Tài liệu Báo cáo " Robot di động đa cảm biến và định vị robot bằng phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng " ppt

Hội thảo toàn quốc về Điện tử - Truyền thông – An toàn thông tin, ATC/REV-2012

1

Robot di động đa cảm biến và định vị robot bằng
phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng
Multi-sensor mobile robot and the sensor fusion-based localization
with Extended Kalman Filter
Trần Thuận Hoàng, Phùng Mạnh Dương, Đặng Anh Việt và Trần Quang Vinh
Trường Đại học Công nghệ, Đại học Quốc gia Hà nội
e-Mail:

Tóm tắt
Báo cáo trình bày việc xây dựng khối cảm nhận
của một robot di động đa cảm biến và việc dùng
phương pháp tổng hợp cảm biến với bộ lọc Kalman
mở rộng để định vị chính xác cho robot. Các cảm biến
hiện đại như cảm biến lập mã trục quay, cảm biến chỉ
hướng, cảm biến đo xa laser, cảm biến ảnh toàn
phương, cảm biến siêu âm, bộ định vị toàn cầu GPS
cùng được sử dụng trong robot. Điều này đòi hỏi phải
thiết kế một hệ thông tin dữ liệu có hiệu quả. Trên cơ
sở hệ thống đó, các chương trình điều khiển đã được
phát triển dựa vào phương pháp tổng hợp cảm biến
bằng bộ lọc Kalman mở rộng, cho phép xác định
chính xác vị trí và hướng của robot trong điều kiện có
can nhiễu của môi trường.
1. Phần mở đầu
Robot di động, như dạng các xe tự hành, cho
nhiều khả năng ứng dụng trong công nghiệp và dịch
vụ. Việc nghiên cứu phát triển các robot kiểu này hiện

đang là bài toán được nhiều nhà nghiên cứu điện tử và
điều khiển tự động trên thế giới cũng như ở Việt nam
quan tâm. Một trong các vấn đề cần giải quyết là việc
định vị chính xác cho robot trong quá trình dẫn đường
nó tới đích. Nhìn chung, một robot gồm 3 thành phần
cơ bản: bộ phận cảm nhận, bộ phận điều khiển và bộ
phận chấp hành [1]. Với nhiệm vụ định vị, bộ phận
cảm nhận gồm các cảm biến điện tử cùng các mạch
xử lý tín hiệu phần cứng và chương trình phần mềm
đóng vai trò then chốt cho phép robot tự ước lượng
chính xác vị trí và hướng của nó tại một thời điểm
chuyển động dựa vào các thông số đọc được từ các
cảm biến. Tuy nhiên, mỗi cảm biến thường chỉ đo
được một hoặc hai tham số môi trường với độ chính
xác giới hạn, vì vậy một cách tự nhiên thấy rằng nếu
sử dụng càng nhiều cảm biến thì càng có khả năng
tăng được độ chính xác ước lượng vị trí của robot. Đó
là lý do phương pháp tổng hợp các cảm biến (sensor
fusion) hiện nay đang được áp dụng phổ biến trong
các hệ thống robot hiện đại để tăng độ chính xác của
đo lường [2,3]. Cơ sở thực hiện phương pháp này hầu
hết được dựa trên suy luận xác suất. Bộ lọc Kalman
mở rộng (EKF) là giải pháp xác suất hiệu quả để ước
tính đồng thời các vị trí của robot dựa trên một số
thông tin về cảm biến nội và cảm biến ngoại của nó.
Từ các xuất phát điểm nêu trên, báo cáo này trình
bày việc xây dựng bộ phận cảm nhận cho một robot di
động đa cảm biến (sensor) với thiết kế các mạch điện
tử liên quan và một mạng truyền thông có hiệu quả
giữa các sensor và bộ điều khiển. Trên cơ sở đó, một

chương trình phần mềm tổng hợp các cảm biến dựa
trên lý thuyết bộ lọc Kalman mở rộng đã được phát
triển và được trình bày cho phép cải thiện đáng kể độ
chính xác của phép định vị robot.
Nội dung của bài báo được sắp xếp như sau: Mục
2 trình bày về kết cấu phần cứng điện tử bộ phận cảm
nhận đa cảm biến cùng hệ thống truyền thông trong
robot; mục 3 trình bày tóm tắt các cơ sở về mạch lọc
Kalman nổi tiếng, áp dụng vào mô hình động học của
robot để ước lượng chính xác vị trí; mục 4 là các kết
quả thực nghiệm với robot được xây dựng và thảo
luận.
2. Bộ phận cảm nhận đa sensor và hệ
thống truyền thông trong robot
2.1. Thiết kế bộ phận cảm biến cho robot
Hình 1 là ảnh chụp robot với các cảm biến được
thiết kế lắp đặt trên đó.

