8. Cấu trúc luận án
4.2.3Thực nghiệm đo vận tốc với các đối tượng thực tế
Nguồn nhiệt trong các trường hợp thực nghiệm đo là các phương tiện giao thơng. Hệ thống thực nghiệm đo vận tốc được đặt bên lề đường sao cho các trục quang học của cảm biến vuơng gĩc với hướng di chuyển của các đối tượng phương tiện giao thơng. Một máy quay video cĩ tốc độ 200 khung hình / giây được sử dụng để đánh giá vận tốc của xe từ các điểm tham chiếu – là các vạch kẻ đường cách nhau 5 m. Vận tốc tham chiếu được xác định bằng thời điểm – tương ứng với các khung hình, phương tiện chạm vào các vạch kẻ. Sai số của phép đo vận tốc sử dụng máy quay làm tham chiếu đạt 2 % cho dải vận tốc mục tiêu trong khoảng 20 km/h ÷ 100 km/h. Trong quá trình thực nghiệm, các phương tiện mục tiêu của hệ thống đo cĩ chiều dài và hình dạng khác nhau, từ xe gắn máy đến xe hơi và xe tải, di chuyển với vận tốc từ 20 km/h lên đến 100 km/h. Khoảng cách từ làn di chuyển của xe đến hệ thống đo thay đổi từ 5 m đến 10 m. Dữ liệu tín hiệu đo thu được với các phương tiện đi qua trường nhìn của các cảm biến trong khoảng thời gian ít nhất 2 giây mà
96
khơng cĩ sự tham gia của các đối tượng nguồn nhiệt khác (hình 4.21). Một điều cần lưu ý ở đây là, mặc dù tần số lấy mẫu của hệ vi điều khiển được cài đặt là 1000 Hz (do hạn chế của tốc độ truyền dữ liệu về máy tính), nhưng bằng kỹ thuật FFT Pruning được đề cập trong mục 3.3 để nâng cao tần số nội suy cho hệ thống, dữ liệu tín hiệu đầu ra của hai mơ-đun cảm biến được xử lý ở tần số lấy mẫu 4000 Hz.
nh 21 Mơ tả dữ liệu thu nhận từ 02 mơ-đun cảm biến PIR
Kết quả thể hiện ở hình 4.22, 4.23 cho thấy, sai lệch giữa vận tốc đo được và vận tốc tham chiếu của các phương tiện khác nhau khơng vượt quá 5 % trong dải vận tốc 20 km/h ÷ 100 km/h khi sử dụng phương pháp tương quan chéo cổ điển; và khơng vượt quá 3,5 % khi sử dụng phương pháp tương quan chéo kết hợp biến đổi Hilbert.
97
nh 22 Kết quả thử nghiệm đo vận tốc sử dụng hai phương pháp CCF và CCFHT
nh 4.23 Sai lệch trong phép đo vận tốc sử dụng hai phương pháp CCF và CCFHT so với phương pháp tham chiếu sử dụng camera.
Một số nguyên nhân dẫn đến các sai lệch này cĩ thể kể đến: (i) Sai số do lắp đặt hệ thống: Trục quang học của các cảm biến khơng hồn tồn song song với
98
nhau, cĩ sự khác biệt trong trường nhìn của cảm biến, hoặc hướng di chuyển của mục tiêu khơng hồn tồn vuơng gĩc với trục quang học của cảm biến. (ii) Sai số do sự khơng đồng nhất của các thơng số cảm biến: các sai khác về các thơng số thời gian ηTh và ηe cũng dẫn đến sự sai khác về dạng tín hiệu tương tự đầu ra của các cảm biến. (iii) Sai số ngẫu nhiên do yếu tố mơi trường: mặc dù các tín hiệu đã được lọc ở băng thơng đặc trưng cho đối tượng mục tiêu, nhưng những ảnh hưởng từ các yếu tối mơi trường như sự thay đổi của nhiệt độ nền, giĩ, mưa, hay sự xuất hiện của một nguồn nhiệt khơng mong muốn trong quá trình đo v.v là khĩ tránh khỏi. (iv) Sai số do độ tần số lấy mẫu: việc tính tốn vận tốc dựa trên thời gian trễ giữa hai tín hiệu như cơng thức (4) cho thấy khi mục tiêu di chuyển với vận tốc lớn, phép đo cĩ thể cho sai số tương đối đáng kể nếu tần số lấy mẫu khơng đủ lớn. Một cách trực quan, việc này cĩ thể khắc cĩ thể khắc phục bằng cách tăng tần số lấy mẫu (sử dụng các kỹ thuật nội suy như FFT Pruning), tương ứng với việc tăng số điểm lấy mẫu trong khoảng thời gian xem xét, nhưng việc tính tốn hàm tương quan chéo sẽ trở nên cồng kềnh.
