Xác định quỹ đạo trong không gian cho robot 6 bậc tự do sử dụng 1 camera

ĐẠI HỌC QUỐC GIA TP.HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA - NGUYỄN PHƯƠNG THANH HẢI XÁC ĐỊNH QUỸ ĐẠO TRONG KHÔNG GIAN CHO ROBOT BẬC TỰ DO SỬ DỤNG CAMERA Chuyên ngành: KỸ THUẬT CƠ ĐIỆN TỬ Mã số: 60520114 LUẬN VĂN THẠC SĨ TP.HỒ CHÍ MINH, tháng 01 năm 2021 CƠNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA - ĐHQG - HCM Cán hướng dẫn khoa học: PGS.TS Nguyễn Quốc Chí Cán chấm nhận xét 1: PGS TS Nguyễn Thanh Phương Cán chấm nhận xét 2: PGS TS Trương Đình Nhơn Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG, Tp HCM ngày 20 tháng năm 2021 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: Chủ tịch: TS Đoàn Thế Thảo Thư ký: TS Lê Thanh Hải Phản biện 1: PGS TS Nguyễn Thanh Phương Phản biện 2: PGS TS Trương Đình Nhơn Ủy viên: TS Lê Đức Hạnh Xác nhận Chủ tịch Hội đồng đánh giá luận văn Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CƠ KHÍ ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Phương Thanh Hải MSHV:1770540 Ngày, tháng, năm sinh: 09/05/1989 Nơi sinh: Quảng Trị Chuyên ngành: Kỹ thuật điện tử Mã số : 60520114 I TÊN ĐỀ TÀI: XÁC ĐỊNH QUỸ ĐẠO TRONG KHÔNG GIAN CHO ROBOT BẬC TỰ DO SỬ DỤNG CAMERA II NHIỆM VỤ VÀ NỘI DUNG:  Tìm hiểu số thuật tốn xử lý hình ảnh Trong sâu vào ứng dụng phương pháp tối thiểu sai số trình nhận dạng ảnh  Xây dựng hệ thống ước lượng bậc tự sử dụng camera  Áp dụng hệ thống ước lượng xây dựng liệu cho trình nhận dạng chữ viết tay III NGÀY GIAO NHIỆM VỤ : 21/9/2020 IV NGÀY HOÀN THÀNH NHIỆM VỤ: 3/1/2021 V CÁN BỘ HƯỚNG DẪN : PGS.TS Nguyễn Quốc Chí Tp HCM, ngày tháng năm 2021 CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO PGS.TS Nguyễn Quốc Chí PGS.TS Nguyễn Quốc Chí TRƯỞNG KHOA CƠ KHÍ LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ LỜI CẢM ƠN Lời xin chân thành cảm ơn Thầy PGS TS Nguyễn Quốc Chí tận tình giúp đỡ, hướng dẫn tạo điều kiện thuận lợi cho thực luận văn Trong thời gian thực luận văn, Thầy cố vấn cho những lời khuyên thiết thực, giúp tháo gỡ khó khăn q trình nghiên cứu để kịp thời hoàn thành luận văn thời hạn Tôi xin gửi lời cảm ơn đến quý Thầy khoa Kỹ Thuật Cơ sở, thầy môn Nhiệt điện Trường ĐH Trần Đại Nghĩa giúp đỡ tạo điều kiện cho suốt thời gian thực luận văn Đồng thời, xin cảm ơn q Thầy/Cơ khoa Cơ Khí tham gia giảng dạy chương trình Thạc sĩ thời gian học tập trường Thầy/Cô trang bị cho tơi kiến thức để tơi hồn thành luận văn Cuối cùng, tơi xin gửi lời biết ơn sâu sắc đến tất người thân gia đình, bạn bè, đồng nghiệp (nơi tơi làm việc) thông cảm, giúp đỡ, tạo điều kiện động viên tơi q trình học tập nghiên cứu trường đại học Bách khoa TP.HCM Tơi xin chân thành cảm ơn! Tp Hồ Chí Minh, tháng năm 2021 Học viên Nguyễn Phương Thanh Hải HVTH: NGUYỄN PHƯƠNG THANH HẢI i LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ TĨM TẮT LUẬN VĂN Khoa học kỹ thuật ngày phát triển giúp cho khả tự động hóa q trình sản xuất ngày nâng cao Trong xu phát triển cơng nghệ xử lý ảnh đóng vai trò ngày quan trọng Trong nội dung luận văn tập trung nghiên cứu vấn đề xác định bậc tự vật thể không gian thơng qua hình ảnh thu từ camera hiệu chỉnh Bằng cách kết hợp phương pháp tối thiểu sai số dựng hình khoảng cách mà nghiên cứu làm rõ phương pháp ước lượng bậc tự camera có tính khả thi thực tế Kết nghiên cứu sử dụng trình thu thập phân tích chữ viết tay Hướng phát triển tương lai nghiên cứu hồn thiện thuật tốn để nâng cao độ xác cho q trình ước lượng, đồng thời xây dựng hệ thống đo lường chuẩn để đánh giá tốt kết nghiên cứu, tạo điều kiện áp dụng cho hệ thống robot hàn việc nâng cao suất chất lượng sản phẩm Từ khóa: ước lượng bậc tự do, rơ bốt hàn, chữ viết tay ABSTRACT Science and technology are increasingly developing to help production automation be more and more improved In that trend, the development of image processing technology plays an increasingly important role In this thesis, author focuses on studying in identifying degrees of freedom of an object in space through images obtained from a modified camera By combining two methods of minimizing the error of rendering and distance, the study has clarified and showed that the method of estimating degrees of freedom with a camera is feasible in practice The results of the study were used in the handwriting collection and analysis process The future work of the research is to perfect the algorithm to improve the accuracy of the estimation process, and to build a standard measurement system to evaluate research results more accurately, to facilitate application for welding robot system in improving productivity and product quality Keywords: estimation Dof, welding robot, handwriting HVTH: NGUYỄN PHƯƠNG THANH HẢI ii LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ LỜI CAM ĐOAN Tơi xin cam đoan tồn nội dung luận văn thân thực hướng dẫn PGS.TS Nguyễn Quốc Chí Nội dung luận văn trung thực chưa công bố cơng trình khác Trừ phần tham khảo ghi rõ nội dung luận văn Nếu sai, tơi xin chịu hình thức kỷ luật theo quy định Người thực NGUYỄN PHƯƠNG THANH HẢI HVTH: NGUYỄN PHƯƠNG THANH HẢI iii LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ MỤC LỤC LUẬN VĂN LỜI CẢM ƠN i TÓM TẮT LUẬN VĂN ii LỜI CAM ĐOAN iii MỤC LỤC LUẬN VĂN iv DANH MỤC CÁC HÌNH ẢNH vii DANH MỤC CÁC BẢNG x CHƯƠNG TỔNG QUAN 1.1 Tính cấp thiết đề tài 1.2 Tổng quan nghiên cứu 1.2.1 Tình hình nghiên cứu giới 1.2.2 Tình hình nghiên cứu nước 1.3 Mục tiêu đối tượng nghiên cứu 1.4 Ý nghĩa khoa học đề tài .5 1.5 Ý nghĩa thực tiễn đề tài .5 KẾT LUẬN CHƯƠNG CHƯƠNG CƠ SỞ LÝ THUYẾT 2.1 Tham số hóa phép quay 2.1.1 Euler angle 2.1.2 Biểu diễn trục góc 10 2.1.3 Quaternions 12 2.2 Thuật toán PnP Kabsch .12 2.3 Phương pháp Lucas-Kanade 13 2.4 Binary Square Fiducial Marker 15 HVTH: NGUYỄN PHƯƠNG THANH HẢI iv LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ 2.4.1 Các điểm đánh dấu 15 2.4.2 Từ điển 16 2.5 Tổng quan Open-CV 16 2.6 Một số thuật toán Machine Learming 17 2.6.1 Gradient Descent 17 2.6.2 Logistic Regression 20 2.6.3 Softmax Regression 22 KẾT LUẬN CHƯƠNG 25 CHƯƠNG 3: THIẾT KẾ PHƯƠNG ÁN TÁI TẠO QUỸ ĐẠO ĐẦU DÒ 26 3.1 Xây dựng mơ hình 26 3.1.1 Thiết kế khối 12 mặt 26 3.1.2 Hiệu chỉnh camera 28 3.2 Xây dựng qui trình tính tốn ước lượng pose 30 3.3 Thiết kế chương trình .31 3.3.1 Xây dựng thông số dodecahedron lý tưởng 31 3.3.2 Ứng dụng opencv vào xác định pose aruco 33 3.3.2.1 Xác định pose aruco đứng yên 33 3.3.2.2 Ứng dụng phương pháp APE DPR 37 3.3.2.3 Thực nghiệm kiểm tra 43 KẾT LUẬN CHƯƠNG 44 CHƯƠNG 4: ỨNG DỤNG NHẬN DIỆN VỚI DỮ LIỆU TỌA ĐỘ 45 4.1 Xử lý liệu tọa độ điểm 45 4.1.1 Chuyển đổi tọa độ không gian sang mặt phẳng 45 4.1.2 Chuyển đổi liệu sang hình ảnh 47 4.2 Xây dựng thuật toán nhận diện chữ số 47 HVTH: NGUYỄN PHƯƠNG THANH HẢI v LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ 4.2.1 Giới thiệu Google Colab 47 4.2.2 Xây dựng huấn luyện mạng neutral network 48 KẾT LUẬN CHƯƠNG 55 CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 56 5.1 Kết luận 56 5.2 Hướng nghiên cứu tương lai 56 TÀI LIỆU THAM KHẢO 57 PHẦN LÝ LỊCH TRÍCH NGANG 58 HVTH: NGUYỄN PHƯƠNG THANH HẢI vi LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ DANH MỤC CÁC HÌNH ẢNH Hình 1 Phân bố robot ngành công nghiệp Hình Quy trình thiết kế chế tạo sản phẩm Hình 1: Mơ hình chiếu phối cảnh (O, i0 , jo ,ko ) hệ tọa độ vật thể, (C, ic , jc ,kc ) hệ tọa độ camera Hình 2: Hình ảnh aruco 15 Hình 3: Mơ hình biểu diễn cho phương pháp Gradient Descent 18 Hình 4: So sánh Gradient Descent với tượng vật lý 20 Hình : Các activation function khác 21 Hình 6: Mơ hình one-vs-rest 22 Hình 7: Mơ hình Sotfmax Regression dạng Neutral network 24 Hình 3.1 : Một số trường hợp nhận diện, nhận diện sai marker 27 Hình 3.2 : Năm khối đa diện phổ biến 27 Hình 3.3 : Tỉ lệ diện tích marker tam giác nhỏ nhiều so với ngũ giác 27 Hình 4: Hình ảnh khối 12 mặt phần mềm Solidwork thực tế 28 Hình 5: Biến dạng ảnh khơng có hiệu chỉnh 28 Hình 6: Q trình tính tốn, ước lượng pose khối 12 mặt 31 Hình 7: Khối 12 mặt định nghĩa 32 Hình 8: Xây dựng tọa độ ma trận chuyển vị python 33 Hình 9: Aruco cố định mặt bàn 33 Hình 10: liệu tâm thu theo thời gian sử dụng aruco 34 Hình 11: Sai số theo giá trị tâm trung bình theo phương x,y,z 34 Hình 12: Sai số theo khoảng cách điểm tâm tức thời so với tâm trung bình 34 Hình 13: Sai số theo vị trí pixel 35 Hình 14 : Aruco cố định mặt bàn 35 HVTH: NGUYỄN PHƯƠNG THANH HẢI vii LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ -0.086993 x + -0.404324 y + 364.879845 = z Hình 31 : Mặt