Đồ án nghiên cứu phát triển hệ thống định vị và dẫn đường cho robot hoạt động ở môi trường trong nhà

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

PHAN HOÀNG ANH

NGHIÊN CỨU PHÁT TRIỂN HỆ THỐNG ĐỊNH VỊ VÀ
DẪN ĐƯỜNG CHO ROBOT HOẠT ĐỘNG Ở MÔI
TRƯỜNG TRONG NHÀ

LUẬN VĂN THẠC SĨ
CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ, TRUYỀN THÔNG

Hà Nội, 2020


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

PHAN HOÀNG ANH

NGHIÊN CỨU PHÁT TRIỂN HỆ THỐNG ĐỊNH VỊ VÀ
DẪN ĐƯỜNG CHO ROBOT HOẠT ĐỘNG Ở MƠI
TRƯỜNG TRONG NHÀ

Ngành

: Cơng nghệ kỹ thuật điện tử, truyền thông

Chuyên ngành

: Kỹ thuật điện tử

Mã ngành

: 8510302.01

LUẬN VĂN THẠC SĨ
CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ, TRUYỀN THÔNG

Giảng viên hướng dẫn: GS.TS Chử Đức Trình

Hà Nội, 2020


1

LỜI CẢM ƠN
Trước tiên, tôi xin gửi lời cảm ơn đến các thầy, cô giáo Trường Đại học Công
nghệ ĐHQGHN, Khoa Điện tử - Viễn thơng đã tận tình giảng dạy và truyền đạt những
kiến thức, kinh nghiệm quý giá trong suốt quá trình học tập và nghiên cứu cũng như
trong q trình thực hiện đề tài.
Tơi cũng xin gửi lời cảm ơn sâu sắc đến GS.TS Chử Đức Trình đã tận tình hướng
dẫn, cung cấp tài liệu, thiết bị trong suốt quá trình thực hiện đề tài này.

Hà Nội, tháng 11 năm 2020

Phan Hoàng Anh


2

LỜI CAM ĐOAN
Luận văn đánh dấu cho những thành quả, kiến thức tơi đã thu nhận được trong
q trình rèn luyện, học tập tại trường. Tôi xin cam đoan luận văn được hồn thành bằng
q trình học tập và nghiên cứu của tơi.
Trong luận văn này tơi có tham khảo một số tài liệu và một số bài báo đều được
đưa ra ở phần tài liệu tham khảo.
Tôi xin cam đoan những lời trên là sự thật và chịu mọi trách nhiệm trước thầy cô
và hội đồng bảo vệ luận văn.

Hà Nội, tháng 11 năm 2020

Phan Hoàng Anh


3

MỤC LỤC
LỜI CẢM ƠN ................................................................................................................. 1
LỜI CAM ĐOAN ........................................................................................................... 2
MỤC LỤC ...................................................................................................................... 3
DANH MỤC HÌNH ẢNH .............................................................................................. 4
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT .................................................... 5
MỞ ĐẦU ........................................................................................................................ 6
CHƯƠNG 1. TỔNG QUAN NGHIÊN CỨU ................................................................ 7
1.1. Tổng quan hệ thống dẫn đường cho robot di động...............................................7
1.2. Định vị và xây dựng bản đồ ..................................................................................8
1.3. Lập kế hoạch đường đi ........................................................................................11
1.4. Đề xuất nội dung nghiên cứu ..............................................................................12
CHƯƠNG 2. ĐỀ XUẤT HỆ THỐNG ĐỊNH VỊ VÀ DẪN ĐƯỜNG CHO ROBOT 14
2.1. Xây dựng bản đồ của môi trường .......................................................................14

2.2. Hệ thống định vị trong nhà cho robot .................................................................17
2.3. Lập kế hoạch đường đi cho robot .......................................................................24
2.4. Hệ thống định vị và dẫn đường cho robot tự hành tại môi trường trong nhà ....26
CHƯƠNG 3. CHẾ TẠO ROBOT VÀ THỬ NGHIỆM HỆ THỐNG TRONG NHÀ . 28
3.1. Thiết kế và chế tạo phần cứng.............................................................................28
3.1.1. Thiết kế khung cơ khí ....................................................................................28
3.1.2. Thiết kế hệ di chuyển bằng bánh đa hướng ..................................................29
3.1.3. Thiết kế khối phần cứng tổng thể ..................................................................30
3.2. Thiết kế phần mềm ..............................................................................................32
3.2.1. Hệ điều hành robot (ROS) ............................................................................32
3.2.2. Giải thuật điều khiển hệ di chuyển bánh xe đa hướng. ................................33
CHƯƠNG 4. KẾT QUẢ, ĐÁNH GIÁ KHẢO SÁT VÀ ỨNG DỤNG ROBOT........ 36
4.1. Tạo lập bản đồ phòng .........................................................................................36
4.2. Khảo sát độ chính xác hệ thống định vị ..............................................................37
4.3. Khảo sát hệ lập kế hoạch đường đi cho robot ....................................................39
4.4. Ứng dụng Robot hướng dẫn viên trong phòng trưng bày sản phẩm ..................41
KẾT LUẬN .................................................................................................................. 45
DANH MỤC CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN
LUẬN VĂN ................................................................................................................. 46
TÀI LIỆU THAM KHẢO ............................................................................................ 47


4

DANH MỤC HÌNH ẢNH
Hình 1.1 Sơ đồ khối hệ thống dẫn đường cho robot di động ..........................................8
Hình 1.2 Minh họa cấu trúc đơn giản của hệ thống GNSS .............................................9
Hình 1.3 Thuật tốn dựa trên lưới .................................................................................12
Hình 1.4 Ví dụ thuật tốn tìm đường dựa trên lấy mẫu.................................................12
Hình 2.1 Hình ảnh robot TurtleBot trong thực tế ..........................................................14

Hình 2.2 Bản đồ căn phịng được xây dựng bởi robot TurtleBot ..................................15
Hình 2.3 Lưu đồ thuật toán SLAM của robot sử dụng Particle Filter ...........................15
Hình 2.4 Robot đang trong quá trình tạo bản đồ sử dụng bộ lọc hạt ............................16
Hình 2.5 Bản đồ được tích hợp gói phần mềm Costmap2D .........................................16
Hình 2.6 Hệ thống định vị trong nhà để xác định tọa độ robot .....................................17
Hình 2.7 Hệ thống định vị trong nhà IPS ......................................................................18
Hình 2.8 Phần mềm Dashboard cài đặt cấu hình các thiết bị beacon............................19
Hình 2.9 Sơ đồ truyền sóng siêu âm của beacon ...........................................................20
Hình 2.10 Mơ tả thuật tốn trilateration trong khơng gian 2 chiều ...............................21
Hình 2.11 Sơ đồ hệ thống tổng quát ..............................................................................26
Hình 2.12 Đo khoảng cách đến vật thể bằng máy ảnh Realsense ...............................27
Hình 3.1 Khung thân của robot và đế di chuyển ...........................................................28
Hình 3.2 Nhơm định hình và đai ốc để tạo khung .........................................................29
Hình 3.3 Thiết bị phần cứng của khối di chuyển ..........................................................29
Hình 3.4 Sơ đồ kết nối thiết bị phần cứng của khối di chuyển .....................................30
Hình 3.5 Mô phỏng hành vi di chuyển với hệ 3 bánh xe đa hướng ..............................30
Hình 3.6 Mơ tả hệ thống phần cứng của robot ..............................................................32
Hình 3.7 Kiến trúc của Ros ...........................................................................................33
Hình 3.8 Các thơng số hệ đế di chuyển .........................................................................33
Hình 3.9 Đường đi của robot trong một quy trình.........................................................34
Hình 3.10 Thuật tốn điều khiển robot bám đường đi ..................................................35
Hình 4.1 Bản đồ được xây dựng ....................................................................................36
Hình 4.2 Bản đồ qua gói phân tích Costmap2D ............................................................37
Hình 4.3 Dữ liệu tọa độ robot theo trục X .....................................................................37
Hình 4.4 Dữ liệu tọa độ theo trục Y ..............................................................................38
Hình 4.5 Kết quả tọa độ của robot qua bộ lọc Kalman Filter........................................38
Hình 4.6 Kết quả phóng to tọa độ của robot qua bộ lọc Kalman Filter ........................39
Hình 4.7 Đường đi tạo ra trên bản đồ 2D ......................................................................40
Hình 4.8 Robot tránh vật cản chuyển động ...................................................................41
Hình 4.9 Mơ tả hệ thống tổng thể của robot hướng dẫn viên ........................................42

Hình 4.10 Sơ đồ của phịng truyền thống ......................................................................43
Hình 4.11 Robot đang thuyết minh về khu vực những đặc trưng cơ bản .....................43


5

DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
STT

Ký hiệu chữ viết tắt

Chữ viết đầy đủ

1

IPS

Indoor Positioning System

2

ROS

Robot Operating System

3

LIDAR

Light Detection And Ranging

4

SLAM

Simultaneous localization and mapping

5

EKF

Extended Kalman Filter

6

IMU

Inertial measurement unit

7

DoF

Degree of Fredom


6

MỞ ĐẦU
Robot dịch vụ đang là một xu hướng nghiên cứu và phát triển của nhiều nước

trên thế giới hiện nay. Rất nhiều loại robot tân tiến đã được ra đời như robot chăm sóc
người nhà, robot nội chợ, robot bệnh viện, robot hướng dẫn sân bay. Một đặc điểm
chung giữa những robot này là môi trường hoạt động chủ yếu ở trong nhà. Một robot di
chuyển thông minh là robot có khả năng tự động di chuyển linh hoạt trong mơi trường
có nhiều chướng ngại vật mà khơng xảy ra hiện tượng, cụ thể là các vật dụng nhiều hình
dạng như bàn, ghế, tủ. Trên thế giới hiện nay đã có rất nhiều nghiên cứu giới với các
thuật giải và phương pháp khác nhau cho dẫn đường rô bốt trong các môi trường trong
nhà. Những nghiên cứu rất đa dạng, sử dụng nhiều loại cảm biến khác nhau và phục vụ
nhiều mục đích khác nhau. Tuy nhiên, các hệ thống phổ biến thường có tính đặc thù cho
từng loại robot có hình dạng, kiểu dáng nhất định do đặc tính của cảm biến sử dụng. Vì
vậy, tính mở rộng của hệ thống đang là bài toán rất được quan tâm. Gần dây, có nhiều
sản phầm cảm biến cơng nghệ cao đã được ra đời nhằm nâng cao tính mở rộng của hệ
thống, nhưng đổi lại giá thành rất cao.
Mục tiêu của đề tài là nghiên cứu, phát triển một hệ thống định vị và dẫn đường
sử dụng kết hợp hệ thống định vị trong nhà IPS và robot tạo lập bản đồ Turtlebot. Hệ
thống định vị trong nhà IPS trả về dữ liệu tọa độ có độ chính xác cao và ít bị ảnh hưởng
bởi yếu tố mơi trường. Robot tạo lập bản đồ TurtleBot là robot phổ biến chuyên dụng
trong việc thiết lập bản đồ tại môi trường trong nhà, kết quả cho ra một bản đồ dạng ảnh
có thể phân tích. Hệ thống định vị và dẫn đường được phát triển mơ-đun hóa, có thể mở
rộng cho nhiều bài toán, nhiều loại robot khác nhau. Một robot đã được chế tạo để thử
nghiệm hệ thống định vị và dẫn đường. Bên cạnh đó ứng dụng robot hướng dẫn viên
cho nhà trưng bày của Đại học Quốc gia cũng đã được phát triển để tích hợp hệ thống.


7

CHƯƠNG 1. TỔNG QUAN NGHIÊN CỨU
1.1. Tổng quan hệ thống dẫn đường cho robot di động
Những tiến bộ trong công nghệ trong lĩnh vực robot đã có những đóng góp to lớn
trong nhiều lĩnh vực công nghiệp và xã hội trong thời gian gần đây. Ngày nay, nhiều

ứng dụng của hệ thống robot có thể được tìm thấy trong tự động hóa nhà máy, hệ thống
giám sát, hệ thống kiểm soát chất lượng, AGV (phương tiện tự động dẫn đường), chống
thảm họa, hỗ trợ y tế, v.v. Ngày càng có nhiều ứng dụng rơ bốt nhằm mục đích cải thiện
cuộc sống hàng ngày của chúng ta và rô bốt hiện bị bắt gặp thường xuyên hơn bao giờ
hết trước khi thực hiện các nhiệm vụ khác nhau [1]. Đối với nhiều ứng dụng như vậy,
khả năng di chuyển tự động của robot là một vấn đề quan trọng bắt buộc. Robot di động
tự động là những robot có thể thực hiện nhiệm vụ trong mơi trường có cấu trúc hoặc
khơng có cấu trúc mà khơng có sự hướng dẫn liên tục của con người. Robot di động
hoàn toàn tự động có khả năng:
-

Thu thập thơng tin về mơi trường.
Làm việc trong thời gian dài mà khơng có sự can thiệp của con người.
Di chuyển toàn bộ hoặc một phần trong mơi trường hoạt động của nó mà khơng cần
sự hỗ trợ của con người.
Tránh các tình huống có hại cho con người, tài sản hoặc bản thân, trừ khi đó là một
phần của thông số kỹ thuật thiết kế.

Robot di động tự động cũng có thể học hoặc đạt được các khả năng mới như điều
chỉnh các chiến lược để hồn thành (các) nhiệm vụ của nó hoặc thích ứng với sự thay
đổi của môi trường xung quanh [2].
Cho bất kỳ cỗ máy di chuyển tự hành nào, khả năng định hướng trong môi trường
hoạt động của chúng là rất quan trọng. Khả năng tránh các tình huống nguy hiểm như
va chạm và ở các điều kiện khơng an tồn được đặt lên hàng đầu(nhiệt độ, bức xạ, tiếp
xúc với thời tiết, ..v.v)[3]. Dẫn đường cho robot có nghĩa là robot có khả năng xác định
được vị trí của chính nó trong hệ quy chiếu của nó và sau đó lập kế hoạch đường đi tới
một số vị trí mục tiêu. Để dẫn đường trong mơi trường của nó, robot hoặc bất kỳ thiết
bị di động nào khác yêu cầu một bản đồ của môi trường và khả năng phân tích bản đồ
đó. Dẫn đường có thể được định nghĩa là sự kết hợp của 3 chức năng cơ bản:
-

Tự định vị
Xây dựng và phân tích bản đồ
Lập kế hoạch đường đi

Một số hệ thống định vị và dẫn đường của robot sử dụng kỹ thuật tạo lập bản đồ và
định vị đồng thời để tạo ra các bản 3D của môi trường xung quanh chúng. Định vị cho
robot biểu thị khả năng robot thiết lập vị trí và định hướng của chính nó trong hệ quy
chiếu.
Lập kế hoạch đường đi thực sự là một phần mở rộng của định vị, trong đó nó u
cầu xác định vị trí hiện tại của robot và vị trí của mục tiêu, cả hai đều cần nằm trong một
hệ quy chiếu hoặc hệ tọa độ. Xây dựng bản đồ có thể ở dạng bản đồ hệ mét hoặc bất kỳ
ký hiệu nào mô tả các vị trí trong hệ quy chiếu robot.
Sơ đồ khối của hệ thống dẫn đường cho robot di động được thể hiện trên Hình 1.1.


