Từ kết quảtrên Hình 3.18 cho thấy ước lượng của hệ thống kết hợp thấp hơn so với hệ thống chỉ radar hoặc lidar, điều này cho thấy rằng độ chính xác của đường
đi tăng lên sau khi kết hợp các ước lượng theo dõi từ mỗi cảm biến.
3.4. Kết luận chương
Chương này đã trình bày mô hình thuật toán và phương pháp tiếp cận tổng hợp theo dõi, phát hiện đối tượng với Lidar và radar hiệu quả trong thời gian thực, kết hợp ưu điểm của cả hai - ước tính vị trí chính xác và khả dụng cao với Lidar và
ước tính vận tốc chính xác với radar. Các thuật toán xác định vận tốc và khoảng cách được mô tảđã được mô phỏng trên các mô hình kịch bản thiết lập để theo dõi
và phát hiện với radar và lidar, cũng như hệ thống kết hợp cảm biến. Trong các thực nghiệm, mô phỏng có thể chỉ ra các điểm mạnh và điểm yếu của radar và lidar trong xác định khoảng cách và vận tốc của đối tượng/vật cản. Từ đó có thể thấy, một hệ
83
thống cảnh báo va chạm tối ưu cần kết hợp một kiến trúc các loại cảm biến với nhau
84
KẾT LUẬN
Đã gần 70 năm từ khi dây đai an toàn được giới thiệu, với sự phát triển nhanh chóng của các công nghệđiện tử, việc điều khiển một chiếc ô tô ngày nay đã
trở nên dễdàng và an toàn hơn rất nhiều.
Vềlý thuyết, hệ thống an toàn chủ động nói chung và hệ thống cảnh báo va
chạm nói riêng đều hoạt động dựa trên cơ sở là những thông tin và tín hiệu thu thập từ quá trình vận hành của xe và điều kiện xung quanh. Từ đó, hệ thống phát hiện những điều kiện nguy hiểm và phát cảnh báo đến người lái hay thậm chí là can
thiệp, hỗ trợtrong những tình huống khó như vừa đánh lái vừa phanh gấp.
Hệ thống cảnh báo va chạm đặt những cảm biến radar/lidar ởphía trước của
xe, thường được giấu bên trong lưới tản nhiệt. Từ đây, chúng sẽ liên tục phát đi
những đợt sóng radar ở tần sốcao. Khi gặp chướng ngại vật, chúng sẽ dội ngược lại cảm biến. Nhờ đó, bộ xửlý trung tâm ECU của xe sẽtính toán được khoảng cách và thời gian từ xe đến vật thể dựa trên tốc độ hiện tại của xe và quá trình điều khiển của người lái.
Nói một cách đơn giản, nhờ những thông tin mà bộ cảm biến radar/lidar gửi về, hệ thống có thể nhận biết được vị trí của xe gần mình, khoảng cách và vận tốc
tương đối giữa hai xe một cách liên tục. Và nếu có bất kỳ thay đổi nào trong những yếu tố trên có thể dẫn đến nguy cơ tai nạn, hệ thống sẽ phát cảnh báo hoặc hỗ trợ người lái tránh được va chạm.
Kết quả đạt được
Luận văn đã tập trung nghiên cứu về hệ thống radar, công nghệ lidar, lý
thuyết về cảm biến và ứng dụng trong ngành công nghiệp ô tô đang phát triển hiện nay. Nó cung cấp cái nhìn tổng quan về công nghệ cảm biến và tiềm năng ứng dụng
trong các lĩnh vực của đời sống, đặc biệt là hỗ trợ lái xe an toàn. Luận văn đã đạt
được một số kết quả nhất định như sau:
− Nghiên cứu lý thuyết về hệ thống radar cơ bản
− Lý thuyết về công nghệlidar
85
− Đề xuất và xây dựng mô hình hệ thống radar cảnh báo va chạm trên ô tô
− Nghiên cứu các mô hình thuật toán xác định vận tốc và khoảng cách với hệ
thống radar cảnh báo va chạm trên ô tô
− Mô phỏng tính năng hệ thống (phát hiện đối tượng) minh họa cho các kết quảlý thuyết
Hướng phát triển
Công việc trong tương lai sẽ tập trung vào việc tích hợp thêm radar điểm mù
định hướng phía sau để thực hiện hành vi chuyển làn an toàn và chính xác. Hơn
nữa, một hệ thống theo dõi cảnh báo va chạm có thể kết hợp nhiều công nghệ cảm biến sẽlà một hướng phát triển của nghiên cứu trong tương lai.
