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 "

Chia sẻ: Tran Thuan Hoang Hoang | Ngày: | Loại File: PDF | Số trang:6

Thêm vào BST

Báo xấu

324
lượt xem 66
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Hội thảo toàn quốc về Điện tử - Truyền thông – An toàn thông tin, ATC/REV-2012 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: thuanhoang@donga.edu.vn 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...

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: 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 "

Hội thảo toàn quốc về Điện tử - Truyền thông – An toàn thông tin, ATC/REV-2012 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 M ạnh Dương, Đặng Anh Việt và Trần Quang Vinh Trường Đại học Công nghệ, Đại học Quốc gia Hà nội e-Mail: thuanhoang@donga.edu.vn tính đồng thời các vị trí của robot dựa trên một số Tóm tắt thông tin về cảm biến nội và cảm biến ngoại của nó. Báo cáo trình bày việc xây dựng khối cảm nhận Từ các xuất phát điểm nêu trên, báo cáo này trình của một robot di động đa cảm biến và việc dùng bày việc xây dựng bộ phận cảm nhận cho một robot di phương pháp tổng hợp cảm biến với bộ lọc Kalman động đa cảm biến (sensor) với thiết kế các mạch điện mở rộng để định vị chính xác cho robot. Các cảm biến tử liên quan và một mạng truyền thông có hiệu quả hiện đại như cảm biến lập mã trục quay, cảm biến chỉ giữa các sensor và bộ điều khiển. Trên cơ sở đó, một hướng, cảm biến đo xa laser, cảm biến ảnh toàn chương trình phần mềm tổng hợp các cảm biến dựa phương, cảm biến siêu âm, bộ định vị toàn cầu GPS trên lý thuyết bộ lọc Kalman mở rộng đã được phát cùng được sử dụng trong robot. Điều này đòi hỏi phải triển và được trình bày cho phép cải thiện đáng kể độ thiết kế một hệ thông tin dữ liệu có hiệu quả. Trên cơ chính xác của phép định vị robot. sở hệ thống đó, các chương trình điều khiển đã được Nội dung của bài báo được sắp xếp như sau: Mục phát triển dựa vào phương pháp tổng hợp cảm biến 2 trình bày về kết cấu phần cứng điện tử bộ phận cảm bằng bộ lọc Kalman mở rộng, cho phép xác định nhận đa cảm biến cùng hệ thống truyền thông trong chính xác vị trí và hướng của robot trong điều kiện có robot; mục 3 trình bày tóm tắt các cơ sở về mạch lọc can nhiễu của môi trường. Kalman nổi tiếng, áp dụng vào mô hình động học của 1. Phần mở đầu robot đ ể ước lượng chính xác vị trí; mục 4 là các kết quả thực nghiệm với robot được xây dựng và thảo Robot di động, như dạng các xe tự hành, cho luận. nhiều khả năng ứng dụng trong công nghiệp và dịch vụ. Việc nghiên cứu phát triển các robot kiểu này hiện 2. Bộ phận cảm nhận đa sensor và hệ đang là bài toán được nhiều nhà nghiên cứu điện tử và thống truyền thông trong robot điều khiển tự động trên thế giới cũng như ở Việt nam quan tâm. Một trong các vấn đề cần giải quyết là việc 2.1. Thiết kế bộ phận cảm biến cho robot định vị chính xác cho robot trong quá trình dẫn đường Hình 1 là ảnh chụp robot với các cảm biến được nó tới đích. Nhìn chung, một robot gồm 3 thành phần thiết kế lắp đặt trên đó. 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 d ựa vào các thông số đọc đ ược 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 đ ộ 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 Hình 1. Robot di động và các cảm biến. mở rộng (EKF) là giải pháp xác suất hiệu quả để ước 1
Robot được xây dựng là loại có 2 bánh xe, mỗi cản trong môi trường. Một hệ thống đo thời gian cực bánh được gắn với một mô-tơ điện được điều khiển kỳ chính xác trong thiết bị cho các số đo được dùng độc lập. Nhiều loại cảm biến đã được thiết kế lắp đặt để tính khoảng cách đến vật khi biết vận tốc của ánh trong bộ phận cảm nhận của robot di động này, dưới sáng trong môi trường quanh robot. Bằng việc gắn đây trình bày tóm tắt nguyên lý hoạt động và tính năng một gương phản xạ quay trên đường đi của tia sáng, kỹ thuật của chúng. các xung laser này được làm chệch hướng khi gương quay. Gương phản xạ quay với tốc độ 75 vòng/giây  Cảm biến lập mã quang (optical encoder) được tạo nên một dải quét tia laser hình rẻ quạt ở phía trước gắn trực tiếp với trục quay mô -tơ, được dùng để đo cảm biến với một trường nhìn 2D. Trong mỗi lần quét vận tốc 2 bánh xe robot. Bộ lập mã quang như hình 2 như vậy, các xung laser đ ược phát đi chệch hướng với cho thấy về cơ bản là một đĩa quay làm đóng-ngắt chùm tia sáng đi qua các khe. Cùng bộ phận điện tử trục x một góc β với độ phân giải 0,25; 0,5 hoặc 1 chuyển đổi quang-điện (optron), cơ cấu này phát ra số như mô tả trên hình 5. Lúc này, bộ phận điện tử trong xung điện lối ra tương ứng với một vòng quay của trục LRF sẽ phát ra một tập số liệu về khoảng cách đến đối mô-tơ. Nếu đường kính của bánh xe và tỷ số truyền tượng và góc quét tương ứng ở lối ra [5]. Người sử lực (tỷ số truyền bánh răng từ trục mô-tơ ra bánh xe dụng phải lập trình để thu thập chính xác tập số liệu robot) đã biết thì vị trí góc và tốc độ của bánh xe có cho một chu kỳ quay gương (chu kỳ quét tia laser), là thể xác định được. Việc xác định vị trí của robot bằng 13,3 ms. bộ lập mã quang này là phương pháp phổ biến trên thế giới có tên là Odometry [1]. Hình 4. Mặt phẳng tia laser với các góc quét β.  Cảm biến ảnh toàn phương (omni-directional Hình 2. C ấu trúc bộ lập mã quang. camera) loại Hyper-Omni Vision SOIOS 55 đã được sử dụng. Nó gồm một gương l ồi phản xạ hình ảnh  Cảm biến chỉ hướng (heading sensor) cho phép trong toàn không gian cùng một camera thông thường đo góc hướng của robot so với phương từ trường của được đặt ở mặt phẳng ảnh của gương như hình 5. Ảnh quả đất. Đây là một mô-đun cảm biến từ-địa bàn toàn phương chứa đựng thông tin về vị trí của các đối CMPS03 hoạt động dựa trên nguyên tắc hiệu ứng Hall tượng theo các góc hướng trong toàn không gian 360 với độ phân giải góc là 0,1. Như trên hình 3 thấy mô- [6]. 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 5. Cấu tạo của camera toàn phương, ảnh toàn phương và ảnh toàn cảnh.  Cảm biến siêu âm: được dùng rất ph ổ 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 d o tính phản Hình 3. Mô-đun chỉ hướng. xạ xuyên âm và các số đo không ổn định d o chùm tia  Cảm biến đo xa laser LRF (laser ranger finder) siêu âm bị tán xạ hình nón chứ không phải là một tia model-LM211 của hãng SICK với dải đo từ 0,4 m đến hẹp [7]. V ì v ậ y, c húng tôi chỉ sử dụng các cảm biến 80 m đã được lắp đặt trong robot. Đây là một thiết bị này đ ể phát hiện những vật cản gần, giữ an toàn cho cho phép xác định nhanh chóng và chính xác khoảng robot. 8 module cảm biến siêu âm loại SRF05 đã cách và góc lệch từ robot tới vật cản. Cảm biến hoạt được lắp đặt cho phép phát hiện được vật từ 3cm đến động trên nguyên lý đo thời gian từ thời điểm một 4m với sai số là 2%; góc mở chùm siêu âm phát ra khoảng 22,50. xung sáng laser hồng ngoại được phát ra đến thời điểm thu được xung này khi nó được phản xạ từ vật 2
điểm-đa điểm theo phương pháp hỏi vòng (polling)  Cảm biến định vị toàn cầu GPS: chủ yếu áp với đường truyền RS-485 được điều khiển qua vi điều dụng cho định vị ở môi trường ngoài trời. Một mô- khiển MCUdsPIC 30F4011. đun HOLUX GPS UB-93 đã được lắp đặt và phát triển phần mềm thu thập dữ liệu trong robot [8]. Vì 2.3. Phát triển phần mềm thu thập thông tin từ các robot được thiết kế lắp đặt cả mạng ghép nối Internet, cảm biến nên một hệ thống mở rộng A-GPS cũng đã đ ược phát Từ hình 6 cho thấy có thể chia ph ần mềm thu thập triển, cho phép trợ giúp cảm biến GPS thu nhận dữ thông tin từ các cảm biến thành các mô -đun có các liệu định vị tốt ngay cả trong các thời khoảng gặp đặc điểm riêng sau. điều kiện thu thông tin vệ tinh không được tốt.  Thông tin hình ảnh toàn phương được thu thập Ngoài hệ thống các cảm biến nêu trên dùng cho trực tiếp vào máy vi tính và xử lý qua chương trình hoạt động tự trị (autonomous), chúng tôi còn thiết kế được phát triển trên môi trường Visual C ++ với công hệ thống điều khiển khiển Robot từ xa qua mạng cụ là gói phần mềm mở OpenCV của Intel. Internet 3G, cho phép n gười điều khiểu có thể điều khiển robot bằng Joystick.  Các thông tin còn lại được trao đổi từ 14 nút mạng với nút điều khiển từ máy tính (3 nút cho mạch 2.2. Phần cứng mạng thông tin cảm nhận trong đo bộ lập mã quang và quay LRF, 1 nút cho cảm biến robot từ-địa bàn chỉ hướng, 1 nút cho truyền luồng dữ liệu từ Sơ đồ khối kết nối mạng thông tin trong robot LRF, 1 nút cho cảm biến GPS, 8 nút cho 8 cảm biến được chỉ ra trên hình 6. siêu âm) được truyền qua đường truyền RS-485 sử dụng giao thức Modbus/RTU [9]. n ối mạng I nternet  Chương trình thu thập và xử lý dữ liệu từ máy đo xa laser LRF là loại đặc biệt được phát triển riêng Card Camera toàn 1394 bắt hình trong ngôn ngữ Visual C++. Sau khi nhận lệnh yêu cầu phương truyền số liệu từ máy tính, LRF sẽ gửi về liên tục các M ô đun khung dữ liệu đo tương ứng với mỗi mặt quét ngang PC GPS 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 Mô đun M CU đo và cuối cùng là 2 byte mã phát hiện lỗi CRC [5]. t ừ-địa bàn USB to USB d sPIC RS- 485 30F4011 Các mô-đun s iêu âm Chương trình cần xác định được điểm khởi phát của M áy đo xa laser luồng ký tự dữ liệu ra LRF bằng việc xác định chính ( LMS) Trigger cho Trigger switch LRF xác 7 byte tiêu đề. Các byte này là khác nhau với các chế độ đo khác nhau. Với định dạng khung truyền 720 Điều khiển điểm dữ liệu LRF thì bộ đệm được chọn từ 1.700 đến M0 PID Mô-tơ quay LRF 2.000 byte. Kích thước này cũng không nên lớn quá vì làm ch ậm lại quá trình truyền dữ liệu. Encoder 3. Chương trình tổng hợp các cảm biến Điều khiển M1 dùng cho định vị robot di động Mô t ơ bánh xe 1 PID Bắt đầu với mô hình động học của robot di động Encoder được thiết kế ch ế tạo của chúng tôi. Hình 7 biểu diễn hệ toạ độ và ký hiệu robot, trong đó (XG YG) là hệ tọa Điều khiển độ toàn cục, (XR, YR) là tọa độ cục bộ gắn với tâm M2 Mô tơ bánh xe 2 PID robot. R là bán kính của bánh xe, và L là khoảng cách giữa các bánh xe. Encoder 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 đ ộ 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 Hình 7. Thế và các tham số của robot. IEEE-1394; các cảm biến còn lại được thiết kế thông tin với hệ điều khiển qua một chuẩn công nghiệp 3
Trong khoảng thời gian lấy mẫu số liệu đo Δt, các 1. Bước dự báo với các ph ương trình cập nhật: tốc độ góc của các bánh xe bên trái ωL và bên phải ωR ˆ- ˆ xk  f ( xk -1 , uk -1 ) (4) tạo ra các lượng di chuyển tương ứng của bánh trái ΔsL và bánh phải ΔsR: Pk-  Ak Pk -1 Ak  Wk Qk -1WkT T (5) ΔsL = Δt.R. ωL ; ΔsR = Δt.R. ωR Trong đó xk n là ước lượng trạng thái tiên nghiệm ˆ- Từ đó dẫn đến sự dịch chuyển của tâm robot Δs và tại thời điểm k cho biết giá trị trước quá trình tại thời góc hướng của robot Δθ: điểm k. sL  sR s R  s L   s  ˆ Pk- là ma trận hiệp phương sai của sai số dự báo 2 L trạng thái. Trạng thái của robot tại thời điểm k+1 trong khung tọa độ toàn cục có thể được cập nhật như sau: Ak là Jacobi của đạo hàm riêng của f theo x. Wk là Jacobi của đạo hàm riêng của f theo w.  sk cos  k   k / 2    xk 1   xk       yk 1    yk    sk sin  k   k / 2   Qk-1 là ma trận hiệp ph ương sai nhiễu đầu vào phụ (1 ) thuộc vào đ ộ lệch chuẩn của nhiễu của tốc độ góc của    k 1   k   k       các bánh xe. Chúng được mô hình hóa như là tỷ lệ thuận với tốc độ góc ωR-k, và ωL-k của các bánh xe tại Trong thực tế, hệ thống (1) gặp phải các sai số hệ thời điểm k. Điều này dẫn đến ph ương sai thống (như sai số kích thước các chi tiết cơ khí, độ 2 2 bằng R và L , trong đó δ là một hằng số xác định lệch trục, giới hạn độ phân giải của encoder, ...) và các sai số không hệ thống (như đ ộ trượt của các bánh bởi các thực nghiệm. xe với mặt sàn, ...) Do đặc tính tích lũy của các sai số Ma trận hiệp phương sai Q được xác định: này nên đ ộ chính xác của việc ước lượng vị trí sẽ càng bị kém đi khi robot di chuyển [10]. Có nhiều công 2  . R , k 0  trình cố gắng tăng độ tin cậy của việc định vị này (6) Qk    2  .L , k  0 trong đó sử dụng bộ lọc Kalman. Chúng tôi cũng đã   áp dụng phương pháp tổng hợp cảm biến bằng thuật 2. Bước hiệu chỉnh với các phương trình cập nhật toán lọc Kalman để định vị cho robot được chế tạo và phép đo: đã nhận được kết quả cải thiện được chất lượng của các phép đo này đáng kể. K k  Pk- H k ( H k Pk- H k  Vk RkVkT )-1 T T (7) Có thể tóm tắt phương pháp này như sau. Nếu - - ˆ ˆ xk  x  K k ( z k - h( x , 0)) (8) X  [x y  ]T là vectơ trạng thái của robot đang ở tọa k k độ x, y và góc hướng , trên mặt phẳng mà nó di Pk  ( I - K k H k ) Pk- (9) chuyển, trạng thái này có thể được quan sát bởi một số phép đo tuyệt đối, z. Các phép đo này được miêu tả Trong đó xk n là ước lượng trạng thái hậu nghiệm ˆ bởi một hàm phi tuyến, h, của hệ toạ độ robot và một tại thời điểm k, giá trị thu được sau khi đo lường zk. quá trình nhiễu Gaussian độc lập, v. Tổng quát, (2) là một hàm phi tuyến, f, với một vector đầu vào u, có Kk là hệ số độ lợi Kalman. phương trình trạng thái và phương trình lối ra như Vk là Jacobi đạo hàm riêng của h theo v. sau: Hk là Jacobi đạo hàm riêng của h theo x. (2) xk 1  f ( xk , uk )  wk Rk là ma trận hiệp phương sai của nhiễu được ước (3) zk  h( xk )  vk lượng từ nhiễu trong phép đo của bộ mã hóa bánh xe và các cảm biến khác. Các phép đo của các bộ cảm Trong đó các biến ngẫu nhiên wk và vk biểu diễn cho biến này được thu thập vào trong véc tơ zk như sau: quá trình và nhiễu đo tương ứng. Chúng được giả định là độc lập với nhau, ồn trắng, và với phân bố xác su ất Bằng phương trình hệ thống (2), các tham số trạng chuẩn: thái (xm.odometry, ym..odometry và θm.odometry) nhận gián tiếp bằng các chỉ số đọc từ bộ mã hóa bánh xe. E ( wi v j T )  0 wk ~ N (0, Qk ) vk ~ N (0, Rk ) Góc hướng robot có thể cũng được đo trực tiếp Dựa trên các số liệu đo z, có thể tìm được một hệ bởi phép đo tuyệt đối với cảm biến từ-địa bàn số Kalman K trong mỗi chu kỳ lấy mẫu tín hiệu đo θm.compass. thuộc một vòng lặp đệ quy gọi là bộ lọc Kalman, sao Máy đo xa laser LRF cho phép đo các điểm đặc cho giá trị ước lượng trạng thái của hệ gần với giá trị trưng của môi trường quanh robot. Trong trường hợp thực nhất. Bộ lọc Kalman mở rộng, áp dụng cho các này chúng tôi chọn là một đường thẳng được phát hệ phi tuyến, được thực hiện qua các bước như sau hiện bởi LRF (ví dụ như đường cắt ngang một bức [11]: 4
tường trong phòng). Bằng phép biến đổi Hough, hai  var(L ) 0 0 0 0 0    thông số của đ ường thẳng này có thể nhận được, đó 0 var( R ) 0 0 0 0   là: khoảng cách r từ đường thẳng đến gốc tọa độ và 0  var(compass ) 0 0 0 0 Rk    góc  gữa đường thẳng và một trục tọa độ như hình 8 0 0 0 var( rLRF ) 0 0  chỉ ra.   var( LRF ) 0 0 0 0 0   0 var( camera )  0 0 0 0   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 đ ộ 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 Qk được xác định bằng thực nghiệm là 0,01. Hình 8. Máy đo LRF đặt trên robot đo 2 thông số của một đường thẳng trong môi trường. Robot được lập trình di chuyển trong phòng với các trường hợp khác nhau: Camera toàn phương cũng dễ dàng cho được các - Chỉ sử dụng định vị bằng phương pháp thông số đo đặc điểm môi trường với các cột mốc. C ột Odometry. mốc là các vật đặt tại các tọa độ biết trước (xL, yL) - Sử dụng định vị bằng phương pháp tổng hợp trong môi trường di chuyển của robot. Cột có màu sắc cảm biến với bộ lọc EFK. Với phương pháp này hay hình dạng định trước để chương trình thị giác cũng thử với các cấu hình khác nhau: trộn lẫn máy tính có thể nhận dạng được. Từ đó giá trị đo các chỉ sensor từ-địa bàn, trộn lẫn chỉ RLF, trộn lẫn góc i giữa hướng robot R với các cột mốc Mi có thể cả hai cảm biến với phương pháp Odometry. nhận được (hình 9). Kết quả các qu ỹ 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 9. Camera toàn phương đo góc t ới 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 zk trong phương trình sửa giá trị ước lượng (8) có dạng như sau:  x m.odometry     y m.odometry      m.odometry  zk    m.compass  (10)   Hình 10. Quỹ đạo robot ước lượng được với  r m.LRF  các cấu hình bộ lọc EFK khác nhau.    m.LRF  Hình 11 là kết quả chi tiết về độ lệch theo phương    m. camera  chuyển động Y của robot nhận được từ các phép đo so với giá trị thực với các trường hợp khác nhau. Hình Ma trận hiệp phương sai Rk của nhiễu đo có cấu 12 là kết quả khác chứng minh hiệu quả củ a bộ lọc trúc đường chéo. Nhiễu của phép đo tốc độ bánh xe Kalman khi cho robot di chuyển theo một qu ỹ đạo có thể được xác định bởi thực nghiệm. Sự chính xác hình vuông trong phòng với các trường hợp có và của các cảm biến từ-địa bàn, của các phép đo LRF và không có bộ l ọc Kalman. Đường vị trí robot được ước cameara nhận được từ đặc điểm kỹ thuật của nh à sản lượng với EKF cho thấy nó rất gần với đường đi thực xuất. Các số liệu này được điền vào Rk cho bước điều của robot. chỉnh EKF. 5
[ 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] http://www.robotelectronics.co.uk/htm/cmps3tec 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. Hình 11. Độ lệch theo phương Y giữa các vị trí ước lượng [ 6] N. Winters et al, “Omni-directional vision for và vị trí thực với các cấu hình EKF khác nhau. 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] http://www.holux.com [ 9] http://www.modbus.org/. “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. Hình 13. Hiệu quả của bộ lọc Kalman. [ 11] Greg Welch and Gary Bishop, "An Introduction to the Kalman Filter", Department of Computer Science, University of North Carolina at Chapel 5. Kết luận Hill, Chapel Hill, NC 27599-3175, 2006. Các kết quả cải thiện giá trị định vị của robot di [ 12] Manh Duong PHUNG, Thuan Hoang TRAN, động bằng phương pháp tổng hợp cảm biến với bộ lọc Thanh Van NGUYEN, Anh Viet DANG, and Kalman cho thấy việc xây dựng robot đa sensor là có ý Quang Vinh TRAN, "A Novel Platform for nghĩa thiết thực giúp cho quá trình dẫn đường robot Internet-based Mobile Robot System", 7th IEEE trong hoạt động tự trị của nó. Conference on Industrial Electronics & Applications ICIEA 2012, Singapore. 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 Abstract nghiên cứu về robot di động, một loại sản phẩm tiềm năng trong các lĩnh vực công nghiệp, dịch vụ, an ninh The report presents the design of a multi-sensor quốc phòng. mobile robot and the robot’s localization based on the sensor fusion method with Extended Kalman Filter Đề tài nhận được sự hỗ trợ từ phòng thí nghiệm (EKF). Modern sensors such as optical encoders, các hệ tích hợp thông minh SIS thuộc Đại học Công heading sensor, laser range finder, omni-directional nghệ, ĐHQG HN. camera, ultrasonic sensor, GPS sensor used concurrently so that an efficient data communication system has been designed and installed in robot. Tài liệu tham khảo Based on this system, the sensor fusion – based controlling program with Extended Kalman Filter was [ 1] J. Borenstain, H.R. Everette, and L. Feng, "Where developed which permits to estimate accurately the I am ? Sensor and Methods for Mobile Robot robot’s position and orientation in condition of Positioning", University of Michigan, 1996. environment’s noise. 6