Kết luận chƣơng 4
Trong chương này, tác giả đã trình bày các tính tốn liên quan đến việc đánh giá kết quả xác định gĩc lệch quang trục của mơ-đun cảm biến hồng ngoại được đề cập; và việc ứng dụng các thuật tốn xử lý dữ liệu đo để xác định thời gian trễ giữa hai tín hiệu đầu ra của hai mơ-đun cảm biến. Kết quả tính tốn cho thấy các phương pháp và thuật tốn được đề xuất ở chương 3 là phù hợp với đối tượng nghiên cứu cụ thể của luận án.
99
KẾT LUẬN
Các kết quả đạt được của luận án sau quá trình nghiên cứu như sau:
Luận án đã đề xuất và đưa ra các phương pháp tiếp cận giải quyết bài tốn xử lý 2 yếu tố ảnh hưởng chính đến hệ thống đo vận tốc nguồn nhiệt sử dụng cảm biến bức xạ hồng ngoại PIR: (1) Đảm bảo độ song song giữa hai quang trục của hai mơ- đun cảm biến PIR và (2) Xác định thời gian trễ dựa trên hai chuỗi thời gian là hai tín hiệu đầu ra của hai cảm biến. Cụ thể:
Thứ nhất, luận án xây dựng được hệ thống thực nghiệm và các phân tích để xác định và hiệu chỉnh vị trí quang trục của từng mơ-đun cảm biến hồng ngoại so với mặt phẳng mục tiêu của nguồn nhiệt được điều biến. Đây là bước quan trọng nhằm đảm bảo độ song song giữa hai quang trục của hai mơ-đun cảm biến PIR. Theo đĩ, các phân tích đã đánh giá được các hệ số ảnh hưởng đến độ phân giải của phép đo.
Thứ hai, luận án đã thực hiện giải quyết bài tốn xác định độ trễ giữa hai tín hiệu đầu ra theo thời gian của hai mơ-đun cảm biến, bằng việc xây dựng mơ hình tốn học cho các tín hiệu theo thời gian của các mơ-đun cảm biến dưới gĩc nhìn của các dữ liệu ngẫu nhiên dừng, nhằm giải quyết các bài tốn này một cách đặc thù và cĩ thể tiếp cận trong thực tế. Luận án ứng dụng hai phương pháp xử lý tín hiệu gồm: kỹ thuật tương quan chéo cổ điển và tương quan chéo kết hợp biến đổi Hilbert, đồng thời áp dụng biến đổi Fourier nhằm giảm khối lượng tính tốn cũng như loại bỏ được các yếu tố nhiễu trong tín hiệu xuất hiện ở các tần số cao khơng mong muốn. Đồng thời đã đánh giá về độ khơng đảm bảo đo trong việc xác định độ trễ giữa hai tín hiệu.
Luận án đã xây dựng mơ hình hệ thống thực nghiệm đo vận tốc di chuyển của nguồn nhiệt với hai (02) mơ-đun hệ thống quang học với cảm biến bức xạ hồng ngoại pyroelectric (PIR) vào việc thu nhận tín hiệu bức xạ hồng ngoại từ các nguồn nhiệt trong tự nhiên. Các mơ-đun cảm biến hồng ngoại được chế tạo hồn thiện kết hợp giữa các yếu tố quang-cơ-điện tử, với các thơng số chính: cảm biến PIR làm việc ở dải bước sĩng 5 µm ÷ 14 µm; thấu kính Fresnel với đường kính 50 mm, tiêu
100
cự 50,9 mm; và bộ chuyển đổi tương tự sang số với tần số lấy mẫu cĩ thể lên đến 4000 Hz. Kết quả này là tiền đề để phát triển các thiết bị đo vận tốc di chuyển của nguồn nhiệt sử dụng cảm biến bức xạ hồng ngoại tại Việt Nam.
