Chương 1. Nội dung tổng quan
1.3 Trình bày, phân tích về các nghiên cứu có liên quan đến luận văn đã được công bố ở trong và ngoài nước
1.3.2 Phương pháp dựa trên điểm đánh dấu để nhận dạng vị trí cho robot
Bài báo "Marker-Based Method for Recognition of Camera Position for Mobile Robots” [34] được xuất bản vào tháng 1/2021, nhà xuất bản Multidisciplinary Digital Publishing Institute (MDPI). Nghiên cứu này đề xuất một giải pháp để ước tính vị trí của một camera gắn trên robot tự hành, bao gồm ba phần. Phần đầu tiên là thu thập trực tiếp thông tin (ví dụ: nhận dạng (ID), kích thước điểm đánh dấu và loại điểm đánh dấu) để nhận ra vị trí của máy ảnh so với điểm đánh dấu. Ưu điểm của hệ thống đánh dấu này là có thể sử dụng kết hợp các điểm đánh dấu có kích thước khác nhau hoặc có thông tin khác nhau mà không cần phải cập nhật các thông số bên trong của hệ thống robot ngay cả khi người dùng thường xuyên thay đổi hoặc bổ sung thông tin nhận dạng của điểm đánh dấu. Trong phần thứ hai, hai điểm đánh dấu mới được đề xuất để xem xét môi trường thực tế trong đó các robot thực được áp dụng: một điểm đánh dấu lồng nhau và một điểm đánh dấu phân cấp. Những điểm đánh dấu này được sử dụng để cải thiện khả năng của máy ảnh nhận ra điểm đánh dấu trong khi robot đang di chuyển. Điểm đánh dấu lồng nhau có hiệu quả đối với các robot như máy bay không người lái, hạ cánh và cất cánh theo phương thẳng đứng so với mặt đất. Điểm đánh dấu thứ bậc phù hợp với robot di chuyển theo chiều ngang so với mặt đất, chẳng hạn như robot tự hành có bánh xe. Hình 1.8 đưa ra hình ảnh ví dụ về việc áp dụng các điểm đánh dấu lồng nhau cho robot tự hành.
Hình 1.8: Sử dụng điểm đánh dấu lồng nhau với robot tự hành.
Phần thứ ba là tính toán vị trí của một điểm đánh dấu được thêm vào hoặc di chuyển dựa trên một điểm đánh dấu tham chiếu. Phương pháp này tự động cập nhật vị trí của các điểm đánh dấu sau khi xem xét sự thay đổi trong khu vực lái xe của robot tự hành.
Công nghệ này áp dụng để nhận dạng vị trí dựa trên các đặc điểm của môi trường và nhận dạng vị trí dựa trên điểm đánh dấu nhân tạo [35]. Nghiên cứu đang được tiến hành theo hướng ước tính vị trí của camera bằng cách sử dụng các công nghệ mới như công nghệ thực tế tăng cường (AR) hoặc điểm đánh dấu phản hồi nhanh (QR) [36,37]. Phương pháp này sử dụng bộ xử lý trung tâm thấp (CPU) nhưng tốc độ nhận dạng vị trí tương đối nhanh và chính xác ngay cả trong một môi trường đơn điệu [38,39]. Ngoài ra, có thể xác định kích thước chính xác của điểm đánh dấu bằng cách nhận biết bốn góc của điểm đánh dấu. Nhận dạng vị trí máy ảnh dựa trên điểm đánh dấu không chỉ được sử dụng để nhận dạng vị trí của robot tự hành mà còn để cải thiện các chức năng của robot như nhận dạng vị trí đối tượng, điều khiển cánh tay robot và tương tác giữa người và robot. Tuy nhiên, các phương pháp ước tính vị trí của camera trước đây bằng cách sử dụng điểm đánh dấu đã gặp một số vấn đề nhất định. Đầu tiên, kích thước chính xác và vị trí của các điểm đánh dấu phải được xác định trước. Do đó, thông tin này phải được biết trước dựa trên dữ liệu hoặc phải được tính toán bằng cách sử dụng một thuật toán bổ sung. Hơn nữa, khi môi trường trong nhà thay đổi hoặc vùng lái của robot được mở rộng, một điểm đánh dấu phải được di chuyển hoặc thêm vào vị trí chính xác, xác định trước. Điều này trở nên khó khăn hơn khi số lượng điểm đánh dấu tăng lên và khu vực trở nên rộng hơn. Ngoài ra, thông tin dựa trên dữ liệu trong thuật toán ước tính vị trí phải được cập nhật khi kích thước và vị trí của điểm đánh dấu thay đổi. Thứ hai, khi vị trí của máy ảnh thay đổi do chuyển động của robot, khoảng cách cần thiết để nhận ra điểm đánh dấu giảm theo kích thước của điểm đánh dấu và khoảng cách giữa điểm đánh dấu và máy ảnh. Điều này giới hạn phạm vi di chuyển của robot di động.
Hình 1.9 đưa ra hình ảnh thực tế về phương pháp thử nghiệm để xác minh kết quả nghiên cứu của nhóm tác giả.
Hình 1.9: Thiết lập thử nghiệm để xác minh phương pháp được đề xuất.
Bài báo này đã đề xuất một phương pháp nhận dạng vị trí của camera gắn trên robot tự hành dựa trên thông tin điểm đánh dấu trong khi xem xét sự gia tăng diện tích nơi robot được điều khiển hoặc sự thay đổi của môi trường. Phương pháp được đề xuất không chỉ sử dụng các điểm đánh dấu mới để tăng khoảng cách nhận dạng của máy ảnh mà còn tính toán vị trí của các điểm đánh dấu được thêm vào để đánh giá với những thay đổi của môi trường. Hai điểm đánh dấu mới đã được đề xuất tùy thuộc vào kiểu lái của robot. Vị trí máy ảnh, được tính toán theo phương pháp này, cho thấy sai số ít nhất là 0,03% và nhiều nhất là 0,7% khi kích thước thực của điểm đánh dấu khớp với kích thước của điểm đánh dấu trong thuật toán. Khi kích thước điểm đánh dấu được đặt là 200 × 200 pixel, lỗi trong ước tính vị trí máy ảnh là nhỏ.
Kết quả của các thí nghiệm đã khẳng định tính hiệu quả của phương pháp đề xuất.
Để tiếp cận và áp dụng nhiều môi trường trong thế giới thực hơn, cần có các nghiên cứu sâu hơn để giải quyết vấn đề suy giảm khả năng nhận dạng điểm đánh dấu do sự thay đổi của ánh sáng và để tăng độ chính xác của nhận dạng điểm đánh dấu bằng cách áp dụng các bộ lọc xác suất.