phẳng xây dựng điểm đầu dò ghi nhận Hình 32: Sai số khoảng cách từ điểm đến mặt phẳng Qua biểu đồ ta nhận thấy sai số q trình ước lượng tính theo phương z lớn Cần phải tối ưu thuật tốn hiệu chỉnh lại thơng số camera, khối 12 mặt để cải thiện kết KẾT LUẬN CHƯƠNG Ở chương 3, tác giả nghiên cứu, xây dựng đánh giá số sai số hệ thống ước lượng bậc tự ➢ Xây dựng đối tượng nghiên cứu khối 12 mặt hiệu chỉnh camera ➢ Áp dụng đánh giá sai số tương đối bước tiến hành trình ước lượng ➢ Mặc dù sai số nhiều chứng minh hệ thống có tính khả thi HVTH: NGUYỄN PHƯƠNG THANH HẢI 44 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ CHƯƠNG 4: ỨNG DỤNG NHẬN DIỆN VỚI DỮ LIỆU TỌA ĐỘ 4.1 Xử lý liệu tọa độ điểm Tiền xử lý liệu bước quan trọng việc giải vấn đề lĩnh vực Machine learning Hầu hết liệu sử dụng vấn đề liên quan đến Machine learning cần xử lý, làm biến đổi trước thuật toán huấn luyện liệu Bộ liệu để xây dựng mạng neutral network MNIST Bộ liệu bao gồm file ảnh kích chữ viết tay kích thước 28x28 Vì trước đưa vào nhận diện chữ viết ta phải chuyển đổi liệu tọa độ đầu bút sang định dạng ảnh 28x28 Quá trình cần bước: − Chuyển liệu tọa độ không gian sang tọa độ mặt phẳng − Xây dựng hình ảnh từ liệu phẳng − Chuyển đổi ảnh sang định dạng 28x28 4.1.1 Chuyển đổi tọa độ không gian sang mặt phẳng Quá trình viết chữ lên mặt bàn (một mặt phẳng) camera thu lại Sử dụng phương pháp ước lượng pose giới thiệu chương 3, ta thu liệu tọa độ đầu bút hình Hình 1: Dữ liệu tọa độ thu viết mặt phẳng HVTH: NGUYỄN PHƯƠNG THANH HẢI 45 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ Dữ liệu thu dạng tọa độ không gian, ta cần chuyển sang tọa độ 2D phép chiếu lên mặt phẳng Đối với trường hợp ta viết nhiều số, nhiều nét phải có phương pháp loại bỏ điểm liệu thừa trình di chuyển bút Hình : Tạo chiếu điểm liệu lên mặt phẳng Hình 3: Trường hợp nhận liệu trình viết di chuyển bút HVTH: NGUYỄN PHƯƠNG THANH HẢI 46 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ Hình 4 : Tạo mặt phẳng loại bỏ điểm chữ viết 4.1.2 Chuyển đổi liệu sang hình ảnh Khi chiếu điểm lên mặt phẳng ta tiến hành nối điểm liệu Hình 5: Hình ảnh thu mặt phẳng kết nối điểm liệu 4.2 Xây dựng thuật toán nhận diện chữ số 4.2.1 Giới thiệu Google Colab Colaboratory hay gọi Google Colab, sản phẩm từ Google Research, cho phép chạy dịng code python thơng qua trình duyệt, đặc biệt phù hợp với Data HVTH: NGUYỄN PHƯƠNG THANH HẢI 47 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ analysis, machine learning giáo dục Colab không cần yêu cầu cài đặt hay cấu hình máy tính, thứ chạy thơng qua trình duyệt, bạn sử dụng tài nguyên máy tính từ CPU tốc độ cao GPUs TPUs cung cấp cho bạn Colab cung cấp nhiều loại GPU, thường Nvidia K80s, T4s, P4s and P100s, nhiên người dùng chọn loại GPU Colab, GPU Colab thay đổi theo thời gian Vì dịch vụ miễn phí, nên Colab có thứ tự ưu tiên việc sử dụng tài nguyên hệ thống, giới hạn thời gian sử dụng, thời gian sử dụng tối đa lên tới 12 Như với google colab sử dụng cấu hình máy tính với Gpu hiệu cao, điều thuận lợi cho xử lý bái toán địi hiểu u cầu tính tốn lớn, lặp lặp lại Hình 6: Mơ hình kết nối colab với dạng lưu trữ liệu 4.2.2 Xây dựng huấn luyện mạng neutral network Hệ thống xây dựng sở liệu số viết tay MNIST Bộ liệu bao gồm 60000 mẫu training, với 10000 liệu cho test Giá trị định mẫu từ đến Mỗi mẫu có kích thước 28x28=768 pixel HVTH: NGUYỄN PHƯƠNG THANH HẢI 48 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ Hình 7: số dạng liệu viết tay MNIST 4.2.2.1 Chuẩn bị liệu Tập liệu MNIST chia thành hai phần test trainning, nhiên để tính tốn hiệu chỉnh cho mơ hình sau lần chạy ta cần chia nhỏ tập training thành tập train validation Thông qua việc giảm thiểu trình overfit tăng tính hiệu cho q trình tìm thơng số cho mơ hình Dữ liệu gồm nhiều đặc tính, đặc tính lại có đơn vị độ lớn nhỏ khác Điều tác động tới tính hiệu nhiều thuật tốn, ví dụ thời gian thực hiện, q trình hội tụ, hay chí ảnh hưởng tới độ xác thuật tốn Chính vậy, người ta thường tiến hành điều chỉnh liệu để đặc tính có chung tỉ lệ (data scaling) Và thường để đặc tính có giá trị khoảng [0, 1] Kết giúp cho nhiều thuật toán quan trọng machine learning sử dụng kĩ thuật Gradient Descent hội tụ nhanh.Trong toán chúng ta, tập liệu bao gồm ảnh đen trắng nằm phạm vi [0;255] Trước tiến hành xây dựng mơ hình ta cần chuẩn hóa liệu khoảng [0;1] 4.2.2.2 Xây dựng mơ hình Mơ hình bao gồm khía cạnh, front-end bao gồm lớp convolution pooling, back-end bao gồm lớp classifier để dự đoán Ban đầu thử nghiệm với cấu trúc convolution layer, maxpool layer fully connected layer Ta chia nhỏ tập training thành thành phần tập train validation HVTH: NGUYỄN PHƯƠNG THANH HẢI 49 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ o Convolution layers ▪ Filter=32 ▪ Filter size=3x3 ▪ Active function: relu o Maxpooling layers ▪ Kernel size=2x2 o Fully-connected layers ▪ Neuron=100 ▪ Active function: relu o Fully-connected layers - output ▪ Neuron=10 ▪ Active function: softmax − Sử dụng SGD với Learning rate=0.01, momentum=0.9 − Tiến hành trainning với epochs=10, batch_size=32 Hình : Sai số theo mười vòng lặp n=5 HVTH: NGUYỄN PHƯƠNG THANH HẢI 50 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ Hình : Biểu đồ Boxplots n=5 ▪ Trong trường hơp mơ hình cho kết ước lượng xác 98,65% Chúng ta thử lại mơ hình với cách chia tập train validation thành phần Hình 10 : Sai số theo mười vịng lặp n=7 HVTH: NGUYỄN PHƯƠNG THANH HẢI 51 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ Hình 11 : Biểu đồ Boxplots n=7 ▪ Trong trường hợp mơ hình cho kết ước lượng xác 98,593% Ta thấy việc chia nhỏ tập training khơng làm tăng độ xác kết dự đốn mơ hình Vậy nên ta tiếp