Hình 1. Robot di động và các cảm biến.

2

Robot được xây dựng là loại có 2 bánh xe, mỗi
bánh được gắn với một mô-tơ điện được điều khiển
độc lập. Nhiều loại cảm biến đã được thiết kế lắp đặt
trong bộ phận cảm nhận của robot di động này, dưới
đây trình bày tóm tắt nguyên lý hoạt động và tính năng
kỹ thuật của chúng.
 Cảm biến lập mã quang (optical encoder) được
gắn trực tiếp với trục quay mô-tơ, được dùng để đo

vận tốc 2 bánh xe robot. Bộ lập mã quang như hình 2
cho thấy về cơ bản là một đĩa quay làm đóng-ngắt
chùm tia sáng đi qua các khe. Cùng bộ phận điện tử
chuyển đổi quang-điện (optron), cơ cấu này phát ra số
xung điện lối ra tương ứng với một vòng quay của trục
mô-tơ. Nếu đường kính của bánh xe và tỷ số truyền
lực (tỷ số truyền bánh răng từ trục mô-tơ ra bánh xe
robot) đã biết thì vị trí góc và tốc độ của bánh xe có
thể xác định được. Việc xác định vị trí của robot bằng
bộ lập mã quang này là phương pháp phổ biến trên thế
giới có tên là Odometry [1].

Hình 2. Cấu trúc bộ lập mã quang.
 Cảm biến chỉ hướng (heading sensor) cho phép
đo góc hướng của robot so với phương từ trường của
quả đất. Đây là một mô-đun cảm biến từ-địa bàn
CMPS03 hoạt động dựa trên nguyên tắc hiệu ứng Hall
với độ phân giải góc là 0,1. Như trên hình 3 thấy mô-
đun có 2 trục hướng x và y. Cảm biến cung cấp số liệu
đo cường độ từ trường theo các trục hướng này, từ đó
có thể xác định được góc lệch của mô-đun so với
phương từ trường quả đất khi nó được gắn cố định trên
robot. Một vi xử lý tích hợp trong mạch điện tử của
mô-đun cung cấp các số đo này theo chuẩn truyền
thông nối tiếp [4]. Người sử dụng phải lập trình nhúng
để thu thập số liệu.

Hình 3. Mô-đun chỉ hướng.
 Cảm biến đo xa laser LRF (laser ranger finder)
model-LM211 của hãng SICK với dải đo từ 0,4 m đến

80 m đã được lắp đặt trong robot. Đây là một thiết bị
cho phép xác định nhanh chóng và chính xác khoảng
cách và góc lệch từ robot tới vật cản. Cảm biến hoạt
động trên nguyên lý đo thời gian từ thời điểm một
xung sáng laser hồng ngoại được phát ra đến thời
điểm thu được xung này khi nó được phản xạ từ vật
cản trong môi trường. Một hệ thống đo thời gian cực
kỳ chính xác trong thiết bị cho các số đo được dùng
để tính khoảng cách đến vật khi biết vận tốc của ánh
sáng trong môi trường quanh robot. Bằng việc gắn
một gương phản xạ quay trên đường đi của tia sáng,
các xung laser này được làm chệch hướng khi gương
quay. Gương phản xạ quay với tốc độ 75 vòng/giây
tạo nên một dải quét tia laser hình rẻ quạt ở phía trước
cảm biến với một trường nhìn 2D. Trong mỗi lần quét
như vậy, các xung laser được phát đi chệch hướng với
trục x một góc β với độ phân giải 0,25; 0,5 hoặc 1
như mô tả trên hình 5. Lúc này, bộ phận điện tử trong
LRF sẽ phát ra một tập số liệu về khoảng cách đến đối
tượng và góc quét tương ứng ở lối ra [5]. Người sử
dụng phải lập trình để thu thập chính xác tập số liệu
cho một chu kỳ quay gương (chu kỳ quét tia laser), là
13,3 ms.