8

Hình 1.1 Sơ đồ khối hệ thống dẫn đường cho robot di động

1.2. Định vị và xây dựng bản đồ
Để hoạt động được trong môi trường thực tế, robot luôn phải biết được mình đang
ở đâu và đang cần đi đến đâu, cuối cùng là đưa ra quyết định và tự mình đi đến. Quá
trình này cần sự hỗ trợ của một bộ các cảm biến và chương trình kết nối các cảm biến
lại với nhau để cho ra kết quả là vị trí của Robot. Kết hợp tất cả các phần lại với nhau
sẽ cho ra hệ thống định vị. Hệ thống này giúp cho Robot xác định được vị trí của mình,
nó trả về dữ liệu tọa độ của Robot là một trong những dữ liệu đầu vào quan trọng cho
các thuật toán dẫn đường cho Robot trong khơng gian và cuối cùng Robot có thể xác
định được con đường cần phải đi đến đích.
Trên thế giới hiện nay có rất nhiều hệ thống định vị được sử dụng rộng rãi trong

xã hội. Tuy nhiên, hệ thống định vị về cơ bản được phân ra làm ba loại theo không gian
hoạt động: Hệ thống định vị không gian ngoài trái đất, chuỗi hệ thống điều hướng toàn
cầu bằng vệ tinh (viết tắt là GNSS) và hệ thống định vị trong nhà (viết tắt là IPS). Hệ
thống định vị khơng gian ngồi trái đất sử dụng sóng vơ tuyến để xác định vị trí của các
tàu khơng gian ngồi vũ trụ. Các tàu vũ trụ đều được lắp đặt các bộ phát sóng và thu
sóng để thu phát các dải sóng vơ tuyến, các dải sóng đấy sẽ đi qua q trình xử lý, từ đó
các phi hành gia sẽ biết rõ được vị trí cụ thể của con tàu. Dữ liệu về góc và góc quay có
thể thu được bằng cách sử dụng các vì sao làm điểm mốc để tính tốn. Chuỗi hệ thống
điều hướng tồn cầu bằng vệ tinh là sự hợp tác giữa các quốc gia đang sở hữu vệ tinh
định vị cung cấp dữ liệu vị trí cho mục đích dân sự. Đây là phương pháp đang được sử
dụng rộng rãi nhất hiện nay. Nó có thể xác định vị trí khơng gian ba chiều (Kinh độ, vĩ


9

độ và cao độ) hiện tại của vật thể trên bề mặt trái đất cũng như thời gian bằng cách sử
dụng một bộ thu sóng chuyên dụng dùng để xử lý sóng vơ tuyến thu được từ các cụm
vệ tinh với độ chính xác từ 2m đến 20m và 10ns. Cịn các vệ tinh sẽ thu được tọa độ của
mình bằng cách nhận sóng vơ tuyến từ các trạm phát sóng cố định trên mặt đất. Hệ thống
cần phải thu được sóng của ít nhất ba vệ tinh. Từ đó bằng các phép tính cơ bản về khoảng
cách, kết quả thu được là tọa độ của vật thể. Trên thế giới hiện nay có 6 quốc gia đang
triển khai vệ tinh định vị với độ phủ sóng tồn cầu, trong đó nổi bật nhất là GPS của Mỹ
và GLONASS của Nga. Chuỗi hệ thống điều hướng toàn cầu bằng vệ tinh đã giúp ích
rất nhiều trong cơng cuộc phát triển khoa học kỹ thuật với một loạt các ứng dụng trong
hầu như mọi lĩnh vực.

Hình 1.2 Minh họa cấu trúc đơn giản của hệ thống GNSS
Tuy nhiên, mặc dù sóng vô tuyến cho kết quả định vị tối ưu nhất, trong quá trình
di chuyển chúng dễ bị phản xạ bởi các vật cản hoặc bị giảm tốc độ truyền trong các tầng
mây đối lưu, vậy nên chuỗi hệ thống điều hướng toàn cầu bằng vệ tinh chỉ sử dụng được

ở ngồi trời. Điều đó địi hỏi cần phải có các hệ thống ra đời phục vụ cho các không gian
đặc biệt hơn mà sóng vơ tuyến khơng thể vươn tới được. Các khơng gian đấy có thể là
văn phịng, bảo tàng, rạp chiếu phim, hầm mỏ,… Hệ thống định vị trong nhà ra đời để
đáp ứng điều kiện đó. Đây là hệ thống có thể áp dụng một trong nhiều công nghệ cảm
biến khác nhau để thu thập và phân tích các tín hiệu từ ánh sáng, sóng, từ trường, hình
ảnh, âm thanh hoặc thậm chí là xử lý ảo bằng các thuật tốn thống kê. Mỗi loại tín hiệu
đều có ưu nhược điểm riêng. Bước xử lý tín hiệu để cho ra kết quả định vị cũng sử dụng
nhiều phương pháp khác nhau, ví dụ như: Đo khoảng cách từ vật thể đến các điểm cố
định đã biết vị trí (Có thể là điểm phát wifi, điểm phát sóng vô tuyến, điểm phát
Bluetooth,… ), hoặc các điểm được phát hiện và gán nhãn là điểm cố định một cách tự
động nhờ phân tích hình ảnh, laser (hay cịn gọi là LIDAR), âm thanh,…, đo từ tính;
ước lượng vị trí; … Hệ thống định vị trong nhà tuy là một hệ thống mới nhưng đã được
sử dụng rộng rãi trong nhiều lĩnh vực như công nghiệp, thương mại, quân sự,…[4].


10

Định vị robot di động được chia thành 4 loại tùy thuộc vào đặc điểm của môi
trường hoạt động và trạng thái ban đầu của robot [5].
-

-

-

Loại 1: liên quan đến tư thế của robot tại thời điểm ban đầu. Đây là loại phân
chia phổ biến nhất, nhiều tài liệu chỉ đề cập đến loại phân chia này:
●

Định vị toàn cục (tuyệt đối): tư thế ban đầu của robot không được biết trước,

xác định vị trí của robot dựa trên các cột mốc dẫn đường, khớp bản đồ hay hệ
thống định vị toàn cầu (GPS)[6-8]

●

Định vị cục bộ (tương đối) : tư thế ban đầu của robot được biết trước, ước
tính vị trí và hướng của robot thơng qua việc tích hợp thơng tin từ bộ lập mã
hoặc các cảm biến quán tính. Phương pháp hay sử dụng trong định vị cục bộ
là dead-reckoning.

Loại 2: liên quan đến đặc điểm của môi trường hoạt động:
●

Định vị trong môi trường tĩnh: chỉ có robot di chuyển trong khi các vật khác
giữ ngun vị trí vì thế chỉ cần quan tâm tới tư thế của robot [9-11]

●

Định vị trong môi trường động: vị trí và cấu hình của các vật thay đổi theo
thời gian vì thế vấn đề định vị sẽ trở nên khó khăn khi phải tính đến cả những
yếu tố thay đổi của môi trường hoạt động.