Các đánh giá tính tốn liên quan đến kết quả hai bài tốn được đề ra cho thấy sự hợp lý của các mơ hình tốn học và hệ thống đo được thiết kế chế tạo. Cụ thể, hệ hiệu chỉnh xác định vị trí quang trục của mơ-đun cảm biến hồng ngoại đạt tới 0,0175 o nếu cài đặt nhiệt độ vật đen ở 50 oC và đạt tới 0,0014 o
nếu cài đặt nhiệt độ vật đen ở 200 oC, trong trường hợp một số điều kiện được lý tưởng hĩa. Độ khơng đảm bảo đo thời gian trễ giữa hai tín hiệu của hai mơ-đun cảm biến cĩ thể đạt tới 5 × 10-4 s khi sử dụng phương pháp tích hợp tương quan chéo với biến đổi Hilbert ở tần số lấy mẫu 4000 Hz. Trong phép đo thực tế, đối với các đối tượng nguồn nhiệt là phương tiện giao thơng khác nhau, các thí nghiệm cho thấy, sai lệch kết quả của hệ đo so với một phương pháp đo tham chiếu (sử dụng camera ghi hình) là dưới 3,5 % trong dải vận tốc 20 km/h ÷ 100 km/h.
Một số đề xuất cho việc mở rộng nghiên cứu.
a. Mở rộng nghiên cứu sự ảnh hưởng của các yếu tố khác đến kết quả đo của hệ thống.
Mặc dù nghiên cứu luận án đã tập trung giải quyết hai bài tốn liên quan đến hai yếu tố chính ảnh hưởng đến độ khơng đảm bảo đo trong phép đo xác định vận tốc nguồn nhiệt, tuy nhiên các mơ hình tốn học này cịn đang hạn chế dựa trên việc cố định – lý tưởng hĩa những điều kiện biên nhất định. Các điều kiện này cĩ thể kể đến: vận tốc nguồn nhiệt khi di chuyển qua trường nhìn của các cảm biến, độ vuơng gĩc với hai trục quang của hai cảm biến, sự khác biệt trường nhìn của hai mơ-đun cảm biến là như nhau, mạch biến đổi tín hiệu cho hai mơ-đun cảm biến, v.v. Do đĩ cần đánh giá mức độ ảnh hưởng của các yếu tố kể trên đến độ khơng đảm bảo đo của hệ thống khi sử dụng các phương pháp đã được đề cập trong nội dung nghiên cứu.
b. Cung cấp các giải pháp đảm bảo tính ổn định của hệ thống hiệu chỉnh xác định gĩc lêch quang trục của mơ-đun cảm biến hồng ngoại.
101
Hệ thống hiệu chỉnh xác định gĩc lệch quang trục của mơ-đun cảm biến hồng ngoại là hệ thống yêu cầu độ chính xác cao và từng thành phần trong hệ thống cần đảm bảo tính ổn định nhất định. Các mơ hình tốn học và các đánh giá trong chương 3 và 4 của luận án này cũng đều dựa trên giả thiết về sự ổn định này. Đặc biệt, cụ thể hơn, một trong những yếu tố quan trọng cần giữ ổn định là vấn đề về nhiệt độ: nhiệt độ mơi trường và nhiệt độ nguồn nhiệt tiêu chuẩn. Điều này dẫn đến việc cần phải cĩ các phương án cách nhiệt cho hệ đo cũng như yêu cầu kỹ thuật của các thiết bị trong hệ thống phải được đảm bảo.
