3.2.3.6. Kết luận
Như vậy ta đã biết để điều hướng thì ta cần lên hai kế hoạch đường đi là kế hoạch đường đi cục bộ và kế hoặc đường đi tồn cục. Bảng dưới tóm tắt về chức năng và so sanh giữa hai kế hoạch này trong vai trò điều hướng.
Lập kế hoạch đường đi toàn cục Lập kế hoạch đường đi cục bộ
Hệ thống chủ động Phản hồi tương đối chậm
Giá sử kiến thức đầy đủ về khu vực không gian làm việc
Có được một con đường khả thi dẫn đến mục tiêu
Bảng 3.4: So sánh kế hoạch lập đường đi toàn cục và cục bộ
Trong đó kế hoạch đường đi tồn cục ta sử dụng thuật toán Dijkstra. Ưu điểm lớn nhất của việc hoạch định đường đi toàn cục là tạo ra một con đường hồn chỉnh đến điểm đích tại thời điểm ban đầu. Nhược điểm là việc tính tiêu tốn nhiều thời gian và đối với các chướng ngại vật động thì giải pháp này khơng thích hợp. Vấn đề này có thể được giải quyết với sự trợ giúp của quy hoạch đường đi cục bộ. Kế hoạc lập đường đi tồn cục chỉ sử dụng bản đồ tĩnh và vị trí của xe để lập kế hoạch đường đi từ điểm A đến điểm B. Nó khơng bận tâm đến việc xe di chuyển như thế nào để đạt được con đường này. Trong khi đó, kế hoạch đường đi cục bộ lại sử dụng mơ hình chuyển động của rơ bốt để tìm ra bộ lệnh tốt nhất để hồn thành kế hoạch tồn cục. Theo một cách đơn giản, có thể nói rằng, nó sẽ “giả lập” mọi vận tốc quay và chuyển động thẳng mà xe có thể thực hiện và chọn tập hợp vận tốc tốt nhất để hoàn thành mục tiêu. Chuyển động của xe là kết quả của hành động của cả hai kế hoạch, tuy nhiên, kế hoạch cục bộ chịu trách nhiệm điều khiển lái và cách thức xe đi đến đích. Độ chính xác cũng như số lần lặp lại của nó sẽ phụ thuộc vào các phép tính được cung cấp bởi một thuật tốn, cụ thể ở đây là thuật tốn cửa sổ đơng
3.2.4. Thuật toán bám đối tượng
3.2.4.1. Giới thiệu
Ngày nay, sự tương tác giữa con người và robot là nhu cầu thiết yếu trong các ứng dụng thực tiễn. Với chức năng tự động bám theo đối tượng, nhóm mong muốn robot có thể giúp ích cho người sử dụng như quan sát trẻ nhỏ hoặc mang các vật nặng cho người lớn tuổi. Chức năng trên cịn có thể được sử dụng ở nhiều mơi trường khác nhau. Trong siêu thị, robot có thể giúp khách hàng mang vác các vật dụng cần mua thay vì phải dùng xe đẩy. Tương tự đối với những robot phục vụ trong sân bay, nhà hàng, khách sạn. Chức năng bám theo đối tượng giúp cho người sử dụng tiết kiệm thời gian và sức lực. Robot cần được trang bị thuật toán nhận dạng đối tượng và bám theo khi đối tượng di chuyển.
Hiện nay có nhiều phương pháp nhận dạng người để robot bám theo. Xét về đối tượng nhận dạng có thể chia thành nhận dạng khuôn mặt hoặc nhận dạng các bộ phận trên cơ thể người. Xét theo mức độ nhận dạng có thể chia thành chỉ phát hiện có đối tượng hay không và nhận dạng đối chiếu với tập cơ sở dữ liệu đã xây dựng. Xét về số lượng có thể chia thành nhận dạng duy nhất một đối tượng hoặc nhận dạng tất cả các đối tượng có trong phạm vi nhìn thấy của robot. Nhóm đã chọn phương pháp nhận dạng màu sắc bám theo đối tượng để qua đó phục vụ cho q trình quét bản đồ ban đầu.
3.2.4.2. Nhận dạng màu sắc
3.2.4.2.1. Mục đích nhận dạng màu sắc
Trong đồ án này bọn em sử dụng RealSense Depth Camera để lấy hình ảnh từ bên ngồi và lọc ra màu sắc cần phải bám theo, ví dụ như là nhân viên mặc áo màu xanh dẫn robot đi quét bản đồ.
3.2.4.2.2. Mơ hình màu RGB và mơ hình màu HSV a) Mơ hình màu RGB
Mơ hình màu RGB sử dụng mơ hình bổ sung trong đó ánh sáng đỏ, xanh lục và xanh lam được tổ hợp với nhau theo nhiều phương thức khác nhau để tạo thành các màu khác. Từ viết tắt RGB trong tiếng Anh có nghĩa là đỏ (red), xanh lục (green) và xanh lam (blue), là ba màu gốc trong các mơ hình ánh sáng bổ sung.
Cũng lưu ý rằng mơ hình màu RGB tự bản thân nó khơng định nghĩa thế nào là "đỏ", "xanh lục" và "xanh lam" một cách chính xác, vì thế với cùng các giá trị như nhau của RGB có thể mơ tả các màu tương đối khác nhau trên các thiết bị khác nhau có cùng một mơ hình màu. Trong khi chúng cùng chia sẻ một mơ hình màu chung, khơng gian màu thực sự của chúng là dao động một cách đáng kể.