Loại 3: liên quan đến vấn đề thuật tốn định vị có tham gia vào quá trình điều
khiển chuyển động của robot [12]:
● Định vị thụ động: mô đun định vị làm việc như một bộ quan sát, việc điều
khiển robot không bao gồm vấn đề định vị
● Định vị chủ động: các thuật tốn định vị điều khiển robot theo hướng tối thiểu
hóa sai số định vị.

-

Loại 4: liên quan đến số lượng robot hoạt động:
● Định vị đơn robot: dữ liệu chỉ cần tập hợp trên một nền robot đơn, không quan
tâm tới vấn đề truyền thơng.
● Định vị đa robot: ngồi việc định vị cho một robot thì cần quan tâm tới vấn
đề truyền thông giữa các robot

Đồng thời định vị và tái tạo môi trường (SLAM) [13-14] là vấn đề được biết đến
khá phổ biến với những ứng dụng liên quan đến điều khiển tự động (bao gồm xe tự hành,
các thiết bị robot thông minh, thiết bị bay tự động). Các cảm biến cung cấp những dữ
liệu để xây dựng hình ảnh xung quanh chúng và vị trí của chúng trong mơi trường đó.
Từ đó, thiết bị (robot, xe) có thể định vị đang ở đâu, trạng thái, tư thế của nó trong mơi
trường để tự động tìm đường đi trong môi trường hiện tại. Ban đầu hai vấn đề về định
vị và tái tạo môi trường được nghiên cứu độc lập, tuy nhiên khi nhận thấy mối liên quan
giữa hai vấn đề này:
● Định vị: cần xác định vị trí hiện tại của thiết bị dựa trên bản đồ tái tạo.
● Tái tạo bản đồ: cần xác định vị trí của đối tượng trong bản đồ để xây dựng bản
đồ chính xác nhất và ít sai số nhất.
Trong giai đoạn 1985 – 1990, Raja Chatila và Jean-Paul Laumond (1985) và
Randall Smith (1990) đã đề xuất gộp hai vấn đề với nhau để nghiên cứu. Một thời gian
sau đó, SLAM ra đời.


11

Các cảm biến phục vụ cho SLAM có thể được chia thành hai loại: cảm biến ngoại
vi và cảm biến nội vi. Cảm biến ngoại vi (exteroceptive sensor) có nhiệm vụ nhận và đo
thông tin về các thành phần ở môi trường xung quanh. Một số cảm biến ngoại vi phổ
biến có thể được kể đến như cảm biến siêu âm, cảm biến phát hiện ánh sáng và phạm vi
(LiDAR), cảm biến hình ảnh,... Cảm biến siêu âm là thiết bị sử dụng sóng âm thanh với

tần số cao để dị tìm và xác định vị trí của đối tượng. Cảm biến phát hiện ánh sáng và
phạm vị là thiết bị sử dụng tia laser để xác định khoảng cách đến một đối tượng, phương
pháp được sử dụng phổ biến là bắn một chùm tia laser đến đối tượng và đo thời gian
phản xạ lại từ đối tượng về nơi bắn tia laser. Cảm biến hình ảnh thu thập hình ảnh từ
môi trường xung quanh. Cảm biến nội vi (proprioceptive sensor) là những cảm biến giúp
cho thiết bị có thể đo được tốc độ, sự thay đổi vị trí và gia tốc của thiết bị. Một số cảm
biến nội vi như bộ mã hóa vịng quay, cảm biến gia tốc, con quay hồi chuyển,... Bộ mã
hóa vịng quay (encoder) là thiết bị được sử dụng phổ biến trong các hệ thống điều khiển
tự động để báo vận tốc. Cảm biến gia tốc (accelerometer) là một thiết bị để đo gia tốc
ba chiều x, y, z. Con quay hồi chuyển (gyroscope) là thiết bị để đo và duy trì phương
hướng.
1.3.

Lập kế hoạch đường đi

Lập kế hoạch đường đi [15-17] hay còn gọi là định tuyến cho robot là từ vị trí
hiện tại robot xác định được đường đi tới vị trí đích. Có thể phân thành hai loại lập kế
hoạch đường đi trong môi trường tĩnh và môi trường động. Trong mơi trường tĩnh với
các vật cản cố định thì sau khi xác định được đường đi tới đích robot sẽ di chuyển theo
đúng đường đi đó. Nhưng trong mơi trường động hay mơi trường chưa xác định trước,
q trình lập kế hoạch đường đi gọi là đường đi toàn cục, khi có bất kỳ sự thay đổi nào
ví dụ như có vật cản bất kỳ thì robot sẽ thực hiện tránh vật cản trước sau đó mới tiếp tục
thực hiện đường đi tồn cục. Q trình tránh vật cản được xem như là đường đi cục bộ.
Khi lập kế hoạch đường đi cần phải quan tâm đến: không gian cấu hình C, khơng
gian trống Cfree , khơng gian đích và khơng gian chướng ngại vật. Khi đó có thể sử dụng
các thuật toán dựa trên lưới phủ một lưới lên trên khơng gian cấu hình hoặc các thuật
tốn hình học tính tốn hình dạng và kết nối của Cfree.


12

Hình 1.3 Thuật tốn dựa trên lưới
Phủ một lưới lên khơng gian cấu hình và giả sử mỗi cấu hình được xác định bằng
một điểm lưới. Tại mỗi điểm lưới, robot được phép di chuyển đến các điểm lưới liền kề
miễn là đường giữa chúng nằm hoàn toàn trong Cfree. Điều này làm tùy ý tập hợp các
hành động và các thuật tốn tìm kiếm được sử dụng để tìm đường dẫn từ đầu đến mục
tiêu. Phương pháp này yêu cầu thiết lập độ phân giải lưới. Tìm kiếm nhanh hơn với các
lưới thơ hơn, nhưng thuật tốn sẽ khơng tìm thấy đường dẫn qua các phần hẹp của Cfree.
Tuy nhiên số lượng các điểm trên lưới tăng lên theo cấp số nhân trong kích thước khơng
gian cấu hình, khiến chúng khơng phù hợp với các bài tốn chiều cao. Bên cạnh đó các
phương pháp tiếp cận dựa trên lưới thường cần phải tìm kiếm nhiều lần, ví dụ, khi kiến
thức của robot về khơng gian cấu hình thay đổi hoặc chính khơng gian cấu hình thay đổi
trong q trình theo dõi đường dẫn. Các thuật tốn tìm kiếm theo kinh nghiệm gia tăng
lập kế hoạch lại nhanh chóng bằng cách sử dụng kinh nghiệm với các vấn đề lập kế
hoạch đường dẫn tương tự trước đó để tăng tốc độ tìm kiếm của họ cho vấn đề hiện tại.