Hình 4. Mặt phẳng tia laser với các góc quét β.
 Cảm biến ảnh toàn phương (omni-directional
camera) loại Hyper-Omni Vision SOIOS 55 đã được
sử dụng. Nó gồm một gương lồi phản xạ hình ảnh
trong toàn không gian cùng một camera thông thường
được đặt ở mặt phẳng ảnh của gương như hình 5. Ảnh

toàn phương chứa đựng thông tin về vị trí của các đối
tượng theo các góc hướng trong toàn không gian 360
[6].

Hình 5. Cấu tạo của camera toàn phương, ảnh toàn
phương và ảnh toàn cảnh.
 Cảm biến siêu âm: được dùng rất phổ biến cho
robot di động vì rẻ và dễ sử dụng. Loại cảm biến này
cho các thông tin về khoảng cách đến vật cản với
thời gian thu thập số liệu nhanh. Tuy nhiên việc sử
dụng chúng mắc phải các nhược điểm do tính phản
xạ xuyên âm và các số đo không ổn định do chùm tia
siêu âm bị tán xạ hình nón chứ không phải là một tia
hẹp [7]. Vì vậy, chúng tôi chỉ sử dụng các cảm biến
này để phát hiện những vật cản gần, giữ an toàn cho
robot. 8 module cảm biến siêu âm loại SRF05 đã
được lắp đặt cho phép phát hiện được vật từ 3cm đến
4m với sai số là 2%; góc mở chùm siêu âm phát ra
khoảng 22,5
0
.
3

 Cảm biến định vị toàn cầu GPS: chủ yếu áp
dụng cho định vị ở môi trường ngoài trời. Một mô-
đun HOLUX GPS UB-93 đã được lắp đặt và phát
triển phần mềm thu thập dữ liệu trong robot [8]. Vì
robot được thiết kế lắp đặt cả mạng ghép nối Internet,
nên một hệ thống mở rộng A-GPS cũng đã được phát
triển, cho phép trợ giúp cảm biến GPS thu nhận dữ

liệu định vị tốt ngay cả trong các thời khoảng gặp
điều kiện thu thông tin vệ tinh không được tốt.
Ngoài hệ thống các cảm biến nêu trên dùng cho
hoạt động tự trị (autonomous), chúng tôi còn thiết kế
hệ thống điều khiển khiển Robot từ xa qua mạng
Internet 3G, cho phép người điều khiểu có thể điều
khiển robot bằng Joystick.
2.2. Phần cứng mạng thông tin cảm nhận trong
robot
Sơ đồ khối kết nối mạng thông tin trong robot
được chỉ ra trên hình 6.

















Hình 6. Mạng thông tin cảm nhận trong robot.
Các cảm biến kể trên được kết nối với bộ phận

điều khiển của robot. Do đặc điểm về tốc độ thông tin
khác nhau giữa các cảm biến và thông tin ở đây là loại
điểm-đa điểm, nên một thiết kế đặc biệt cho mạng
truyền tin trong robot đã được thực hiện. Ngoại trừ
cảm biến ảnh toàn phương được kết nối với hệ thống
vi tính trong robot qua kênh thông tin tốc độ cao
IEEE-1394; các cảm biến còn lại được thiết kế thông
tin với hệ điều khiển qua một chuẩn công nghiệp
điểm-đa điểm theo phương pháp hỏi vòng (polling)
với đường truyền RS-485 được điều khiển qua vi điều
khiển MCUdsPIC 30F4011.
2.3. Phát triển phần mềm thu thập thông tin từ các
cảm biến
Từ hình 6 cho thấy có thể chia phần mềm thu thập
thông tin từ các cảm biến thành các mô-đun có các
đặc điểm riêng sau.
 Thông tin hình ảnh toàn phương được thu thập
trực tiếp vào máy vi tính và xử lý qua chương trình
được phát triển trên môi trường Visual C ++ với công
cụ là gói phần mềm mở OpenCV của Intel.
 Các thông tin còn lại được trao đổi từ 14 nút
mạng với nút điều khiển từ máy tính (3 nút cho mạch
đo bộ lập mã quang và quay LRF, 1 nút cho cảm biến
từ-địa bàn chỉ hướng, 1 nút cho truyền luồng dữ liệu từ
LRF, 1 nút cho cảm biến GPS, 8 nút cho 8 cảm biến
siêu âm) được truyền qua đường truyền RS-485 sử
dụng giao thức Modbus/RTU [9].
 Chương trình thu thập và xử lý dữ liệu từ máy đo
xa laser LRF là loại đặc biệt được phát triển riêng
trong ngôn ngữ Visual C++. Sau khi nhận lệnh yêu cầu

truyền số liệu từ máy tính, LRF sẽ gửi về liên tục các
khung dữ liệu đo tương ứng với mỗi mặt quét ngang
trong thời gian 13,3 ms. Định dạng dữ liệu khung gồm
7 byte tiêu đề, 2N byte số liệu với 2 byte cho một điểm
đo và cuối cùng là 2 byte mã phát hiện lỗi CRC [5].

Chương trình cần xác định được điểm khởi phát của
luồng ký tự dữ liệu ra LRF bằng việc xác định chính
xác 7 byte tiêu đề. Các byte này là khác nhau với các
chế độ đo khác nhau. Với định dạng khung truyền 720
điểm dữ liệu LRF thì bộ đệm được chọn từ 1.700 đến
2.000 byte. Kích thước này cũng không nên lớn quá vì
làm chậm lại quá trình truyền dữ liệu.
3. Chương trình tổng hợp các cảm biến
dùng cho định vị robot di động
Bắt đầu với mô hình động học của robot di động
được thiết kế chế tạo của chúng tôi. Hình 7 biểu diễn
hệ toạ độ và ký hiệu robot, trong đó (X
G
Y
G
) là hệ tọa
độ toàn cục, (X
R
, Y
R
) là tọa độ cục bộ gắn với tâm
robot. R là bán kính của bánh xe, và L là khoảng cách
giữa các bánh xe.

Hình 7. Thế và các tham số của robot.
Mô đun
GPS
Mô đun
từ-địa bàn
Các mô-đun
siêu âm
Trigger cho
LRF
Máy đo xa laser
(LMS)
Điều khiển
PID
Encoder

M0

MCU
dsPIC
30F4011

Trigger switch
USB to
RS-485
PC

USB

1394
Card

bắt hình
Điều khiển
PID
Điều khiển
PID
Mô tơ bánh xe 2

M1

M
2

Encoder

Encoder

Camera toàn
phương
Mô-tơ quay LRF

Mô tơ bánh xe 1
nối mạng
Internet

4

Trong khoảng thời gian lấy mẫu số liệu đo Δt, các
tốc độ góc của các bánh xe bên trái ω
L
và bên phải ω

R

tạo ra các lượng di chuyển tương ứng của bánh trái
Δs
L
và bánh phải Δs
R
:
Δs
L
= Δt.R. ω
L
; Δs
R
= Δt.R. ω
R

Từ đó dẫn đến sự dịch chuyển của tâm robot Δs và
góc hướng của robot Δθ:


2
L R R L
s s s s
s
L

     
   

Trạng thái của robot tại thời điểm k+1 trong khung
tọa độ toàn cục có thể được cập nhật như sau:


 
1
1
1
cos / 2
sin / 2

k k k
k k
k k k k k
k k
k
s
x x
y y s
 
 
 




 
  
   
 

   
    
 
   
 
   

   
 
 
(1)
Trong thực tế, hệ thống (1) gặp phải các sai số hệ
thống (như sai số kích thước các chi tiết cơ khí, độ
lệch trục, giới hạn độ phân giải của encoder, ) và
các sai số không hệ thống (như độ trượt của các bánh
xe với mặt sàn, ) Do đặc tính tích lũy của các sai số
này nên độ chính xác của việc ước lượng vị trí sẽ càng
bị kém đi khi robot di chuyển [10]. Có nhiều công
trình cố gắng tăng độ tin cậy của việc định vị này
trong đó sử dụng bộ lọc Kalman. Chúng tôi cũng đã
áp dụng phương pháp tổng hợp cảm biến bằng thuật
toán lọc Kalman để định vị cho robot được chế tạo và
đã nhận được kết quả cải thiện được chất lượng của
các phép đo này đáng kể.
Có thể tóm tắt phương pháp này như sau. Nếu
[ ]
T
X x y

 là vectơ trạng thái của robot đang ở tọa

độ x, y và góc hướng

, trên mặt phẳng mà nó di
chuyển, trạng thái này có thể được quan sát bởi một
số phép đo tuyệt đối, z. Các phép đo này được miêu tả
bởi một hàm phi tuyến, h, của hệ toạ độ robot và một
quá trình nhiễu Gaussian độc lập, v. Tổng quát, (2) là
một hàm phi tuyến, f, với một vector đầu vào u, có
phương trình trạng thái và phương trình lối ra như
sau:
1
( , )
k k k k
x f x u w

 

(2)
( )
k k k
z h x v
 
(3)
Trong đó các biến ngẫu nhiên w
k
và v
k
biểu diễn cho
quá trình và nhiễu đo tương ứng. Chúng được giả định
là độc lập với nhau, ồn trắng, và với phân bố xác suất

chuẩn:
~ (0, ) ~ (0, ) ( ) 0
T
k k k k i j
w N Q v N R E w v


Dựa trên các số liệu đo z, có thể tìm được một hệ
số Kalman K trong mỗi chu kỳ lấy mẫu tín hiệu đo
thuộc một vòng lặp đệ quy gọi là bộ lọc Kalman, sao
cho giá trị ước lượng trạng thái của hệ gần với giá trị
thực nhất. Bộ lọc Kalman mở rộng, áp dụng cho các
hệ phi tuyến, được thực hiện qua các bước như sau
[11]:
1. Bước dự báo với các phương trình cập nhật:

-
-1 -1
ˆ ˆ
( , )
k k k
x f x u
 (4)
-
-1 -1
T T
k k k k k k k
P A P A W Q W
 
(5)

Trong đó
-
ˆ
n
k
x


là ước lượng trạng thái tiên nghiệm
tại thời điểm k cho biết giá trị trước quá trình tại thời
điểm k.

-
ˆ
k
P
là ma trận hiệp phương sai của sai số dự báo
trạng thái.
A
k
là Jacobi của đạo hàm riêng của f theo x.
W
k
là Jacobi của đạo hàm riêng của f theo w.
Q
k-1
là ma trận hiệp phương sai nhiễu đầu vào phụ
thuộc vào độ lệch chuẩn của nhiễu của tốc độ góc của
các bánh xe. Chúng được mô hình hóa như là tỷ lệ
thuận với tốc độ góc ω

R-k
, và ω
L-k
của các bánh xe tại
thời điểm k. Điều này dẫn đến phương sai
bằng
2
R

và
2
L

, trong đó δ là một hằng số xác định
bởi các thực nghiệm.
Ma trận hiệp phương sai Q được xác định:
2
,
2
,
. 0
0 .
R k
k
L k
Q
 
 
 


 
 
 
(6)
2. Bước hiệu chỉnh với các phương trình cập nhật
phép đo:
- - -1
( )
T T T
k k k k k k k k k
K P H H P H V R V 
(7)

- -
ˆ ˆ
( - ( , 0))
k k k k k
x x K z h x  (8)

-
( - )
k k k k
P I K H P
 (9)
Trong đó
ˆ
n
k
x


là ước lượng trạng thái hậu nghiệm
tại thời điểm k, giá trị thu được sau khi đo lường z
k
.
K
k
là hệ số độ lợi Kalman.
V
k
là Jacobi đạo hàm riêng của h theo v.
H
k
là Jacobi đạo hàm riêng của h theo x.
R
k
là ma trận hiệp phương sai của nhiễu được ước
lượng từ nhiễu trong phép đo của bộ mã hóa bánh xe
và các cảm biến khác. Các phép đo của các bộ cảm
biến này được thu thập vào trong véc tơ z
k
như sau:
Bằng phương trình hệ thống (2), các tham số trạng
thái (x
m
.
odometry
, y
m odometry
và θ
m.odometry

) nhận gián tiếp
bằng các chỉ số đọc từ bộ mã hóa bánh xe.
Góc hướng robot có thể cũng được đo trực tiếp
bởi phép đo tuyệt đối với cảm biến từ-địa bàn
θ
m.compass
.
Máy đo xa laser LRF cho phép đo các điểm đặc
trưng của môi trường quanh robot. Trong trường hợp
này chúng tôi chọn là một đường thẳng được phát
hiện bởi LRF (ví dụ như đường cắt ngang một bức
5

tường trong phòng). Bằng phép biến đổi Hough, hai
thông số của đường thẳng này có thể nhận được, đó
là: khoảng cách r từ đường thẳng đến gốc tọa độ và
góc

gữa đường thẳng và một trục tọa độ như hình 8
chỉ ra.

Hình 8. Máy đo LRF đặt trên robot đo 2 thông số của
một đường thẳng trong môi trường.
Camera toàn phương cũng dễ dàng cho được các
thông số đo đặc điểm môi trường với các cột mốc. Cột
mốc là các vật đặt tại các tọa độ biết trước (x
L
, y
L
)

trong môi trường di chuyển của robot. Cột có màu sắc
hay hình dạng định trước để chương trình thị giác
máy tính có thể nhận dạng được. Từ đó giá trị đo các
góc 
i
giữa hướng robot R với các cột mốc M
i
có thể
nhận được (hình 9).

Hình 9. Camera toàn phương đo góc tới các cột mốc.
Kết hợp các phép đo gián tiếp từ Odometry và các
phép đo trực tiếp từ các cảm biến như nói trên ta có
ma trận z
k
trong phương trình sửa giá trị ước lượng
(8) có dạng như sau:

m.odometry
m.odometry
m.odometry
m.compass
m.LRF
m.LRF
m. camera
k
x
y
z
r





 
 
 
 
 
 

 
 
 
 
 
 
(10)
Ma trận hiệp phương sai R
k
của nhiễu đo có cấu
trúc đường chéo. Nhiễu của phép đo tốc độ bánh xe
có thể được xác định bởi thực nghiệm. Sự chính xác
của các cảm biến từ-địa bàn, của các phép đo LRF và
cameara nhận được từ đặc điểm kỹ thuật của nhà sản
xuất. Các số liệu này được điền vào R
k
cho bước điều
chỉnh EKF.
var( ) 0 0 0 0 0

0 var( ) 0 0 0 0
0 0 var( ) 0 0



L
R
compass
k
R




0
0 0 0 var( ) 0 0
0 0 0 0 var( ) 0
0 0 0 0




LRF
LRF
r

)
0 var(
camera


 
 
 
 
 
 
 
 
 
 

4. Kết quả thực nghiệm và thảo luận
Robot đã được thiết kế, chế tạo và cho chạy thử
nghiệm trong một phòng có mặt sàn gỗ phẳng. Cảm
biến từ-địa bàn có độ chính xác 0,1. Máy đo xa LRF
có độ chính xác đo khoảng cách là 30 mm và góc lệch
±0,25. Thời gian lấy mẫu tín hiệu t của LRF là
0,1 s. Hệ số tỷ lệ

của ma trận hiệp phương sai lối
vào Q
k
được xác định bằng thực nghiệm là 0,01.
Robot được lập trình di chuyển trong phòng với
các trường hợp khác nhau:
- Chỉ sử dụng định vị bằng phương pháp
Odometry.
- Sử dụng định vị bằng phương pháp tổng hợp
cảm biến với bộ lọc EFK. Với phương pháp này
cũng thử với các cấu hình khác nhau: trộn lẫn

chỉ sensor từ-địa bàn, trộn lẫn chỉ RLF, trộn lẫn
cả hai cảm biến với phương pháp Odometry.
Kết quả các quỹ đạo di chuyển nhận được từ các số
liệu so với quỹ đạo thực được chỉ ra trên hình 10 cho
thấy sự cải thiện đáng kể khi áp dụng phương pháp
tổng hợp cảm biến và kết quả cũng cho thấy càng có
nhiều cảm biến tham gia vào quá trình này thì giá trị
ước lượng vị trí robot càng gần với giá trị thực
[12].