Do chủđề này là tương đối mới tại Việt Nam, có rất nhiều cơ hội để nghiên cứu phát triển thêm nhiều ứng dụng hơn. Rõ ràng, các phương pháp hiện nay chưa
sẵn sàng để áp dụng vào thực tếdo nhiều yếu tố vềgiá thành, độ tin cậy, kích thước phần cứng,... Thêm vào đó, hầu hết các phương pháp mất rất nhiều thời gian cho
việc tính toán, đó là trở ngại lớn để sử dụng chúng trong các ứng dụng thời gian thực. Những phương pháp mở đầu cho các hệ thống cảnh báo va chạm trong thực tế
và ứng dụng thực tế vẫn còn khá phức tạp và đòi hỏi nhiều nghiên cứu để xử lí tốt tín hiệu trong chế tạo phần cứng radar và các loại cảm biến. Tất cả các bước xử lý
tín hiệu bao gồm hiệu chuẩn, tiền xửlý, chuyển động, hình ảnh hiển thị tốt cho phần cứng của hệ thống radar có khả năng tuyệt vời cho những cải tiến trong tương lai.
Nó có thể được dự kiến là phức tạp hơn, nhiều tính toán với Big data, liên kết IoT trong tương lai để trở thành một hệ thống ưu việt.
86
TÀI LIỆU THAM KHẢO
Tài liệu tiếng Anh
[1] C. Blanc, L. Trassoudaine, Y. L. Guilloux, and R. Moreira. Track to track fusion method applied to road obstacle detection. In IEEE International Conference on Information Fusion, 2004.
[2] M. Buehler, K. Iagnemma, and S. Singh. Special issue: Special issue on the 2007 darpa urban challenge. Journal of Field Robotics, 25(8):423 – 566, August 2008.
[3] M. Darms, P. Rybski, and C. Urmson. An adaptive model switching ap-proach for a multisensor tracking system used for autonomous driving in an urban environment. In AUTOREG 2008, Steuerung und Regelung von Fahrzeugen und Motoren: 4. Fachtagung, pages 521–530, Duesseldorf, February 2008. VDI-Verlag. [4] J. Dickmann, F. Diewald, M. Maehlisch, J. Klappstein, S. Zuther, S. Pietzsch, and S. Hahn. Environmental perception for future integrated safety systems, 2009. [5] J. B. Gao and C. J. Harris. Some remarks on kalman filters and for the multisensor fusion. In Information Fusion, volume 3, pages 191–202, 2002.
[6] N. Kaempchen and K. Dietmayer. Data synchronization strategies for multi-
sensor fusion. In Proceedings of the IEEE Conference on Intelligent Transportation
Systems, 2003.
[7] N. Kaempchen, K. C. Fuerstenberg, A. G. Skibicki, and K. C. J. Dietmayer.
Sensor fusion for multiple automotive active safety and comfort applications. In J. Valldorf and W. Gessner, editors, Advanced Microsystems for Automotive Applications, volume 2, pages 137–163. Springer, 2004.
[8] R. Kalman. A new approach to linear filtering and prediction problems. Transactions of the ASME - Journal of Basic Engineering, 82:35–45, 1960.
[9] B. C. Ooi. Spatial kd-tree: A data structure for geographic database. In BTW,
87
[10] B. L. Scala and A. Farina. Choosing track association method. In Information Fusion, volume 3, pages 119–133, 2002.
[11] M. Skutek. Ein PreCrash-System auf Basis multisensorieller Umge-
bungserfassung. PhD thesis, TU Chemnitz, 2006.
[12] X. H. Wang, W. and M. Wang. Out-of-sequence measurement algorithm based
on gaussian particle filter. Inform. Technol. J., 9:942–948, 2010.
[13] H. Winner, S. Hakuli, and G. Wolf. Handbuch Fahrassistenzsysteme. Vieweg+Teubner and GWV Fachverlag GmbH, 2009.
[14] B. Yamauchi. All-weather perception for man-portable robots using ultra-
wideband radar. In In IEEE International Conference on Robotics and Automation
(ICRA), 2010.
Trang web tham khảo
[15]. https://www.electronicspecifier.com/products/sensors/what-is-driving-the-
automotive-lidar-and-radar-market
[16].https://www.researchgate.net/publication/220774374_RadarLidar_sensor_fusio n_for_car-following_on_highways
[17]. https://se.mathworks.com/help/driving/ug/model-radar-sensor-detections [18]. https://www.mathworks.com/help/driving/ug/track-level-fusion-of-radar-and-