Hình 1.4 Ví dụ thuật tốn tìm đường dựa trên lấy mẫu
Các thuật toán dựa trên lấy mẫu đại diện cho khơng gian cấu hình với một lộ trình
các cấu hình được lấy mẫu. Một thuật toán cơ bản lấy mẫu N cấu hình trong C và giữ
lại những cấu hình đó trong Cfree để sử dụng làm cột mốc. Sau đó, một lộ trình được xây
dựng kết nối hai mốc P và Q nếu đoạn thẳng PQ hoàn toàn nằm trong Cfree. Một lần nữa,
phát hiện va chạm được sử dụng để kiểm tra việc đưa vào Cfree. Để tìm đường kết nối S
và G, chúng được thêm vào lộ trình. Nếu một con đường trong lộ trình liên kết S và G,
người lập kế hoạch sẽ thành công và trả về con đường đó. Nếu khơng, lý do khơng chắc
chắn: hoặc khơng có đường dẫn trong Cfree, hoặc người lập kế hoạch đã không lấy mẫu
đủ các mốc quan trọng. Các thuật tốn này hoạt động tốt cho khơng gian cấu hình nhiều
chiều, bởi vì khơng giống như các thuật tốn tổ hợp, thời gian chạy của chúng khơng
phụ thuộc theo cấp số nhân vào kích thước của C. Về cơ bản chúng dễ thực hiện hơn.
Chúng hoàn thành theo xác suất, có nghĩa là xác suất chúng tạo ra một giải pháp tiếp
cận 1 khi dành nhiều thời gian hơn. Tuy nhiên, họ không thể xác định nếu khơng có giải

pháp nào tồn tại.
1.4.

Đề xuất nội dung nghiên cứu


13

Các hệ thống định vị và dẫn đường cho robot đã được nghiên cứu và phát triển
mạnh mẽ từ rất lâu, nhưng chủ yếu là sử dụng dành cho robot hoạt động ngoài trời do
nhu cầu ứng dụng. Gần đây, robot dịch vụ đã trở thành xu hướng phát triển trên thế giới,
rất nhiều mẫu robot dịch vụ đã ra đời và được ứng dụng thực tế. Do vậy, hệ thống định
vị và dẫn đường trong nhà cũng đã được quan tâm và nghiên cứu nhiều hơn. Tuy nhiên,
các nghiên cứu vẫn còn rời rạc chưa kết hợp thành hệ thống hồn chỉnh, mang nhiều
tính hàn lâm và ứng dụng thực tiễn ít. Các hệ thống robot đã được sử dụng thì lại có giá
thành cao nên chưa phổ biến.
Trong nghiên cứu này, tôi tập trung phát triển một hệ thống dẫn đường dành cho
robot hoạt động ở môi trường trong nhà, với sự kết hợp của 3 chức năng cơ bản định vị,
xây dựng bản đồ và lập kế hoạch đường đi đã nêu trên để hướng tới một robot tự hành
trong nhà với sự linh hoạt cao, tốc độ di chuyển nhanh. Cụ thể, dữ liệu định vị cho robot
được trích xuất từ mộ hệ thống định vị trong nhà IPS sử dụng cơng nghệ sóng siêu âm
tần số cao, với sai số nhỏ rất phù hợp khi sử dụng tại môi trường trong nhà. Chức năng
tạo lập và phân tích bản đồ được phát triển dựa trên các thiết bị phần mềm mã nguồn
mở ROS, kết hợp thiết bị cảm biến chiều sâu LIDAR quét 360 độ cho ra một bản đồ
dạng 2D với độ chính xác cao cỡ cm so với môi trường thực tế. Cuối cùng, các thuật
tốn tìm đường đi phổ biến hiện nay được sử dụng dựa trên dữ liệu bản đồ đã phân tích
và dữ liệu định vị của robot.
Hệ thống được đề xuất với sự kết hợp hoàn chỉnh 3 chức năng của robot là định
vị, tạo bản đồ và lập kế hoạch đường đi. Hệ thống được phát triển dưới dạng mơ-đun,
có thể dễ dàng mở rộng để tích hợp với các hệ thống khác nhau và với các hình dạng

khác nhau. Một robot đã được chế tạo nhằm mục đích thử nghiệm, khảo sát và đánh giá
hệ thống. Kết quả cho thấy hệ thống hoạt động ổn định, sự kết hợp các tính năng là hiệu
quả với độ chính xác cao, robot chạy mượt không xảy ra hiện tượng giật cục. Robot sau
khi thử nghiệm thành công đã được ứng dụng làm robot hướng dẫn viên đặt tại phòng
trưng bày của Đại học Quốc gia Hà Nội. Hoạt động dẫn đường của robot hướng dẫn
viên vẫn ổn định khi có tới hơn 10 khách tham quan, đây là điều đặc biệt giúp hệ thống
được đề xuất vượt trội hơn so với một số hệ thống sử dụng chỉ camera hoặc cảm biến
laser thông thường.


14

CHƯƠNG 2. ĐỀ XUẤT HỆ THỐNG ĐỊNH VỊ VÀ DẪN ĐƯỜNG CHO ROBOT
2.1. Xây dựng bản đồ của môi trường
Bản đồ phòng được xây dựng bằng cách sử dụng cảm biến Lidar để quét và lưu
trữ bản đồ được tích hợp trên robot Turtlebot di chuyển toàn bộ khu vực trong phòng.
TurtleBot là một robot nền tảng tiêu chuẩn ROS. Có 3 phiên bản của dịng TurtleBot.
TurtleBot1 được phát triển bởi Tully (Quản lý nền tảng tại Open Robotics) và Melonee
(Giám đốc điều hành của Fetch Robotics) từ Willow Garage nghiên cứu dựa trên
iRobot’s Roomba, Create, để triển khai ROS. Nó được phát triển vào năm 2010 và được
bán từ năm 2011. Năm 2012, TurtleBot2 được phát triển bởi Yujin Robot dựa trên robot
nghiên cứu, iClebo Kobuki. Vào năm 2017, TurtleBot3 được phát triển với các tính năng
bổ sung các chức năng còn thiếu của người tiền nhiệm và nhu cầu của người dùng.
TurtleBot3 sử dụng thiết bị truyền động thông minh ROBOTIS DYNAMIXEL để lái
xe. [19]
Công nghệ cốt lõi của TurtleBot3 là SLAM và Navigation, làm cho nó phù hợp
với robot dịch vụ cho gia đình. TurtleBot có thể chạy các thuật toán SLAM (định vị và
lập bản đồ đồng thời) để xây dựng bản đồ và có thể tự hành di chuyển quanh phịng.
Hình 2.1 biểu diễn robot Turtlebot với 1 cảm biến Lidar laser quét 360o phục vụ cho
mục đích SLAM và Navigation.

Hình 2.1 Hình ảnh robot TurtleBot trong thực tế
Để xây dựng bản đồ dạng 2D, TurtleBot là một phương án được sử dụng phổ
biến hiện nay, đầu ra của gói SLAM được cài đặt trên TurtleBot sẽ là một bản đồ dạng
ảnh 2 chiều, loại bản đồ thường được sử dụng trong cộng đồng ROS. Hình 2.2 biểu diễn
1 ví dụ về bản đồ mà TurtleBot đã quét được. Bản đồ được xây dựng rất cơ bản, khiến
việc phân tích của chúng ta trở nên dễ dàng hơn. Như trong hình ảnh thể hiện, vùng màu
trắng là vùng đất trơng mà robot có thể tự do di chuyển, vùng màu đen là vùng bị chiếm
bởi vật cản như (tưởng, bàn ghế, tủ), là những vật cố định nơi mà robot không thể di
chuyển tới, và cuối cùng là phần màu xám là khu vực chưa được robot khám phá. Bản
đồ này sua khi được tạo ra sẽ được sử dụng với mục đích dẫn đường cho robot.


15

Hình 2.2 Bản đồ căn phịng được xây dựng bởi robot TurtleBot
Robot TurtleBot có thể thực hiện các gói phần mềm SLAM sử dụng các loại thuật
toán khác nhau dựa trên nền tảng ROS như Gmapping, Cartographer, hector, karto, tuy
nhiên sử dụng phổ biến nhất vẫn là Gmapping. Với dữ liệu cảm biến laser quét 360o,
TurtleBot vừa có thể tạo bản đồ, vừa có khả năng tự định vị mình trong bản đồ đó. Đối
với thuật tốn Gmapping, robot sử dụng bộ lọc của Rao-Blackwellized Particle Filter để
tìm ra tọa độ gần với vị trí thực tế của robot trên bản đồ. Hình 2.3 biểu diễn lưu đồ thuật
tốn của Particle Filter cho quy trình vừa định vị vừa cập nhật bản đồ vào cơ sở dữ liệu.
Cách tiếp cận này sử dụng bộ lọc hạt trong đó mỗi hạt mang một bản đồ riêng lẻ của
môi trường. Các hạt sau khi được tọa từ dữ liệu cảm biến, sẽ được gán cho một trọng số
nhất định, sau quá trình lấy mẫu lại, các hạt có trọng số cao hơn sẽ được giữ lại, các hạt
có trọng số thấp hơn sẽ bị loại trừ, từ đó hạt có trọng số lớn nhất sẽ được chỉ định là vị
trí hiện tại của robot. Quá trình này diễn ra liên tục mỗi khi có dữ liệu từ cảm biến trả
về, robot vừa định vị bản thân, vừa cập nhật bản đồ vào cơ sở dữ liệu tại cuối quá trình.

Hình 2.3 Lưu đồ thuật toán SLAM của robot sử dụng Particle Filter


16

Hình 2.4 biểu diễn quá trình lấy mẫu hạt khi robot đang trong quy trình thiết lập
bản đồ, như trong hình, các hạt là các mũi tên đỏ sau quá trình lấy mẫu lại thì có xu
hướng hội tụ về vị trí của robot trong thực tế, trong trường hợp này, nếu robot xoay
quanh tại chỗ càng lâu, thì các hạt sẽ càng hội tụ, từ đó cho ra một tọa độ chính xác nhất.

Hình 2.4 Robot đang trong q trình tạo bản đồ sử dụng bộ lọc hạt
Bản đồ sau khi được xây dựng sẽ tích hợp thêm Costmap 2D. Costmap 2D là một
dạng bản đồ 2D hoặc 3D của phần không gian bị ngăn trở bởi vật cản hoặc tường ngồi
mơi trường và lan rộng nó ra trong bản đồ dựa trên bản đồ dạng lưới và độ rộng của
vùng lan. Hình 2.5 biểu diễn bản đồ tích hợp gói phần mềm Costmap2D của Ros. Những
phần lan ra là những phần không thể di chuyển vào để đảm bảo robot không xảy ra sự
cố khi đến quá gần vật cản hay tường. Vùng được tô màu đen đậm tượng trưng cho vật
cản hay tường của bản đồ costmap, phần xám đậm bao quanh vùng đen tượng trưng cho
sự lan ra của vật cản hay tường, độ rộng của nó phụ thuộc vào bán kín của robot, cịn
đường đa giác màu xanh lá thể hiện cho đường bao quanh robot hay dấu chân của robot.
Để robot tránh va chạm, dấu chân của robot không được để tiếp xúc với vùng màu đen,
và tâm của robot không được tiếp xúc với vùng màu xám.

Hình 2.5 Bản đồ được tích hợp gói phần mềm Costmap2D


17

Với chức năng vừa quét bản đồ, vừa định vị này, bản thân TurtleBot là một hệ
thống định vị và dẫn đường hồn chỉnh có thể sử dụng được. Tuy nhiên, ở đây tơi khơng

sử dụng hồn tồn hệ thống định vị và dẫn đường của TurtleBot, bởi vì TurtleBot chỉ
hoạt động thực sự tốt đối với môi trường là tĩnh, ít có vật cản chuyển động như con
người, nếu nhưu có quá nhiều người xung quanh, dữ liệu định vị và hệ thống dẫn đường
của TurtleBot có thể khơng được ổn định dẫn đến va chạm. Hơn nữa, với việc chỉ sử
dụng cảm biến Lidar quét 360o cũng là một hạn chế đối với 1 robot khi mà robot phải
được thiết kế nhỏ gọn và thấp để tránh được những vật cản có hình thù đặc biệt như bàn,
ghế, mà cảm biến Lidar chỉ có thể quét được chân bàn, ghế. Vì vậy, hệ thống định vị và
dẫn đường của TurtleBot không phù hợp với một môi trường đông người, và đặc biệt
với một hệ robot lớn cỡ con người cao khoảng 1m5. Vì vậy, trong bài tốn này, tôi chỉ
sử dụng kỹ thuật xây dựng bản đồ của TurtleBot phục vụ mục đích dẫn đường.
2.2.

Hệ thống định vị trong nhà cho robot

Hệ thống định vị trong nhà là một hệ thống được thiết kế để cung cấp dữ liệu vị
trí chính xác cho rơ bốt, phương tiện tự động (AGV) và xe lửa. Nó cũng có thể được sử
dụng để theo dõi các đối tượng chuyển động thông qua các đèn hiệu di động được gắn
vào chúng. Hệ thống định vị bao gồm một mạng lưới báo hiệu siêu âm tĩnh được kết nối
với nhau qua giao diện vơ tuyến trong băng tần khơng có giấy phép, một hoặc nhiều báo
hiệu di động được cài đặt trên các đối tượng cần theo dõi và modem cung cấp cổng vào
hệ thống từ PC hoặc các máy tính khác. Vị trí của thiết bị di động được tính tốn dựa
trên độ trễ lan truyền của xung siêu âm (Thời gian tới hoặc TOF) giữa thiết bị tĩnh và
thiết bị di động bằng thuật tốn trilateration. Hệ thống có thể tự động xây dựng bản đồ
của đèn hiệu tĩnh (Đối với Kiến trúc NonInverse). Hình 2.6 minh họa việc sử dụng hệ
thống định vị trong nhà để xác định tọa độ của robot.

Hình 2.6 Hệ thống định vị trong nhà để xác định tọa độ robot


18

Hệ thống định vị và dẫn đường chính xác trong nhà Marvelmind là hệ thống định
vị trong nhà (IPS) hoặc hệ thống định vị thời gian thực trong nhà (RTLS) chính xác nhất
trên thế giới được bán trên thị trường cho các ứng dụng công nghiệp và robot. Hệ thống
định vị trong nhà sử dụng sẵn có dựa trên thiết bị (beacon) phát sóng siêu âm cố định
được kết hợp bởi giao diện vô tuyến trong băng tần ISM (915/868 MHz hoặc 433MHz).
Hình 2.7 là bộ thiết bị IPS của hãng Marvelmind bao gồm 5 thiết bị beacon phát
sóng siêu âm và 1 thiết bị mordem để lưu cấu hình hệ thống. Khoảng cách giữa các thiết
bị có thể được lắp đặt tới 50 mét trong điều kiện phịng thí nghiệm lý tưởng và 30 mét
trong điều kiện phòng thường. Độ chính xác của hệ thống khi có đầy đủ các thiết bị là
1-3% khoảng cách giữa các thiết bị tức có thể lên tới ±2cm. Tần số cập nhật dữ liệu từ
0.05Hz tới 25HZ, và đặc biệt khối lượng các thiết bị rất nhẹ khoảng 59 gram nên có thể
dễ dàng lắp đặt các beacon ở vị trí cao như trần nhà, tường. Với những thông số kỹ thuật
trên, hệ thống định vị IPS hoàn toàn phù hợp với một hệ thống dẫn đường cho robot đặt
tại môi trường trong nhà mà có thể khắc phục được những hạn chế của cảm biến Lidar
đã nêu trên. IPS là một hệ thống định vị độc lập, không bị ảnh hưởng quá nhiều bởi yếu
tố môi trường như cảm biến Lidar, với một cách lắp đặt hợp lý độ chính xác có thể lên
tới ±2cm.

Hình 2.7 Hệ thống định vị trong nhà IPS
Hệ thống định vị trong nhà – IPS xác định vị trí của robot trên bản đồ đã được
xây dựng. Hệ thống này sử dụng các beacon siêu âm cố định tại một số vị trí trong phịng
và tạo thành một mạng lưới liên lạc vô tuyến trong dải tần chưa đăng ký sử dụng với
thiết bị nào khác. Vị trí của robot được xác định dựa trên độ trễ tín hiệu (ToF) của một
beacon thu sóng gắn trên robot tới các beacon siêu âm cố định. Vị trí các beacon trong
hệ thống IPS trên bản đồ của phòng truyền thống. Bản đồ đã xây dựng được đưa vào
Dashboard (Hình 2.8), một cơng cụ xử lý các cấu hình cho IPS trong nhà, điều chỉnh vị
trí cố định của các beacon trên Dashboard sao cho khớp với vị trí đặt thực tế ngồi mơi
trường.

19

Hình 2.8 Phần mềm Dashboard cài đặt cấu hình các thiết bị beacon.
Hệ thống IPS sẽ được đồng bộ với bản đồ của căn phòng sẽ sử dụng, kết quả trả
về tọa độ chính xác của Beacon đặt trên robot ở trong phịng. Vị trí của một thiết bị
(beacon) di động được lắp đặt trên robot (xe cộ, cảnh sát viên, con người) được tính tốn
dựa trên độ trễ lan truyền của tín hiệu siêu âm tới một tập hợp các thiết bị (beacon) siêu
âm tĩnh sử dụng phương pháp trilateration. [20]
Nói một cách dễ hiểu, trilateration là một kỹ thuật tốn học trong đó vị trí của
một điểm trong khơng gian được tính tốn bằng cách sử dụng khoảng cách từ một điểm
đó đến một loạt các thực thể hình học đã biết, ví dụ: hình cầu hoặc hình trịn.
Trong khơng gian 3D, nếu một điểm quan tâm nằm trên bề mặt của ba mặt cầu
giao nhau, thì khi biết vị trí tâm của các mặt cầu và bán kính của chúng, có thể thu hẹp
các vị trí có thể có của điểm xuống khơng q hai. Bắt đầu với trường hợp tổng qt,
phương trình cho hình cầu có tâm tại (xa, ya, za) được hiển thị trong (5):
𝑟 = (𝑥 − 𝑥 ) + (𝑦 − 𝑦 ) + (𝑧 − 𝑧 )

(2.1)

Áp dụng phương pháp phân tích cho trường hợp chung sẽ yêu cầu các phương
trình cho ba quả cầu là lập và giải cho ba ẩn số (x, y, z), tức là vị trí của điểm giao cắt;
tuy nhiên, hai các giả định có thể được thực hiện để đơn giản hóa vấn đề này:
Trong trường hợp hệ thống định vị trong nhà, tất cả các neo (tâm hình cầu) có
thể được đặt ở một độ cao cố định trên cùng một mặt phẳng nâng, coi như bằng khơng
(𝑧 = 𝑧 = 𝑧 = 0). Hình 2.9 biểu diễn sơ đồ truyền sóng siêu âm của beacon.


20

Hình 2.9 Sơ đồ truyền sóng siêu âm của beacon
Thuật tốn hình học có thể được đơn giản hóa bằng cách sử dụng phương pháp
Fang để một tâm hình cầu nằm ở điểm gốc của mặt phẳng nâng, một mặt phẳng khác
dọc theo trục x, và thứ ba trực giao với hai cái trước, định vị hiệu quả ba điểm khơng
thẳng hàng trên một mặt phẳng duy nhất (Hình 2.10). Phương trình mơ tả những tọa độ
neo:
𝐴 (0, 0, 0)

(2.2)

𝐴 (𝑥 , 0, 0)

(2.3)

𝐴 (𝑥 , 𝑦 , 0)

(2.4)

Do đó, hệ phương trình đơn giản, trong đó mặt cầu bán kính trở thành 𝑟 , 𝑟 , và 𝑟 , có
thể được viết như sau:
𝑟 =𝑥 +𝑦 +𝑧

(2.5)

𝑟 = (𝑥 − 𝑥 ) + 𝑦 + 𝑧

(2.6)

𝑟 = (𝑥 − 𝑥 ) + (𝑦 − 𝑦 ) + 𝑧

(2.7)

Đơn giản hóa phương trình thu được các giải pháp sau:
(2.8)

𝑥=
(

𝑦=
𝑧=

𝑟21 − 𝑥2 − 𝑦2

)

(2.9)
(2.10)

Như có thể thấy từ phương trình (14), tùy thuộc vào các giá trị của x và y, có thể lấy căn
nguyên âm cho giá trị của z, mà trong hệ thống nhúng tạo ra lỗi.


21

Hình 2.10 Mơ tả thuật tốn trilateration trong khơng gian 2 chiều
IPS được sử dụng để lấy tọa độ robot nhằm xác định vị trí ở những nơi vừa hoặc
nhỏ mà GPS và các công nghệ vệ tinh khác thiếu chính xác hoặc bị lỗi hồn tồn, chẳng
hạn như bên trong các tòa nhà nhiều tầng, sân bay, ngõ, nhà để xe và các vị trí dưới lịng
đất. Tuy nhiên, khơng phải lúc nào IPS cũng cho tín hiệu chính xác, đặc biệt nếu có quá
nhiều người cản trở quá trình truyền. Hơn nữa, khơng chỉ IPS mà đơi khi bản thân cảm

biến cũng khơng chính xác và có rất nhiều nhiễu nội sinh. Để làm cho Robot thông minh
hơn và di chuyển một cách ổn định, cần có một dữ liệu tọa độ ổn định và đáng tin cậy.
Vì vậy, cách hợp lý nhất là tích hợp thêm trên robot các cảm biến hỗ trợ như cảm biến
gia tốc, cảm biến góc quay, encoder bánh xe, để kết hợp các dữ liệu cảm biến lại cho ra
một dữ liệu tọa độ mới, ổn định hơn, đáng tin cậy hơn. Để giải quyết những vấn đề này,
bộ lọc Kalman được xem xét. Mặt khác, nếu robot có đủ cảm biến kết hợp với IPS cho
bộ lọc Kalman, nó sẽ cảm nhận mọi thứ xung quanh rất nhanh và chính xác. Lọc là một
phương pháp rất phổ biến trong kỹ thuật và hệ thống nhúng, đặc biệt là trong Robot.
Một thuật tốn lọc tốt có thể giảm nhiễu từ các tín hiệu trong khi vẫn giữ lại dữ liệu hữu
ích. [21] Bộ lọc Kalman là một trong những bộ lọc phổ biến được sử dụng để xử lý tín
hiệu.
Bộ lọc Kalman mở rộng (EKF) là một cơng cụ tốn học có thể ước tính các biến
của một loạt các q trình đối với các hệ thống phi tuyến. Nó hoạt động bằng cách tuyến
tính hóa các mơ hình đo lường và động lực học trạng thái phi tuyến. Nó được sử dụng
rộng rãi trong kỹ thuật robot, phổ biến trong các ứng dụng điều hướng, định vị và điều
khiển.
Loại bộ lọc này hoạt động rất tốt trong thực tế và đó là lý do tại sao nó thường
được triển khai trong hệ thống điều khiển nhúng và bởi vì robot cần ước tính chính xác
các biến q trình. Bộ lọc Kalman mở rộng là một cách thơng minh hơn để tích hợp dữ
liệu đo lường vào một ước tính bằng cách nhận biết rằng các phép đo bị nhiễu và đôi
khi chúng nên bị bỏ qua hoặc chỉ có ảnh hưởng nhỏ đến ước tính trạng thái. Nó làm mịn
ảnh hưởng của nhiễu trong biến trạng thái được ước tính bằng cách kết hợp nhiều thông
tin từ dữ liệu đáng tin cậy hơn từ dữ liệu không đáng tin cậy. Người dùng có thể cho bộ