c. Thực hiện thêm các thuật tốn xử lý dữ liệu đo. (adsbygoogle = window.adsbygoogle || []).push({});
Trong một khuơn khổ nhất định của luận án, việc so sánh đánh giá của hàng loạt các thuật tốn xử lý dữ liệu đo đối với hệ đo vận tốc nguồn nhiệt sử dụng hai mơ-đun cảm biến PIR dường như là bất khả thi. Tuy nhiên, đĩ là một sự gợi mở cho các nghiên cứu mở rộng, theo đĩ, các nghiên cứu mới sẽ kế thừa kết quả của nghiên cứu này và so sánh kết quả đo khi sử dụng các thuật tốn khác. Một trong những hướng mở rộng đáng được quan tâm đĩ là sử dụng các phương pháp học máy –tiếp cận với mơ hình tốn học sẽ bao trùm các yếu tố khơng xác định, cho dù nĩ cĩ mặt hạn chế là yêu cầu về khối lượng dữ liệu đo.
102
TÀI LIỆU THAM KHẢO
1. L. E. Y. Mimbela and L. A. Klein (2000), Summary of vehicle detection and surveillance technologies used in intelligent transportation systems, Tech. Rep. 2. A. Y. Nooralahiyan, H. R. Kirby, and D. McKeown (1998), Vehicle classification by acoustic signature, Math. Comput. Model., vol. 27, nos. 9–11, pp. 205–214. 3. M. F. Duarte and Y. H. Hu (, 2004), Vehicle classification in distributed sensor networks, J. Parallel Distrib. Comput., vol. 64, no. 7, pp. 826–838.
4. V. Cevher, R. Chellappa, and J. H. McClellan (2009), Vehicle speed estimation using acoustic wave patterns, IEEE Trans. Signal Process., vol. 57, no. 1, pp. 30– 47.
5. A. Arora et. al. (2004) A line in the sand: A wireless sensor network for target detection, classification, and tracking, Comput. Netw., vol. 46, no. 5, pp. 605–634. 6. F. Garcia, P. Cerri, A. Broggi, J. M. Armingol, and A. De La Escalera (2009),
Vehicle detection based on laser radar, inEUROCAST. Springer, pp. 391–397 7. D. L. Donoho (1995), De-noising by soft-thresholding, IEEE Trans. Inf. Theory, vol. 41, no. 3, pp. 613–627
8. Y. Iwasaki, M. Misumi, and T. Nakamiya (2013), Robust vehicle detection under various environmental conditions using an infrared thermal camera and its application to road traffic flow monitoring, Sensors, vol. 13, no. 6, pp. 7756–7773. 9. Y.-K. Ki and D.-K. Baik (2006), Vehicle-classification algorithm for single loop detectors using neural networks, IEEE Trans. Veh. Technol., vol. 55, no. 6, pp. 1704–1711
10. C. Sun, S. G. Ritchie, and S. Oh (2003), Inductive classifying artificial network for vehicle type categorization, Comput-Aided Civil Infrastruct. Eng., vol. 18, no. 3, pp. 161–172.
11. S. Cheung, S. Coleri, B. Dundar, S. Ganesh, C.-W. Tan, and P. Varaiya (2005),
Traffic measurement and vehicle classification with single magnetic sensor, Transp. Res. Rec., J. Transp. Res. Board, no. 1917, pp. 173–181.
12. C. Nanthawichit, T. Nakatsuji, and H. Suzuki (2003), Application of probevehicle data for real-time traffic-state estimation and short-term traveltime prediction on a freeway, Transp. Res. Rec., J. Transp. Res. Board, no. 1855, pp. 49– 59.
13. J. C. Herrera, D. B. Work, R. Herring, X. J. Ban, Q. Jacobson, and M. A. Bayen (2010), Evaluation of traffic data obtained via GPSenabled mobile phones: The mobile century field experiment, Transp. Res. C, Emerg. Technol., vol. 18, no. 4, pp. 568–583.
103
14. C.F. Tsai, M. S. Young (2003), Pyroelectric infrared sensor-based thermometer for monitoring indoor objects, Review of Scientific Instruments vol. 74, 5267. 15. Zhang, X. Gao, J. Biswas, and J. K. Wu (2007), Moving targets detection and localization in passive infrared sensor networks, inProc. IEEE Int. Conf. Inf. Fusion, pp. 1–6.
16. P. Zappi, E. Farella, and L. Benini (2010), Tracking motion direction and distance with pyroelectric IR sensors, IEEE Sensors J., vol. 10, no. 9, pp. 1486– 1494.
17. B. Yang, Y. Lei, and B. Yan (2016), Distributed multi-human location algorithm using nạve bayes classifier for a binary pyroelectric infraredsensor tracking system, IEEE Sensors J., vol. 16, no. 1, pp. 216-223.
18. Y. Li, D. K. Jha, A. Ray, T. A. Wettergren (2017), Information fusion passive sensors for detection of moving targets in dymanic environments, IEEE Trans. Cybern., vol. 47, no. 1, pp. 93-104.
19. J. Yun, S-S. Lee (2014), Human movement detection and identification using pyroelectric infrared sensors, Sensors, vol. 14, no. 5, pp. 8057-8081.
20. L. Gu et. al. (2005), Lightweight detection and classification for wireless sensornetworks in realistic environments, in Proc. 3rd Int. Conf. Embedded Netw. Sensor Syst., pp. 205-217.
21. Brian Donovan (2015), Vehicle detection and speed estimation with PIR sensors, Proceeding 14th International Conference on Information Processing in Sensor Networks, pp 370–371.
22. Enas Odat, Jeff S. Shamma, Christian Claudel (2018),Vehicle Classification and Speed Estimation Using Combined Passive Infrared Ultrasonic Sensors, 2018-IEEE Trans on Intelligent Transport - Volume: 19 , Issue: 5.
23. Vytautas Markevicius, Dangirutis Navikas, Adam Idzkowski, Darius Andriukaitis, Algimantas Valinecius, Mindaugas Zilys (2018), Practical Methods for Vehicle Speed Estimation Using a Microprocessor-Embedded System with AMR Sensors, MDPI Sensors.
24. Pinson, L (1985)., Electro-Optics, New York City, NY: Wiley, p.18.
25. Jacobs P. (1996), Thermal Infrared Characterization of Ground Targets and Backgrounds, Bellingham, WA: SPIE Press, p. 22.
26. Wolf, W., G. Zissis (1993), The Infrared Handbook, Environmental Research Institute of Michigan, Office of Naval Research, Washington, DC, pp. 1–18.
27. Ronald, G.D., Melvin, H.F., Nichols (2012), J. Introduction to Infrared and Electro-Optical Systems, 2nd ed.; Artech House: Norwood, MA, USA.
28. George J. Zissis (1993), The Infrared & Electro-Optical Systems Handbook, Volume 1: Sources of Radiation, Infrared Information Analysis Center Environmental Research Institute of Michigan and SPIE Optical Engineering Press.
104
29. Hans J. Keller (2000), 30 Years of Passive Infrared Motion Detectors - a Technology Review, OPTO/IRS2 Erfurt Germany. (adsbygoogle = window.adsbygoogle || []).push({});
30. Whatmore R.W. (1986), Pyroelectric devices and materials. Rep. Prog. Phys., 49, 1335–1386.
31. Alexander Bondarenko (2017), Mathematical modeling of a pyroelectric detector, Planeta-Print.
32. Chirtoc, M., Bentefour, E.H., Antoniow, J.S., Glorieux, C., Thoen, J., Delenclos, S., Sahraoui, A.H., Longuemart, S., Kolinsky, C., Buisine, J.M (2003),
Current mode versus voltage mode measurement of signals from pyroelectric sensors, Review of Scientific Instruments, 74 (1), pp 648-650.
33. Wheless, W.P., Wurtz, L.T., Wells, J.A. (1994), An equivalent-circuit radiation sensor model, In Southeastcon ’94: Creative Technology Transfer - A Global Affair, IEEE, pp. 7-11.
34. Capineri, L., Masotti, L., Mazzoni, M (2000), Pyroelectric PVDF sensor modeling of the temporal voltage response to arbitrarily modulated radiation, IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency Control, 47 (6), pp 1406- 141.
35. Weller H.J., Setiadi D., BinnieT.D (2000), Low-noise charge sensitive readout for pyroelectric sensor arrays using PVDF thin film, Sensors and Actuators A: