biến ngõ vào ba biến ngõ hình (5.6) Với chín vùng mặt phẳng ảnh chia hình thành hai biến ngõ vào “vị trí ngang” “vị trí dọc” tương ứng với tập mờ “trái – – phải” “cao – – thấp” Biến ngõ vào thứ ba biến khoảng cách, liệu có từ bước tìm khoảng cách tương đối robot (hệ camera) đối tượng, có tập mờ tương ứng “gần – tốt – xa” ứng với trường hợp robot nhỏ hơn, lớn tầm định trước Các biến ngõ giá trị điều khiển hoạt động bánh xe trái, bánh xe phải servo nâng (hạ) camera Các biến biều khiển bánh xe bao gồm tập mờ “tới – dừng –lùi”, biến điều khiển servo gồm tập mờ “up – balance – down” Hình 5.7: Bộ điều khiển mờ minh họa fuzzy simulink Mỗi biến ngõ vào mang tập con, xây dựng 27 phát biểu ngôn ngữ mờ Các phát biểu ngôn ngữ sau: 61 Chương 5: Điều khiển Robot Hình 5.8: Luật mờ 62 Chương 5: Điều khiển Robot Hình 5.9: Mặt điều khiển bánh xe trái bánh xe phải 63 Chương 6:Thiết kế phần cứng CHƯƠNG 6: THIẾT KẾ PHẦN CỨNG 6.1 Cấu hình máy tính Pentium tốc độ 2.66Ghz, 512Mb Ram Vga card: Onboard Hệ điều hành Windows Xp sp2 6.2 Thiết bị thu nhận ảnh Card bắt hình Analog (2 card) Aver Media DVD EZMarker Gold Snazzi DVD-Audio Hình 6.1: Card capture Camera Analog Wireless 1.2Ghz (2 bộ) Hình 6.2: Camera khơng dây 64 Chương 6:Thiết kế phần cứng Hình 6.3: Bộ thu tín hiệu video 1.2Ghz 6.3 Mơ hình robot di động Vận hành nhờ vào hai động bước pha, độ phân giải 0.72 o , điện áp hoạt động 24V DC Điều khiển giao tiếp máy tính qua cổng Rs 232 dùng vi điều khiển AT89S52 làm trung gian Hình 6.4: Mơ hình robot Hình 6.5: Mạch giao tiếp máy tính điều khiển 65 Chương 6:Thiết kế phần cứng LM7805 VI 1000u/25v 5V VCC C2 LED_5V 104 C3 220u MAX 232 14 13 D4 SW11 15V C1 D3 V0 GND D2 SOURCE 9-12 V VCC U1 C10 270 R2 T1OUT R1IN C1+ C1- VCC C2+ V- C2- MRXD SRXD MTXD STXD 12 11 RECEI R13 TRANS R14 VCC C12 16 C14 C13 15 HEADER V+ MAX232 C11 R1OUT T1IN GND 15V D1 18 30p C6 C7 10mF + SW2 BUS.0 BUS.1 BUS.2 BUS.3 BUS.4 BUS.5 BUS.6 BUS.7 S RST C8 30p R8 8.2K 19 Y2 12MH 18 X2 30p C9 AT89S52 D29 D31 2OUT1 D30 J7 X2 2P0.0 2P0.1 2P0.2 2P0.3 2P0.4 2P0.5 2P0.6 2P0.7 2P2.0 2P2.1 2P2.2 2P2.3 2P2.4 2P2.5 2P2.6 2P2.7 D20 1OUT1 D22 HEADER D24 1OUT2 14 11 D21 D23 MT1 SW9 SWR SW6 MRD SW10 SRD STEP1 J5 10 11 VCC 1OUT4 1OUT2 1OUT3 1OUT1 10 11 VCC HEADER 11 14 11 VSS L293D EN2 EN1 OUT4 OUT3 OUT2 OUT1 IN4 IN3 IN2 IN1 16 2P1.0 2P1.1 2P1.2 2P1.3 2P1.4 2P1.5 2P1.6 2P1.7 2RST 15 10 RN6 D83886066 10 11 HEADER 11 VSS VSS VSS 4 4 VSS PGND RN11 Hình 6.6: Sơ đồ nghuyên lý 66 2P_IN4 2P_IN3 2IN4 2P_IN2 OPTO8 2IN3 OPTO7 2IN2 2P_IN1 OPTO6 2IN1 OPTO5 1IN4 1P_IN4 OPTO4 1IN3 OPTO3 1IN2 1P_IN3 OPTO2 1IN1 OPT01 1P_IN2 1P_IN1 VSS 2P2.1 12 13 2P2.2 14 2P2.3 15 2P2.4 16 2P2.5 17 2P2.6 18 2P2.7 19 VSS 2P2.0 9 VCC VCC VSS 1IN4 1IN3 1IN2 1IN1 LED VCC RESNW_BU_8/SIP VSS VSS PGND HEADER BUS.0 BUS.1 BUS.2 BUS.3 BUS.4 BUS.5 BUS.6 BUS.7 S RST HEADER 11 RN10 PGND 13 12 J4 MP1.0 MP1.1 MP1.2 MP1.3 MP1.4 MP1.5 MP1.6 MP1.7 M1.8RST L293D U30 HEADER 9 10 11 SW8 ST1 SW5 2IN4 2IN3 2IN2 2IN1 D28 J1 MWR 15 10 IN4 IN3 IN2 IN1 POWER D25 SW7 SW4 VSS D26 BUTTON ST0 OUT4 OUT3 OUT2 OUT1 1OUT4 1OUT3 PGND HEADER SW3 D36 EN2 EN1 2OUT4 2OUT2 2OUT3 2OUT1 HEADER POWER HEADER MT0 16 VSS STEP2 AT89S52 J8 MINT0 MINT1 MT0 MT1 MWR MRD D34 13 12 J3 MP2.0 MP2.1 MP2.2 MP2.3 MP2.4 MP2.5 MP2.6 MP2.7 2OUT4 POWER HEADER D35 2OUT3 D32 U31 J2 D33 2OUT2 30 29 ALE PSEN RST X1 1P_IN1 1P_IN2 1P_IN3 1P_IN4 2P_IN1 2P_IN2 2P_IN3 2P_IN4 SRXD STXD SINT0 INTBUS0 SINT1 INTBUS1 ST0 ST1 SWR SRD 10 11 12 13 14 15 16 17 P3.0/RXD P3.1/TXD P3.2/INT0 P3.3/INT1 P3.4/T0 P3.5/T1 P3.6/WR P3.7/RD P1.0 P1.1 P1.2 P1.3 P1.4 P1.5 P1.6 P1.7 SP2.0 SP2.1 SP2.2 SP2.3 SP2.4 SP2.5 SP2.6 SP2.7 21 22 23 24 25 26 27 28 P2.0 P2.1 P2.2 P2.3 P2.4 P2.5 P2.6 P2.7 Y1 12MH R6 100 30 29 ALE PSEN RST X1 VCC VCC P0.0 P0.1 P0.2 P0.3 P0.4 P0.5 P0.6 P0.7 EA VS R5 1K 19 RESNW_BU_8/SIP 39 38 37 36 35 34 33 32 31 SW1 RST C5 30p MRXD MTXD MINT0 INTBUS0 MINT1 MT0 MT1 MWR MRD 10 11 12 13 14 15 16 17 P3.0/RXD P3.1/TXD P3.2/INT0 P3.3/INT1 P3.4/T0 P3.5/T1 P3.6/WR P3.7/RD P1.0 P1.1 P1.2 P1.3 P1.4 P1.5 P1.6 P1.7 SP0.0 SP0.1 SP0.2 SP0.3 SP0.4 SP0.5 SP0.6 SP0.7 VS C4 10mF MP2.0 MP2.1 MP2.2 MP2.3 MP2.4 MP2.5 MP2.6 MP2.7 21 22 23 24 25 26 27 28 P2.0 P2.1 P2.2 P2.3 P2.4 P2.5 P2.6 P2.7 POWER GND GND GND GND MP1.0 MP1.1 MP1.2 MP1.3 MP1.4 MP1.5 MP1.6 MP1.7 P0.0 P0.1 P0.2 P0.3 P0.4 P0.5 P0.6 P0.7 EA VCC PGND VCC VCC + 39 38 37 36 35 34 33 32 31 40 40 BUS.0 BUS.1 BUS.2 BUS.3 BUS.4 BUS.5 BUS.6 BUS.7 RESNW_BU_8/SIP R4 100 VCC RN2 GND GND GND GND VCC VCC VCC VCC RN1 20 LN10304 Chương 6:Thiết kế phần cứng Chuyển động xoay up-down hệ camera điều khiển nhờ vào động RC Servo có độ phân giải 0.2 o Hình 6.6: Động Rc Servo điều khiển hệ camera 67 Kết luận hướng phát triển đề tài KẾT LUẬN Mục tiêu luận văn nghiên cứu ứng dụng kỹ thuật thị giác vào toán điều khiển mobile robot Tuy nhiên mảng nghiên cứu ứng dụng thị giác máy tính điều khiển vô rộng lớn Trong phạm vi luận văn, tác giả giải vấn đề đặt nhiệm vụ luận văn sau: Nghiên cứu kỹ thuật thị giác áp dụng cho toán điều khiển robot Tìm hiểu ý nghĩa việc hiệu chuẩn camera vận dụng kết hiệu chuẩn vào việc xác định tọa độ đối tượng không gian nhờ hệ camera bị động Nghiên cứu khả nhận dạng đối tượng không gian thực thông qua hệ thị giác Kết hợp kết nghiên cứu vào điều khiển mobile robot nhận dạng bám theo mục tiêu di động môi trường thực Kết đạt luận văn lựa chọn áp dụng thuật toán hiệu chuẩn, nhận dạng xác định tọa độ tương đối từ hệ camera, từ xây dựng chương trình điều khiển robot bám theo mục tiêu Đáp ứng robot theo chuyển động đối tượng môi trường thực (nền bất kỳ) tốt Hệ thống chịu ảnh hưởng yếu tố môi trường ánh sáng, mật độ vật thể xung quanh… Tuy nhiên luận văn tồn số hạn chế Thứ tốc độ huấn luyện mẫu q trình học tơn nhiều thời gian Thứ hai hệ robot tác giả thiết kế dẫn động nhờ hai động bước đáp ứng robot trước di chuyển đối tượng chưa thể hết khả đáp ứng thuật toán nhận dạng điều khiển phần mềm điều khiển Thứ ba hệ thống hoạt động cần có u cầu máy tính có cấu hình tương đối cao 68 Kết luận hướng phát triển đề tài HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Từ hạn chế mang tính khách quan chủ quan đề tài, tác giả xin đề nghị số hướng phát triển đề tài sau: Hoàn thiện chương trình huấn luyện mẫu hoạt động hiệu hơn, tiết kiệm thời gian nâng cao độ xác Xây dựng khả nhận dạng đa tập mẫu phục vụ việc chế tạo thiết bị nhận dạng cảnh báo biển hướng dẫn giao thông hỗ trợ người lái xe Áp dụng kết nghiên cứu hỗ trợ thiết bị ngắm bắn tự động phục vụ đào tạo lịnh vực an ninh quốc phịng Nghiên cứu áp dụng cho thệ thống quan sát an ninh Hỗ trợ nhận dạng xác định khoảng cách thiết bị chẩn đoán y khoa, phẫu thuật Phục vụ cho mobile robot đa chức 69 Tài liệu tham khảo TÀI LIỆU THAM KHẢO [1] Zhengyou Zhang Flexible Camera Calibration by Viewing a Plane from Unknown Orientations IEEE, 1999 [2] P Viola and M Jones Rapid Object Detection using a Boosted Cascade of Simple Features IEEE 2001 [3] Rainer Lienhart and Jochen Maydt An Extended Set of Haar-like Features for Rapid Object Detection Submitted to ICIP2002 [4] S J Maybank and O D Faugeras A Theory of Self-calibration of a Moving Camera The International Journal of Computer Vision 8(2):123152, Aug 1992 [5] R I Hartley An Algorithm for Self-calibration from Several Views IEEE Conference on Computer Vision and Pattern Recognition Pages 908-912 Seattle, WA, June 1994 [6] Q T Luong and O Faugeras Self-calibration of a Moving Camera from Point Corespondences and Fundamental Matrices The International Journal of Computer Vision 22(3): 261-289, 1997 [7] J More, editor The Levenberg-Marquardt Algorithm, Implementation and Theory G A Watson, editor Lecture Note in Mathematics 630 SpringerVerlag, 1997 [8] Alexander Kuranov, Rainer Lienhart and Vadim Pisarevsky An Empirical Analysis of Boosting Algorithms for Rapid Objects With an Extended Set of Haar-like Features Intel Technical Report MRL-TR-July, 2002 [9] Yoav Freund and Robert E Schapire A Short Introduction to Boosting Journal of Japanese Society for Artificial Intelligence, 14(5):771-780, Septemper, 1999 [10] Rainer Lienhart, Alexander Kuranov, Vadim Pisarevsky Empirical Analysis of Detection Cascades of Boosted Classifiers for Rapid Object Detection MRL Technical Report, May 2002, revised December 2002 [11] Gary Bradski, Adrian Kaehler, Vadim Pisarevsky Learning – Based Computer Vision with Intel’s Open Source Computer Vision Library Intel Technology Journal 2005 [12] Yijun Sun, Jian Li Two New Regularied Adaboost Algorithms University of Florida Gainesville – USA 16-8-2004 [13] Luke Fletcher An Introduction to Computer Vision Lecture Tài liệu tham khảo [14] Richard I Hartley In Defence of The 8-point Algorithm GE Corporate Research and Development Schenectady NY [15] Zhengyou Zhang A Flexible New Technique for Camera Calibration Technical Report December 2,1998 [16] Byron P Roe, Hai-Jun Yang, Jin Zhu, Young Liu, Iron Dtancu, Gordon McGregor Boosted Decision Trees As an Alternative to Artificical Neural Networks for Particle Identification University of Michigan, University of Alabama, Los Alamos National Laboratory USA Jan 2005 [17] Lecture Stereo and Fundamental Matrix ComputerVision IT412 [18] Cullen Jennings Thesis Proposal: 3D Tracking & Recognition of Natural Objects [19] Alexander Vezhnevets, Vladimir Vezhnevets “Modest Adaboost” – Teaching Adaboost to Generalize Better Moscow State University [20] Bill Green Canny Edge Detection Tutorial 2002 [21] J R Parker Practical Computer Vision Using C University of Calgary, Albera Canada [22] Nguyễn Kim Sách Xử Lý Ảnh [23] Nguyễn Đức Thành Bài Giảng mơn Kỹ thuật Người Máy 2005 [24] Lê Hồi Quốc Robot Công Nghiệp NXB KHKT 2002 [25] Nguyễn Đức Minh Điều khiển Robot Scorbot dung thị giác máy tính Luận văn Cao học 2004 LÝ LỊCH TRÍCH NGANG Họ tên: NGUYỄN THÁI ANH TUẤN Phái : Nam Ngày, tháng, năm sinh: 30/06/1981 Nơi sinh: TP HCM Địa liên lạc: 789 Kha Vạn Cân, P Linh Tây, Q Thủ Đức, Tp HCM Q TRÌNH ĐÀO TẠO • 1999-2004 : Học trường Đại học Bách Khoa Tp HCM – Khoa Cơ khí • 2004-2006 : Học trường Đại học Bách Khoa Tp HCM – Ngành Điều khiển học Kỹ thuật Q TRÌNH CƠNG TÁC • 2004 đến : Cơng tác Khoa Cơ khí – Trường Đại học Bách khoa Tp HCM ... ngành: Điều khiển học Kỹ thuật Phái: Nam Nơi sinh: Tp Hồ Chí Minh MSHV: 01504386 I- TÊN ĐỀ TÀI: ĐIỀU KHIỂN ROBOT PIONEER DX DÙNG THỊ GIÁC NỔI II- NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu kỹ thuật thị giác. .. khác Với mục tiêu hướng đến luận văn điều khiển mobile robot bám theo mục tiêu dùng thị giác khâu xử lý ảnh phải tiền đề quan trọng cho tất nghiên cứu tốn thị giác máy tính 1.1 Chuyển ảnh màu thành... kỹ thuật thị giác vào điểu khiển phổ biến cịn nhiều khía cạnh cần đào sâu nghiên cứu, phổ biến số ứng dụng sử dụng hệ hai camera “hai mắt” cho robot di động làm cảm biến thị giác điều khiển tay