Hình 10. Quỹ đạo robot ước lượng được với
các cấu hình bộ lọc EFK khác nhau.
Hình 11 là kết quả chi tiết về độ lệch theo phương
chuyển động Y của robot nhận được từ các phép đo so
với giá trị thực với các trường hợp khác nhau. Hình
12 là kết quả khác chứng minh hiệu quả của bộ lọc
Kalman khi cho robot di chuyển theo một quỹ đạo
hình vuông trong phòng với các trường hợp có và
không có bộ lọc Kalman. Đường vị trí robot được ước
lượng với EKF cho thấy nó rất gần với đường đi thực
của robot.

6


Hình 11. Độ lệch theo phương Y giữa các vị trí ước lượng
và vị trí thực với các cấu hình EKF khác nhau.

Hình 13. Hiệu quả của bộ lọc Kalman.
5. Kết luận

Các kết quả cải thiện giá trị định vị của robot di
động bằng phương pháp tổng hợp cảm biến với bộ lọc
Kalman cho thấy việc xây dựng robot đa sensor là có ý
nghĩa thiết thực giúp cho quá trình dẫn đường robot
trong hoạt động tự trị của nó.
Những nghiên cứu định lượng tiếp theo sẽ được áp
dụng trên hệ thống robot được thiết kế lắp đặt hứa hẹn
sẽ có thêm các kết quả hữu ích đóng góp cho lĩnh vực
nghiên cứu về robot di động, một loại sản phẩm tiềm
năng trong các lĩnh vực công nghiệp, dịch vụ, an ninh
quốc phòng.
Đề tài nhận được sự hỗ trợ từ phòng thí nghiệm
các hệ tích hợp thông minh SIS thuộc Đại học Công
nghệ, ĐHQG HN.

Tài liệu tham khảo
[1] J. Borenstain, H.R. Everette, and L. Feng, "Where
I am ? Sensor and Methods for Mobile Robot
Positioning", University of Michigan, 1996.
[2] H. F. Dunant-Whyte , “Sensor models and multi-
sensor integration”,Z nt.J.Robot. Res., vol. 7, no.
6, pp. 97-113, 1988.
[3] Y. C. Tang and C. S. G. Lee, “A geometric
feature relation graph formulation for consistent
sensor fusion” , in Proc. IEEE 1990 Int. ConSyst.,
Man, Cybern., Los Angeles, CA, 1990, pp. 188-
193.
[4] />h.htm
[5] Sick AG., 2006-08-01 Telegrams for Operating/
Configuring the LMS 2xx (Firmware Version

V2.30/X1.27), www.sick.com , Germany.
[6] N. Winters et al, “Omni-directional vision for
robot navigation”, Omnidirectional Vision, 2000.
Proceedings. IEEE Workshop on, Hilton Head
Island , USA, Jun 2000.
[7] J. L. Crowly, “World modeling and position
estimation for a mobile robot using ultrasonic
ranging”, in Proc. IEEE Int. Conf. Robot.,
Automat., 1989, pp. 674-680.
[8]
[9] “MODBUS over serial
line specification and implementation guide
V1.02”. Dec 20, 2006.
[10] J. Borenstein and L. Feng, “A Method for
Measuring, Comparing, and Correcting Dead-
reckoning Errors in Mobile Robots”, Technical
Report UM-MEAM-94-22, University of
Michigan, 1994.
[11] Greg Welch and Gary Bishop, "An Introduction
to the Kalman Filter", Department of Computer
Science, University of North Carolina at Chapel
Hill, Chapel Hill, NC 27599-3175, 2006.
[12] Manh Duong PHUNG, Thuan Hoang TRAN,
Thanh Van NGUYEN, Anh Viet DANG, and
Quang Vinh TRAN, "A Novel Platform for
Internet-based Mobile Robot System", 7
th
IEEE
Conference on Industrial Electronics &
Applications ICIEA 2012, Singapore.

Abstract
The report presents the design of a multi-sensor
mobile robot and the robot’s localization based on the
sensor fusion method with Extended Kalman Filter
(EKF). Modern sensors such as optical encoders,
heading sensor, laser range finder, omni-directional
camera, ultrasonic sensor, GPS sensor used
concurrently so that an efficient data communication
system has been designed and installed in robot.
Based on this system, the sensor fusion – based
controlling program with Extended Kalman Filter was
developed which permits to estimate accurately the
robot’s position and orientation in condition of
environment’s noise.