22

lọc Kalman mở rộng có bao nhiêu nhiễu trong hệ thống và nó tính tốn ước tính vị trí
có tính đến nhiễu.
Thuật toán Bộ lọc Kalman mở rộng vẫn là giải pháp cơ bản và phổ biến nhất cho

các tín hiệu rời rạc và độ chính xác thấp như GPS, IPS,...
Hệ thống robot dành cho thuật tốn Kalman cần có IPS, bộ mã hóa bánh xe, IMU.
Tơi đã sử dụng nhúng EKF vào Bộ xử lý trung tâm trên robot. Dữ liệu đầu vào là định
dạng dữ liệu 2D bao gồm: Tọa độ từ IPS (Hệ thống vị trí trong nhà MarvelMind Beacon),
Vận tốc từ Bộ mã hóa bánh xe, Vịng quay và Vận tốc góc được đo bằng cảm biến Con
quay hồi chuyển, Gia tốc đo bằng cảm biến Gia tốc kế, 2 cảm biến được tích hợp thành
một 6DOF - Cảm biến được gọi là IMU- MPU6050.
Thuật toán EKF được chia thành 3 phần: Khởi tạo và tuyến tính hóa, Dự đốn và
Cập nhật. Giả sử rằng rơ bốt có tọa độ x y từ IPS, vận tốc tuyến tính vx vy từ Bộ mã hóa
bánh xe, gia tốc tuyến tính ax ay yaw vyaw, định hướng và vận tốc góc từ IMU. Mục
tiêu của chúng tơi là dự đoán, cập nhật và xử lý tọa độ 2D cho rơ bốt. vì vậy các phương
trình động học và động học cho rô bốt di động:

𝑣
𝑥 = 𝑣
𝑎
𝑣′
𝑥′ = 𝑣′
𝑎′

𝑥

+ ∆𝑡 ∙ 𝑣
+ ∙ ∆𝑡 ∙ 𝑎
𝑣
+ ∆𝑡. 𝑎
+𝑤
𝑎
+𝑤

𝑥 +𝑢
= 𝑣 +𝑢
𝑎 +𝑢

+𝑤
(2.11)

(2.12)

Tất cả các phương trình được thực hiện để có được cập nhật 𝑥 , tính tốn 𝑦 là
tương tự. Mối quan hệ của mỗi trạng thái với trạng thái trước đó được thể hiện như sau:

𝑥 = 𝑓(𝑥

)+𝑤

(2.13)

Trong đó xk là tham số trạng thái của tín hiệu tại thời điểm k, f là hàm phi tuyến
biểu diễn 𝑥 từ 𝑥 .
Ngồi ra, 8 thơng số bao gồm tọa độ, vận tốc thẳng, gia tốc thẳng, góc quay và
vận tốc góc được biểu diễn bằng 3 vectơ. Bởi vì đơn vị và thang đo của dữ liệu cảm biến
có thể khơng giống với đơn vị và thang đo của phép đo. Vì vậy, hàm biến đổi trạng thái
thành hệ thống đo lường được biểu diễn:

𝑥′ = ℎ(𝑥 ) + 𝑢

(2.14)

Trong đó 𝑧 là tham số trạng thái của tín hiệu tại thời điểm k, h là tín hiệu ánh xạ

hàm vào khơng gian đo chứa tín hiệu 𝑧 . 𝑤
và uk tương ứng là nhiễu quá trình và
nhiễu quan sát. Hai loại nhiễu này có dạng Gaussian đa biến với các hiệp phương sai, Q
và R tương ứng. f và h có thể được sử dụng để tính tốn và dự đốn trạng thái của tín
hiệu. Tuy nhiên, nếu sử dụng hai chức năng này, robot sẽ không thể sử dụng hiệp phương
sai để ước lượng. Ma trận Jacobi được sử dụng thay thế với đạo hàm riêng để tính tốn.


23

Gọi F và H tương ứng là ma trận Jacobi của các đạo hàm riêng của f và h, đối với 𝑥 , F
và H có dạng:

𝐹=

|

𝐻=

|

(2.15)

,

𝑥 = 𝐹. 𝑥

(2.16)

+𝑤

𝑥′ = 𝐻. 𝑥 + 𝑢
Với 𝑤

(2.17)
(2.18)

= 0, 𝑢 = 0, Ma trận Jacobian F, H là:
1 ∆𝑡 ∆𝑡
𝐹 = 0 1 ∆𝑡
0 0
1
1 0 0
𝐻= 0 1 0
0 0 1

(2.19)

(2.20)

Đây là ước tính hiệp phương sai hiện tại theo thời gian, được biểu diễn bằng
phương trình, ước tính hiệp phương sai dự đoán:

𝑃′ = 𝐹. 𝑃

.𝐹 + 𝑄

(2.21)

𝑃

là ma trận hiệp phương sai của tín hiệu tại thời điểm k - 1, 𝐹 là ma trận
chuyển vị của F, Q là ma trận biểu diễn nhiễu trong quá trình ước lượng, thiết lập bằng
tay. Riêng đối với tín hiệu đầu tiên nhận được, do khơng có tín hiệu nào trước đó để tính
trạng thái nên ma trận P0 sẽ được thiết lập bằng tay. Đây cũng là bước khởi tạo đầu tiên.
𝑃′ = 𝐹. 𝑃 . 𝐹 + 𝑄

(2.22)

Ma trận 𝑃′ sẽ được đưa vào để cập nhật trạng thái mới cho tín hiệu, tơi sử dụng
phương trình cập nhật hiệp phương sai dạng Joseph để thúc đẩy tính ổn định của bộ lọc
bằng cách đảm bảo rằng 𝑃 vẫn dương nửa xác định. Các bước cụ thể như sau:
Đầu tiên, hãy tính Kalman Gain:
𝐾 = 𝑃 . 𝐻 (𝐻. 𝑃 . 𝐻 + 𝑅)

(2.23)

Thứ hai, cập nhật ước tính trạng thái mới:
𝑥 = 𝑥 + 𝐾(𝑥′ − 𝐻. 𝑥 )

(2.24)

Cuối cùng, cập nhật ước tính hiệp phương sai mới:
𝑃 = (𝐼 − 𝐾. 𝐻 )𝑃 (𝐼 − 𝐾. 𝐻 ) + 𝐾. 𝑅. 𝐾

(2.25)

Trong đó, HT là ma trận chuyển vị của H, R là ma trận hiệp phương sai biểu diễn
nhiễu tín hiệu của dữ liệu từ các cảm biến. Tơi cũng viết một chương trình tính R với
phương trình: