Đề tài nghiên cứu khoa học: Mô hình xe tự hành

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:83

Thêm vào BST

Báo xấu

19
lượt xem 10
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu nghiên cứu của đề tài "Mô hình xe tự hành" nhằm xây dựng thuật toán và mô hình xe tự hành có khả năng nhận diện làn đường, biển báo và các chướng ngại vật trong môi trường mô phỏng và sa hình thực tế.

Chủ đề:

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

Lưu

Nội dung Text: Đề tài nghiên cứu khoa học: Mô hình xe tự hành

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH CÔNG TRÌNH NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN MÔ HÌNH XE TỰ HÀNH S K C 0 0 3 9 5 9 MÃ SỐ: SV2020-152 S KC 0 0 7 3 6 9 Tp. Hồ Chí Minh, tháng 07/2020
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN MÔ HÌNH XE TỰ HÀNH SV2020 - 152 Chủ nhiệm đề tài: Huỳnh Việt Cường 16119015 TP Hồ Chí Minh, 07/2020
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN MÔ HÌNH XE TỰ HÀNH SV2020 - 152 Thuộc nhóm ngành khoa học: Kỹ thuật SV thực hiện: Huỳnh Việt Cường Nam, Nữ: Nam Dân tộc: Kinh Lớp, khoa: 16119CLC – Đào tạo Chất Lượng Cao Năm thứ 4/Số năm đào tạo: 4 Ngành học: Công nghệ kỹ thuật máy tính Người hướng dẫn: TS.Trần Vũ Hoàng TP Hồ Chí Minh, 07/2020
i MỤC LỤC MỤC LỤC ....................................................................................................................... i DANH MỤC CÁC HÌNH ẢNH, BIỂU ĐỒ ................................................................. iv DANH MỤC CÁC BẢNG BIỂU.................................................................................. vi DANH MỤC CÁC TỪ VIẾT TẮT ............................................................................. viii CHƯƠNG 1: MỞ ĐẦU...................................................................................................9 1.1. ĐẶT VẤN ĐỀ ........................................................................................................1 1.2. LÝ DO CHỌN ĐỀ TÀI ..........................................................................................4 1.3. MỤC TIÊU ............................................................................................................4 1.4. PHƯƠNG PHÁP, ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU...........................4 1.5. BỐ CỤC ................................................................................................................5 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT ................................................................................7 2.1. THƯ VIỆN PYTORCH .........................................................................................7 2.2. XỬ LÝ ẢNH ...........................................................................................................8 2.2.1. Các khái niệm cơ bản trong xử lý ảnh ...........................................................8 2.2.2. Biến đổi Hough .............................................................................................11 2.3. MÁY HỌC (MACHINE LEARNING) ..................................................................12 2.3.1. Giới thiệu ......................................................................................................12 2.3.2. SVM ...............................................................................................................13 2.4. HỌC SÂU (DEEP LEARNING) ..........................................................................13 2.4.1. CNN ..............................................................................................................13 2.4.2. Phân đoạn ảnh (Image Segmentation) .........................................................14 2.4.3. Bài toán phát hiện vật thể (Object Detection) ..............................................15 2.4.4. Phương pháp tối ưu ......................................................................................19
2.5. GIẢI THUẬT ĐIỀU KHIỂN PID ........................................................................20 CHƯƠNG 3 : GIỚI THIỆU VỀ PHẦN CỨNG ...........................................................22 3.1. TỔNG QUAN PHẦN CỨNG ..............................................................................22 3.2. CHI TIẾT PHẦN CỨNG .....................................................................................23 3.2.1. Tổng quan về xe Traxxas Desert ..................................................................23 3.2.2. Các thiết bị trên xe ........................................................................................26 3.2.3. Tổng quang về mạch adapter CDS TX2 .......................................................31 CHƯƠNG 4: THIẾT KẾ PHẦN MỀM ........................................................................34 4.1.XỬ LÝ ON-ROAD ................................................................................................35 4.1.1. Xử lý ảnh RGB ..............................................................................................35 4.1.2. Xử lý ảnh depth .............................................................................................39 4.2. XỬ LÝ OFF-ROAD .............................................................................................40 4.2.1. Tổng quan phương pháp ...............................................................................40 4.2.2. Hàm mất mát (loss function).........................................................................42 4.3. ĐIỀU KHIỂN ......................................................................................................44 CHƯƠNG 5: KẾT QUẢ THỰC HIỆN, SO SÁNH VÀ ĐÁNH GIÁ ..........................48 5.1. THỰC NGHIỆM .................................................................................................48 5.1.1. Môi trường thực nghiệm ...............................................................................48 5.1.2. Tập dữ liệu ....................................................................................................49 5.2. KỸ THUẬT HUẤN LUYỆN MẠNG VÀ THIẾT LẬP THÔNG SỐ ......................51 5.2.1. Xử lý On-road ...............................................................................................51 5.2.2. Xử lý Off-road ...............................................................................................51 5.3. KẾT QUẢ ............................................................................................................51 5.3.1. Môi trường mô phỏng ...................................................................................51 5.3.2. Môi trường thực tế ........................................................................................53 5.4. SO SÁNH VÀ ĐÁNH GIÁ ...................................................................................56 5.4.1. Các phương pháp đánh giá kết quả ..............................................................56
5.4.2. Kết quả On-road ...........................................................................................58 5.4.3. Kết quả Off-road ...........................................................................................60 CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ..............................................65 6.1. KẾT LUẬN ..........................................................................................................65 6.2. HƯỚNG PHÁT TRIỂN .......................................................................................65 TÀI LIỆU THAM KHẢO .............................................................................................66
DANH MỤC CÁC HÌNH ẢNH, BIỂU ĐỒ Hình 1.1 Hệ thống hỗ trợ người lái (ADAS) .................................................................1 Hình 2. 1 Workflow của PyTorch ...................................................................................7 Hình 2. 3 Hình tách biên sử dụng Canny ......................................................................10 Hình 2. 5 Ánh xạ đường thẳng từ không gian ảnh sang không gian Hough .................12 Hình 2. 6 Kiến trúc mạng CNN .....................................................................................14 Hình 2. 7 Ví dụ minh họa về phân đoạn ngữ nghĩa .......................................................15 Hình 2. 8 Kiến trúc của SSD .........................................................................................16 Hình 2. 9 Ứng dụng của Mobilenet trên thiết bị thông minh ........................................17 Hình 2. 10 Kiến trúc mạng mobilenet version 1 ...........................................................18 Hình 2. 11 Kiến trúc mạng Moblilenet version 2 ..........................................................18 Hình 2. 12 Kiến trúc của RFB. ......................................................................................19 Hình 3. 1 Tổng quan phần cứng ....................................................................................22 Hình 3. 2 Xe RC 1/7 Traxxas Desert .............................................................................23 Hình 3. 3 Bộ điều tốc .....................................................................................................24 Hình 3. 4 Động cơ không chổi than..............................................................................25 Hình 3. 5 Bộ xử lý trung tâm NVIDIA Jetson TX2 ......................................................26 Hình 3. 6 Cảm biến khoảng cách...................................................................................27 Hình 3. 7 Cảm biến gia tốc ............................................................................................28 Hình 3. 8 Pin LiPo .........................................................................................................29 Hình 3. 9 Camera astra ..................................................................................................30 Hình 3. 10 Mạch chuyển đổi CDD ................................................................................31 Hình 3. 11 Sơ đồ kết nối mạch chuyển đổi với thiết bị ngoại vi ...................................32 Hình 3. 12 Mô hình xe thực tế .......................................................................................32 Hình 3. 13 NVIDIA Jetson TX2 gắn mạch chuyển đổi và các kết nối .........................33 Hình 4. 1 Sơ đồ tổng quan phương pháp .......................Error! Bookmark not defined. Hình 4. 2 Tổng quan qui trình xử lý On-road................Error! Bookmark not defined. Hình 4. 3 Kiến trúc mạng đề xuất cho xử lý On-road ...................................................36 Hình 4. 4 Phương pháp phát hiện làn đường .................................................................37 Hình 4. 5 Xác định cụm dựa trên miền Hough..............................................................38 Hình 4. 6 Lọc nền ..........................................................................................................39 Hình 4. 7 Sơ đồ chi tiết thuật toán phát hiện vật cản.....................................................40
Hình 4. 8 Sơ đồ phương pháp nhận diện biển báo ........................................................40 Hình 4. 9 Kiến trúc thuật toán phát hiện vị trí biển báo ................................................41 Hình 4. 10 Đặc trưng HOG được biểu diễn bằng t-SNE ...............................................42 Hình 4. 11 Áp dụng kỹ thuật PID chạy bám làn đường. ...............................................45 Hình 4. 12 Vượt xe. .......................................................................................................45 Hình 4. 13 Lưu đồ giải thuật điều khiển ........................................................................46 Hình 5. 1 Môi trường ảo dùng phần mềm UNITY ........................................................48 Hình 5. 2 Môi trường thực tế tự tạo...............................................................................49 Hình 5. 3 Ảnh thu được từ camera ................................................................................50 Hình 5. 4 Các loại biển báo giao thông .........................................................................50 Hình 5. 5 Kết quả trong môi trường mô phỏng .............................................................52 Hình 5. 6 Kết quả trong môi trường mô phỏng .............................................................52 Hình 5. 7 Kết quả trong môi trường thực tế ngoài cuộc sống (dữ liệu lấy ra từ video) 53 Hình 5.8 Kết quả trong môi trường thực tế (Ảnh lấy từ mô hình xe) ...........................54 Hình 5.9 Kết quả nhận diện làn đường (1) ....................................................................54 Hình 5.10 Kết quả nhận diện làn đường (2) ..................................................................55 Hình 5.11 Kết quả nhận diện làn đường (3) ..................................................................55 Hình 5.12 Kết quả nhận diện làn đường (4) ..................................................................55 Hình 5. 13 Ví dụ cho ma trận tương quan .....................................................................57 Hình 5. 14 Kết quả phân loại .........................................................................................60 Hình 5. 23 (a) Kết quả trong điều kiện ánh sáng thấp. (b) Kết quả trong điều kiện ánh sáng cao .........................................................................................................................61
DANH MỤC CÁC BẢNG BIỂU Bảng 1. 1 THÁCH THỨC VÀ PHƯƠNG PHÁP GIẢI QUYẾT BÀI TOÁN PHÁT HIỆN BIỂN BÁO ............................................................................................................3 Bảng 5. 1 HIỆU SUẤT QUÁ TRÌNH PHÂN ĐOẠN ..................................................58 Bảng 5. 2 SỐ PHẦN TỬ ĐIỂM NỔI VÀ TỐC ĐỘ FPS .............................................59 Bảng 5. 3 BẢNG SO SÁNH GIỮA MÔ-ĐUN CẢI TIẾN VỚI SKIPNET ................59 Bảng 5. 4 HIỆU SUÂT CỦA PHÁT HIỆN LÀN ĐƯỜNG VỚI NHỮNG KHOẢNG CÁCH KHÁC NHAU ...................................................................................................59 Bảng 5. 5 FPS CỦA MỖI CÔNG VIỆC TRONG OFF-ROAD ...................................61 Bảng 5. 6 ĐÁNH GIÁ KẾT QUẢ PHÁT HIỆN BIỂN BÁO TRONG CÁC LAANFN CHẠY THỬU NGHIỆM KHÁC NHAU......................................................................61
DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Tên đầy đủ ADAS Advanced Driver Assistance Systems TSR Traffic Sign Detection LOD Lane and Obstacle Detection SSD Single Shot Multi-box Detector RFB Receptive Field Block SVM Support Vector Machine FPS Frames per second FLOPS Floating point operations per second HOG Histogram of Oriented Gradients GPU Graphics Processing Unit CUDA Central Processing Unit
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM THÔNG TIN KẾT QUẢ NGHIÊN CỨU CỦA ĐỀ TÀI 1. Thông tin chung: - Tên đề tài: Mô hình xe tư hành - Chủ nhiệm đề tài: Huỳnh Việt Cường Mã số SV: 16119003 - Lớp: 16119CLC Khoa: Đào tạo chất lượng cao - Thành viên đề tài: Stt Họ và tên MSSV Lớp Khoa 1 Huỳnh Việt Cường 16119003 16119CLC Đào tạo chất lượng cao 2 Lưu Vạn Tín 16119048 16119CLC Đào tạo chất lượng cao 3 Nguyễn Đình Vương 16119056 16119CLC Đào tạo chất lượng cao - Người hướng dẫn: TS. Trần Vũ Hoàng 2. Mục tiêu đề tài: Nghiên cứu và phát triển các chức năng trong hệ thống hỗ trợ người lái của xe tự hành. Ứng dụng lý thuyết được học và tìm hiểu để nhận diện làn đường và biển báo giao thông trên đường đồng thời phát hiện vật cảng trên đường. Thiết kế thuật toán nhận diện làn đường và biển báo trong môi trường mô phỏng. Mô hình xe tự hành có khả năng nhận diện làn đường và biển báo trong môi trường thực tế. Đồng thời phát hiện chướng ngại vật phía trước. 3. Tính mới và sáng tạo: Bài viết tận dụng ưu điểm của xử lý ảnh truyền thống kết hợp với các mo-dun học sâu để huấn luyện mạng vừa chính xác vừa cải thiện khả năng đáp ứng thời gian thực cho xe mô hình. 4. Kết quả nghiên cứu: Thuật toán nhận diện làn đường. Thuật toán nhận diện vật thể, chướng ngại. Thuật phát phá hiện biển báo giao thông. Chạy nên tảng ROS trên Jetson TX2.
Chạy thuật toán trên môi trường mô phỏng. Giao tiếp ngoại vi với Jetson TX2. 5. Đóng góp về mặt giáo dục và đào tạo, kinh tế - xã hội, an ninh, quốc phòng và khả năng áp dụng của đề tài: Đề tài "Mô hình xe tự hành" sẽ đóng góp về mặt giáo dục và xã hội. Đề tài nghiên cứu về các thuật toán hiện tại dành cho xe tự hành. Đặt biệt là các thuật toán về lĩnh vực thị giác máy tính, máy học và học sâu trong trí tuệ nhân tạo. Bên cạnh đó mô hình là tiền đề để phát triển hoàn chỉnh và cải thiện hệ thống xe tự hành sau này. 6. Công bố khoa học của SV từ kết quả nghiên cứu của đề tài Được chấp nhận công bố trong hội nghị khoa học tổ chức bởi IEEE Xplore. Paper ID: GTSD2020_78.
Ngày tháng năm 2020 SV chịu trách nhiệm chính thực hiện đề tài (kí, họ và tên)
Nhận xét của người hướng dẫn về những đóng góp khoa học của SV thực hiện đề tài: Đề tài xây dựng hoàn thiện một thống nhận diện biển báo, làn đường và vật cản sử dụng camera, từ đó cho phép xe mô hình có thể hoàn toàn tự lái trong xa hình. Ngày tháng năm 2020
CHƯƠNG 1: MỞ ĐẦU 1.1. ĐẶT VẤN ĐỀ Xe tự hành đang là xu hướng của thế giới hiện tại và cả trong tương lai, nó đang thu hút được nhiều sự quan tâm cả trong và ngoài nước. Nó đã mở ra một cuộc chạy đua công nghệ cho các tập đoàn lớn như Tesla, Argo AI, Baidu, … Dự kiến trong tương lai nó có thể thay thế hoàn toàn cho con người nhằm giảm thiểu tai nạn đến từ những vấn đề chủ quan của người lái như mất tập trung, tầm nhìn bị hạn chế, … hoặc do những vấn đề khách quan như thời tiết, điều kiện ánh sáng, … Tuy nhiên để đạt được mức độ đó, các hệ thống xe tự hành còn phải được nghiên cứu và phát triển hơn nữa để đảm bảo về tính ổn định, thời gian đáp ứng và độ chính xác trong nhiều điều kiện làm việc khác nhau. Do đó, trong giai đoạn hiện tại, các nhà nghiên cứu đang chia nhỏ hệ thống này ra thành các hệ thống nhỏ với những tính năng thiết yếu nhằm hỗ trợ người lái (ADAS). Các hệ thống này góp phần tạo môi trường lái an toàn và thuận tiện hơn cho các tài xế. Trong các hệ thống này, việc nhận diện biển báo giao thông, phát hiện làn đường và các vật cản trên đường đóng vai trò đặc biệt quan trọng. Hình 1.1 Hệ thống hỗ trợ người lái (ADAS)  Tình hình nghiên cứu ngoài nước: Trên thế giới, hầu hết các phương pháp giải quyết bài toán nhận diện làn đường và phát hiện vật cản trên đường (LOD) [1-3] đều tập trung vào các trường hợp đơn giản trên đường cao tốc. Gần đây, cũng có một vài nghiên cứu [4-5] phát triển các thuật toán
có thể giải quyết vấn đề trên trong những môi trường phức tạo hơn. Do đó, chúng phải đối mặt với nhiều thách thức khó khăn hơn. Đa số những thách thức này đến từ nhiễu của khung cảnh xung quanh làn đường ví dụ như đường cong, vật cản, bóng cây hay thậm chí là bóng của các phương tiện giao thông trên đường. Vì vậy, chúng ta cần một phương pháp hiệu quả và mạnh mẽ hơn để giải quyết những thử thách trên. Tác giả trong nghiên cứu [6] đã ứng dụng mạng “deep learning-based segmentation” để biểu diễn phân đoạn làn. Những nghiên cứu này cho thấy tính hiệu quả trong việc giải quyết các vấn đề nêu trên, cần ít khả năng tính toán và đạt được kết quả tốt hơn. Tuy nhiên, làn đường nhận diện được lại bị gãy khúc thành những phần không liên tục. Do đó, việc kết hợp những thành phần không liên tục này lại thành một làn đường cụ thể như trong thực tế là một bài toán mới được đặt ra và cần phải giải quyết. Trong nghiên cứu [7], tác giải đã đề xuất một giải pháp rất tốt, giải quyết hầu các vấn đề đã nêu trước đó, nhưng nó lại không đáp ứng tốc độ thời gian thực và không thể sử dụng cho một hệ thống nhúng với phần cứng hạn chế. Đối với bài toán phát hiện biển báo, một số thuật toán được đề xuất gần đây và những thách thức chúng giải quyết được được nhóm tổng hợp ở bảng 1.1. Như được thể hiện trong bảng, những phương pháp dựa trên học sâu đạt được hiệu suất tốt và hầu như giải quyết được tất cả các vấn đề được nêu, nhưng chúng thường rất nặng và không thể sử dụng cho các hệ thống yêu cầu đáp ứng thời gian thực. Do đó, mục đích của nhóm là tận dụng ưu điểm của từng phương pháp và thiết kế lại hệ thống để nó phù hợp với phần cứng giới hạn trong hệ thống nhúng. Mỗi phương pháp có thể được tận dụng ở những bước khác nhau phụ thuộc vào tính chất của nó. Nhìn chung, vấn đề phát hiện vật thể được chia thành hai nhiệm vụ chính: (1) xác định tọa độ của vật thể và (2) phân loại vật thể. Ở nhiệm vụ (1), SSD [8] cho thấy được khả năng mạnh mẽ của nó trong việc giải quyết hầu hết các vấn đề và phát hiện vật thể ở nhiều kích thước khác nhau chỉ trong một lần chạy. Tuy nhiên, phương pháp SSD truyền thống rất nặng, và không thể làm việc hiệu quả trong các phần cứng hạn chế như NVIDIA Jetson TX2.  Tình hình nghiên cứu trong nước: Theo báo Công Luận [9], năm 2015 mẫu xe tự lái đầu tiên của Việt Nam được FPT phát triển trên chiếc Kia Soul, đã đạt được cấp độ lái thứ 2 (trong 5 cấp độ lái). Điều này thu hút rất nhiều sự chú ý của các nhà nghiên cứu và các trường đại học lớn
trong nước. Với phiên bản hiện tại, xe có những chức năng như: ứng dụng End to end Deep Learning (thu thập data, xử lý hình ảnh), Traffic Sign (nhận diện các biển báo), Vehicle Detection & Tracking (nhận diện vật cản, né vật cản trên đường), Lane Finding (tìm kiếm làn đường phù hợp). Để có thể tự động di chuyển thì mẫu xe tự lái của FPT được áp dụng những công nghệ chính gồm: ZED Strereo camera ví như con mắt của xe có thể đọc hiểu những tín hiệu trên đường, tín hiệu biển báo giao thông; cảm biến LiDar có khả năng phát hiện xe trong bán kính 200 mét; bộ xử lý trung tâm sử dụng chíp NVIDIA TX2; cơ cấu điều khiển lái từ Robot Driving do FPT phát triển. Hiện tại, FPT Software là đơn vị duy nhất tại Việt Nam nghiên cứu và phát triển công nghệ xe tự lái đạt đến cấp độ 3, tuy nhiên họ đang đối mặt với các thách thức lớn mà trong đó là giá thành của Lidar và tốc độ xử lý của máy tính. Đối với bài toán này, chúng ta phải tối ưu về mặt thuật toán giúp camera có thể phát hiện xe thay cho chức năng của Lidar và giảm độ tính toán để phù hợp với tốc độ xử lý của máy tính. Bảng 1. 1 THÁCH THỨC VÀ PHƯƠNG PHÁP GIẢI QUYẾT BÀI TOÁN PHÁT HIỆN BIỂN BÁO Methods Ảnh Mờ và Tác Nhiễu Méo Đáp hưởng bạc động bởi dạng ứng Task bởi ánh màu của khung thời sáng chuyển cảnh gian động xung thực 1 2 quanh Image Processing SVM [10] SSD [8] Faster RCNN [11]
1.2. LÝ DO CHỌN ĐỀ TÀI Cho tới hiện nay, rất nhiều phương pháp [12-14] để phát triển hệ thống ADAS đã được đề xuất. Nhìn chung, chúng được chia thành hai hướng chính: (1) xử lý ảnh và (2) học sâu. Với những phương pháp sử dụng xử lý ảnh, mặc dù chúng đạt được tốc độ xử lý và thời gian đáp ứng rất nhanh nhưng chúng chỉ phù hợp một vài môi trường cố định và đơn giản. Trong khi đó, các phương pháp học sâu lại có thế mạnh về việc giải quyết những vấn đề phức tạp tuy nhiên tốc độ và thời gian xử lý lại phụ thuộc nhiều vào phần cứng và giải thuật được thiết kế. Hơn nữa, những phương pháp học sâu còn cần rất nhiều dữ liệu được dán nhãn để huấn luyện, việc này tốn rất nhiều thời gian và công sức để thu thập và xử lý. Do đó để giải quyết các thách thức hiện tại nhóm quyết định thực hiện đề tài “Thiết Kế Hệ Thống Xe Tự Hành Kết Hợp Các Phương Pháp Xử Lý Ảnh Truyền Thống và Học Sâu”. Trong đề tài này, nhóm nghiên cứu đề xuất kết hợp cả hai hướng xử lý ảnh và học sâu thành một hệ thống thống nhất để tận dụng ưu điểm của từng phương pháp. Từ đó giải quyết các vấn đề về nhận diện làn đường, biển báo giao thông đồng thời phát hiện vật cản trên đường. Mục đích của nhóm là phát triển một thuật toán nhẹ và có thể làm việc trên các phần cứng giới hạn như NVIDIA Jetson TX2. 1.3. MỤC TIÊU Xây dựng thuật toán và mô hình xe tự hành có khả năng nhận diện làn đường, biển báo và các chướng ngại vật trong môi trường mô phỏng và sa hình thực tế. 1.4. PHƯƠNG PHÁP, ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU  Phương pháp nghiên cứu:  Nghiên cứu lý thuyết dựa trên các bài báo khoa học đã công bố.  Khảo sát các vấn đề gặp phải, thách thức và đưa ra hướng giải quyết.  Tham khảo ý kiến đánh giá của người hướng dẫn.  Thực thi các hướng đề xuất.  Kiểm tra, ghi nhận kết quả thực hiện và đưa ra so sánh, đánh giá từ đó đề xuất các điều chỉnh.  Đối tượng nghiên cứu:  NVIDIA Jetson TX2.
 Các thuật toán xử lý ảnh, máy học, học sâu cho bài toán phát hiện làn đường, biển báo giao thông và vật cản.  Các phương pháp làm giảm trọng lượng mô hình học sâu.  Phạm vi nghiên cứu:  Đề tài chỉ tập trung vào phát triển phần mềm trên board Jetson TX2.  Thuật toán được đánh giá và thử nghiệm trong môi trường mô phỏng của Unity và sa hình thực tế nhỏ, mô phỏng điều kiện giao thông bên ngoài. 1.5. BỐ CỤC Bố cục của bài báo cáo được chia thành năm chương như sau:  Chương 1: Giới thiệu Chương này trình bày về giới thiệu đề tài, tình hình nghiên cứu, mục tiêu đề tài, giới hạn đề tài và bố cục đồ án.  Chương 2: Cơ sở lý thuyết Chương này giới thiệu về các nền tảng vận hành, các khái niệm và phương pháp được sử dụng trong thuật toán từ các lĩnh vực như xử lý ảnh, máy học, học sâu. Bên cạnh đó là giải thuật để điều khiển mô hình ổn định.  Chương 3: Giới thiệu phần cứng Chương này cung cấp cách nhìn tổng quan về phần cứng của mô hình bao gồm các linh kiện quan trọng, các cảm biến được trang bị và đặc biệt là bộ não xử lý.  Chương 4: Thiết kế phần mềm Chương này trình bày các bước đi tìm cách giải quyết vấn đề và mục tiêu đề ra. Phương pháp được mô tả từ tổng quan đến chi tiết các giải thuật bên trong.  Chương 5: Kết quả thực hiện, so sánh và đánh giá Chương này trình bày về những thực nghiệm bao gồm môi trường, cách thu thập dữ liệu, các thông số được thiết lập ban đầu. Bên cạnh đó là những kết quả nhóm đạt được, từ đó so sánh và đánh giá phương pháp của nhóm.
 Chương 6: Kết luận và hướng phát triển Chương này đưa ra kết luận đề tài và hướng phát triển tiếp theo.  Tài liệu tham khảo Dẫn chứng nguồn tài liệu tham khảo trong đề tài.