BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC THĂNG LONG
ĐỀ CƯƠNG ĐỀ TÀI NGHIÊN CỨU KHOA HỌC
(do sinh viên thực hiện)
1. Tên đề tài: Xe tự hành mini tích hợp YOLO, LiDAR và
Multi-sensor cho nhận diện biển báo, tránh vật cản và lập
kế hoạch đường đi
2. Mã số: (Được
cấp sau khi có
QĐ phê duyệt)
3. Chủ nhiệm đề tài:
Họ và tên: Phạm Quốc Tuấn Mã sinh viên: A48417
Lớp: TA3602 Số điện thoại: 0379029523
Email: phamquoctuan2308@gmail.com
4. Các thành viên tham gia
TT
Họ và tên
(kèm Mã sinh viên)
Công việc được
giao
Chữ ký
1
Phạm Quốc Tuấn
- Thu thập và tiền
xử lý dữ liệu
(biển báo, làn
đường, vật cản).
- Xây dựng mô
hình nhận diện
biển báo giao
thông (YOLO).
- Tích hợp mô
hình vào hệ
thống xe tự hành
mini.
- Hỗ trợ kiểm thử
và đánh giá hệ
thống.
2
Nguyễn Văn Tấn
- Tìm hiểu lý
thuyết về xe tự
hành, thuật toán
phát hiện làn
đường và tránh
vật cản.
- Phân tích kiến
trúc phần cứng,
cảm biến và yêu
cầu hệ thống.
- Thiết kế sơ đồ hệ
thống và mô tả
thuật toán hoạt
động của xe.
- Viết phần nền
tảng lý thuyết
trong báo cáo.
3
Nguyễn Tùng Dương
- Nghiên cứu và
xây dựng module
tránh vật cản
bằng LiDAR và
cảm biến siêu
âm.
- Thiết kế thuật
toán điều hướng
để xe đi tới vị trí
được chỉ định.
- Kiểm thử mô
hình tránh vật
cản và tối ưu
chuyển động.
- So sánh hiệu suất
với các phương
pháp đã có.
4
Lê Bá Nguyên
- Xây dựng map
mô phỏng thực
tế và môi trường
kiểm thử cho xe.
- Tích hợp các
module (nhận
diện – tránh vật
cản – điều
hướng) vào hệ
thống hoàn
chỉnh.
- Thực nghiệm xe
- Trong môi
trường thực tế và
ghi nhận kết quả.
- Viết phần đánh
giá, kết luận và
hướng phát triển.
5. Cán bộ hướng dẫn:
Họ và tên (ghi rõ học hàm, học vị): ThS. Ngô Mạnh Cường
Mã cán bộ: 100790
Chức vụ: Giảng viên
Đơn vị: Khoa Công nghệ thông tin
Số điện thoại: 0334813148
Email: cuongnm@thanglong.edu.vn
6. Thời gian thực hiện
5 tháng (Từ 11/2024 đến 03/2026).
7. Lĩnh vực nghiên cứu
Khoa học Tự nhiên Khoa học Sức khoẻ Khoa học Xã hội
Khoa học Kỹ thuật và Công nghệ Khoa học Nhân văn
8. Tổng quan nghiên cứu
Vì lĩnh vực xe tự hành đang phát triển nhanh chóng, nên việc điều hướng môi
trường xung quanh một cách an toàn và hiệu quả để tránh va chạm ngày càng trở
nên quan trọng. Các thuật toán tránh va chạm chính hiện đang được sử dụng bởi xe
tự lái được kiểm tra trong cuộc khảo sát kỹ lưỡng này. Nó xem xét một số phương
pháp, chẳng hạn như các phương pháp dựa trên cảm biến để xác định chướng ngại
vật chính xác, các thuật toán lập kế hoạch đường đi phức tạp đảm bảo ô tô đi theo
những con đường đáng tin cậy và an toàn, và hệ thống ra quyết định cho phép phản
ứng thích ứng với một loạt các tình huống lái xe. Cuộc khảo sát cũng nhấn mạnh
cách các phương pháp Machine Learning có thể cải thiện hiệu quả của việc tránh
chướng ngại vật. Kết hợp lại, những kỹ thuật này là cần thiết để nâng cao độ tin cậy
và an toàn của hệ thống lái xe tự động, cuối cùng là làm tăng niềm tin của công
chúng vào công nghệ thay đổi cuộc chơi này.
Khái niệm lái xe tự động đang ngày càng nhận được sự quan tâm và đầu tư từ các
học giả, chuyên gia trong ngành và các nhà hoạch định chính sách [1,2]. Công nghệ
này có tiềm năng chuyển đổi giao thông vận tải bằng cách cho phép các phương tiện
di chuyển và hoạt động mà không cần sự can thiệp của con người [3]. Những tiến bộ
nhanh chóng trong công nghệ xe tự hành làm nổi bật nhu cầu cấp bách về hệ thống
tránh va chạm đáng tin cậy để đảm bảo điều hướng an toàn và hiệu quả [4]. Phát
triển các thuật toán tránh va chạm mạnh mẽ là rất quan trọng để thiết lập hệ thống
giao thông an toàn và hiệu quả.
Nhiều nhà nghiên cứu chuyên thúc đẩy các phương pháp tránh va chạm hiệu quả
cao cho xe tự lái. Cam kết của họ xuất phát từ mục tiêu chung là nâng cao độ an toàn
và độ tin cậy của công nghệ tự lái, cuối cùng thiết lập xe tự hành như một phương
thức vận chuyển được tin cậy và áp dụng rộng rãi. Do đó, nhiều cách tiếp cận có giá
trị đã được đề xuất. Một số bài báo đánh giá toàn diện đã đánh giá kỹ lưỡng và đánh
giá các kỹ thuật tránh va chạm khác nhau.
Fu và cộng sự [5] khám phá các phương pháp tránh va chạm dựa trên dữ liệu,
tập trung vào cảm biến, giao tiếp xe cộ và các thuật toán dựa trên AI để cải thiện an
toàn lái xe. Trong một nghiên cứu riêng biệt, Tijani [6] nghiên cứu các hệ thống phát
hiện và tránh chướng ngại vật cho xe tự lái, nhằm tăng cường bảo mật và hiệu quả
trong công nghệ tự lái. Ngoài ra, Dahl và cộng sự [7] tiến hành đánh giá tài liệu và
phân tích các phương pháp đánh giá mối đe dọa được sử dụng trong các hệ thống xe
thông minh để tránh va chạm.
Các cuộc khảo sát khác tập trung vào các chiến lược tránh va chạm nhiều
phương tiện (MVCA) trong các hệ thống tự động và không người lái. Md Muzahid
và cộng sự [8] xem xét các kỹ thuật và thách thức MVCCA (hợp tác nhiều phương
tiện và tránh va chạm), đề xuất một khuôn khổ hỗ trợ AI cho các phương tiện tự
động. Liu và Bucknall [9] tập trung vào việc lập kế hoạch và kiểm soát chuyển động
hợp tác cho các hệ thống nhiều phương tiện trên các lĩnh vực khác nhau, nhấn mạnh
các chiến lược đội hình thích ứng để tránh va chạm.
Cuối cùng, trong nghiên cứu của họ, các tác giả của [10,11,12,13] đã kiểm tra
bản chất phức tạp của giao thông đường bộ, liên quan đến phương tiện, đường xá và
những người tham gia giao thông khác nhau, chẳng hạn như người đi bộ. Họ đặc
biệt nghiên cứu tiềm năng của xe tự lái để tránh va chạm với người đi bộ.
Phát hiện đường cho phép xe tự lái nhận dạng và đi theo đường, rất quan trọng
để điều hướng. Trong nghiên cứu trước đây, Ma'arif et al. [14] đã đề xuất một
phương pháp dựa trên hình ảnh để phát hiện các đường viền đơn nhưng gặp khó
khăn về độ chính xác và các góc. Zhang et al. [15] đã đề xuất một hệ thống theo dõi
đường dựa trên tầm nhìn chi phí thấp cho xe tự lái hoạt động trong môi trường ngoài
trời. Hệ thống kết hợp phát hiện đường dựa trên màu sắc để phát hiện mặt đường
nhựa và sử dụng Bộ lọc Kalman không mùi (UKF) để tăng cường độ mạnh mẽ của
hệ thống. Mặc dù hiệu quả, hệ thống này có thể gây ra điều hướng không chính xác
trên đường đô thị. Cáceres et al. [16] đã đề xuất một thuật toán phát hiện làn đường
thời gian thực kết hợp các đặc điểm hình học và hình ảnh, điều chỉnh động Vùng
quan tâm (ROI) dựa trên tốc độ xe. Thuật toán này hoạt động tốt trong điều kiện ánh
sáng phức tạp nhưng gặp khó khăn với ánh sáng mạnh và thay đổi bóng tối. Tóm lại,
các nghiên cứu này chứng minh các phương pháp và thách thức khác nhau trong
công nghệ nhận dạng và điều hướng đường bộ. Công nghệ hình ảnh có những ưu
điểm đáng kể trong việc phát hiện đường đi và bất chấp những thách thức về sự thay
đổi mạnh mẽ của ánh sáng và bóng tối, những hạn chế này có thể được khắc phục
thông qua các thuật toán cải tiến và sự kết hợp nhiều cảm biến để tăng cường khả
năng điều hướng củaxe tự lái trong môi trường phức tạp.