tục cải tiến mơ hình việc sử dụng thêm lọc thay đổi thuật tốn Ta thêm vào phía sau lớp convolution fully connected lọc Batch normalization Hình 12 : Sai số thêm lọc Batch HVTH: NGUYỄN PHƯƠNG THANH HẢI 52 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ Hình 13 : Biểu đồ Boxplots thêm lọc Batch n=5 − Khởi tạo model CNN với Convolution layers, Maxpool layers theo sau fully connected layers sử dụng đầu Sigmoid thông số: o Convolution layers ▪ Filter=32 ▪ Filter size=3x3 ▪ Active function: relu o Maxpooling layers ▪ Kernel size=2x2 o Fully-connected layers ▪ Neuron=100 ▪ Active function: relu o Fully-connected layers- output ▪ Neuron=10 ▪ Active function: softmax − Sử dụng Stochastic Gradient Descent với Learning rate=0.01, momentum=0.9 − Tiến hành trainning với epochs=10, batch_size=32 HVTH: NGUYỄN PHƯƠNG THANH HẢI 53 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ Hình 14 : Sai số sau thêm lớp convolution pooling Hình 15 : Biểu đồ Boxplots sau thêm lớp convolution pooling ▪ Trong trường hơp mô hình cho kết ước lượng xác 99,007% − Đưa liệu xử lý từ trình ước lượng pose vào kiểm tra cho kết xác HVTH: NGUYỄN PHƯƠNG THANH HẢI 54 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ KẾT LUẬN CHƯƠNG Với kết đạt từ chương 3, tác giả ứng dụng công cụ ước lượng pose vào trình xây dựng liệu cho trình nhận diện chữ số viết tay − Kết đạt tương đối xác − Vấn đề xây dựng liệu cịn gặp nhiều vấn đề trong q trình chuyển liệu từ chiều chiều mặt phẳng HVTH: NGUYỄN PHƯƠNG THANH HẢI 55 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 Kết luận Nội dung luận văn giải vấn đề sau: − Tìm hiểu số thuật toán xử lý hình ảnh Trong sâu vào ứng dụng phương pháp tối thiểu sai số trình nhận dạng ảnh − Xây dựng hệ thống ước lượng bậc tự sử dụng camera − Áp dụng hệ thống ước lượng xây dựng liệu cho trình nhận dạng chữ viết tay Bên cạnh đó, điều kiện thí nghiệm cịn hạn chế thời gian, thiết bị vật tư, đề tài số hạn chế: − Chưa xây dựng hệ thống đo lường để kiểm chứng sai số trình ước lượng bậc tự − Chưa xây dựng phương pháp calib sai số hệ thống ước lượng bậc tự − Chưa kiểm chứng độ xác giá trị chuẩn dùng cho phương pháp bình phương tối thiểu − Chưa áp dụng hệ thống ước lượng bậc tự trình xây dựng liệu cho robot hàn 5.2 Hướng nghiên cứu tương lai Dựa sở hạn chế nghiên cứu, tác giả đưa số hướng nghiên cứu tương lai: − Tìm phương pháp tính tốn sai số cho trình calib camera, trình xây dụng khối 12 mặt thực tế − Mặc dù kết nghiên cứu chưa phù hợp với trình hàn sai số trình hàn  0,4mm, nhiên hệ thống ước lượng bậc tự có khả áp dụng vào số ứng dụng dịi hỏi khơng cao độ xác Virtual Reality, vẽ tranh khổ lớn, nhận diện đường xe kho hàng, HVTH: NGUYỄN PHƯƠNG THANH HẢI 56 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ TÀI LIỆU THAM KHẢO [1] P C Wu, "Accurate 6DoF Object Pose Estimation and Tracking," Ph.D dissertation, National Taiwan Univeristy, Taiwan, 2018 [2] S L Ankit Shah, "Planning with Uncertain Specifications," IEEE ROBOTICS AND AUTOMATION LETTERS, vol 78, 2020 [3] Yaskawa_industry, "Machine vision system for adaptive robotic welding," 2017 [Online].Available:https://www.ru.yaskawa.eu.com/Brochures_Catalogues/Rob otics/Equipment/Flyer_Equipment_MotoSense [4] Yaskawa, Director, Robotic welding cell with the vision system MotoSENSE [Film] Yaskawa, 2016 [5] Wikipedia, (2018), "Rodrigues rotation formula— Wikipedia, the free encyclopedia,".[Online].Available:https://en.wikipedia.org/w/index.php?title=R odrigues rotation_formula&oldid=822424523 [6] Wikipedia,(2017),"Axis–angle representation — Wikipedia, the free encyclopedia,".[Online].Available:https://en.wikipedia.org/w/index.php?title= Axis angle_representation&oldid=806689583 [7] M Lý, (2014) ,"Quarternion phép quay không gian," [Online] Available: https://minhcly.wordpress.com/2014/01/30/quarternion-va-phep-quay-khonggian-phan-1/ [8] W Kabsch, "A Solution for the Best Rotation to Relate Two Sets of Vectors," Acta Crystallographica, vol 32, no 5, pp 922-923, 1976 [9] V H Tiep, (2017) "Singular Value Decomposition," [Online] Available: https://machinelearningcoban.com/2017/06/07/svd/ [10] Bruce D.Lucas & Takeo Kanade, "An Iterative Image Registration Technique with an Application to Stereo Vision," Proceedings of International Joint Conference on Artificial Intelligence, vol 81, pp 674-679, 1981 [11] Arkadeepnc,(2019)"github.com,".[Online].Available:https://github.com/arkade epnc/Visual-6-DoF-pose-tracker HVTH: NGUYỄN PHƯƠNG THANH HẢI 57 LUẬN VĂN THẠC SĨ GVHD: PGS.TS NGUYỄN QUỐC CHÍ PHẦN LÝ LỊCH TRÍCH NGANG Họ tên: Nguyễn Phương Thanh Hải Ngày, tháng, năm sinh: 9/5/1989 Nơi sinh: Quảng Trị Địa liên lạc: 189 Nguyễn Oanh, phường 10, Gò Vấp, HCM I QUÁ TRÌNH ĐÀO TẠO Thời gian Tên trường Nội dung đào tạo, ngành 9/2007-01/2013 Học viện Kỹ thuật quân ĐHCQ, kỹ thuật điện tử 12/2017 đến Đại học Bách Khoa TPHCM Cao học, kỹ thuật điện tử II Q TRÌNH CƠNG TÁC Thời gian Tên quan Vị trí 2/2013- 9/2013 ĐH Trần Đại Nghĩa Cán QLGD 10/2013 đến ĐH Trần Đại Nghĩa Giảng viên HVTH: NGUYỄN PHƯƠNG THANH HẢI 58 ... từ Matlab 6. 3524 719 389e+02  ? ?1. 0070020430e+03  CameraMatrix =  1. 014 915 469 1e+03 3 .66 10 373 419 e+02    0 Dis_coefficients = [ 0.0 16 6 4474 -0.07545253 0.002 511 11 0.003 514 98 0.257 564 93] Hệ... Mã số : 60 52 011 4 I TÊN ĐỀ TÀI: XÁC ĐỊNH QUỸ ĐẠO TRONG KHÔNG GIAN CHO ROBOT BẬC TỰ DO SỬ DỤNG CAMERA II NHIỆM VỤ VÀ NỘI DUNG:  Tìm hiểu số thuật tốn xử lý hình ảnh Trong sâu vào ứng dụng phương... tính từ Python 6. 38 911 820e+02  ? ?1. 015 42242e+03  CameraMatrix =  1. 013 50507e+03 3 .65 6 268 66e+02    0 Dis_coefficients = [ 0. 014 08 919 -0.0 462 5278 0.00258303 0.00 366 077 0 .17 578925] HVTH: