SCIENCE - TECHNOLOGY Số 13.2023 ● Tập san SINH VIÊN NGHIÊN CỨU KHOA HỌC 235
ỨNG DỤNG CẢM BIẾN HỒNG NGOẠI TRONG VIỆC THIẾT KẾ XE TỰ HÀNH
THE APPLICATION OF INFRARED SENSORS IN AUTONOMOUS VEHICLE DESIGN Bùi Văn Nguyên1,*, Lê Quốc Tấn2, Ngô Quang Thắng3, Nguyễn Quốc Thắng4, Chu Đức Hùng5 TÓM TẮT Hệ thống xác định vật cản và xe tự hành đã trở thành một phần không thểthiếu trong công nghệ xe tự hành. Nhằm đạt hiệu quả này, hệ thống thường s
ử
dụng nhiều loại cảm biế
n như radar, camera, Lidar (Laser Imaging Detection and
Ranging) và đặc biệt cảm biến hồng ngoại để quét môi trường và phát hiện vậ
t
cản xung quanh. Để phân tích và xử lý dữ liệu từ các cảm biến và xây dựng bản đồchi tiết môi trường, hệ thống sử dụng các thuật toán và công nghệ
như computer
vision, deep learning và machine learning. Nhờ thông tin này, hệ thống có thểnhận diện và đánh giá vật cản, bao gồm các phương tiện khác, người đi bộ
, đèn
giao thông, biển báo và các trở ngại khác. Khi hệ thống phát hiện vật cản, nó sẽtính toán hành động tiếp theo phù hợp để tránh vật cản hoặc dừng lạ
i an toàn.
Nếu vật cản là một phương tiện khác, hệ thống cũng cần tính toán đường đi tố
i ưu
để tránh va chạm và vượt qua phương tiện đó. Việc phát triển các hệ thống nhậ
n
biết vật cản và xe tự hành đang được nghiên cứu và phát triển rộng rãi, với sự đầ
u
tư của nhiều công ty và tổ chức trên toàn cầu, nhằm tạo ra những hệ thố
và thông minh hơn cho xe tự hành. Từ khóa: Xe tự hành; cảm biến dò đường. ABSTRACT
The recognition of obstacles and autonomous driving systems has become an
integral part of
autonomous vehicle technology. These systems commonly utilize
various sensors, including radar, cameras, Lidar (Laser Imaging Detection and
Ranging), and notably, infrared sensors, to scan the surrounding environment and
detect obstacles. Algorithms and te
chnologies such as computer vision, deep
learning, and machine learning are employed to analyze and process data from the
sensors, creating a detailed map of the environment. This information is used to
detect and assess obstacles, including other vehicles
, pedestrians, traffic lights, signs,
and other barriers. When an obstacle is detected, the system calculates the
appropriate next action to avoid or safely stop. If the obstacle is another vehicle, the
system also computes the optimal path to avoid collis
ion and overtake the vehicle.
The development of obstacle recognition and autonomous driving systems is a
rapidly evolving research field, with numerous companies and organizations
worldwide investing in creating safer and smarter systems for autonomous vehicles.Keyword: Autonomous vehicle; tracking sensor. 1Lớp Kỹ thuật Ô tô 03 - K14, Trường Cơ khí Ô tô, Trường Đại học Công nghiệp Hà Nội
2Lớp Kỹ thuật Ô tô 06 - K14, Trường Cơ khí - Ô tô, Trường Đại học Công nghiệp Hà Nộ
i
3Lớp Kỹ thuật Ô tô 01 - K16, Trường Cơ khí - Ô tô, Trường Đại học Công nghiệp Hà Nộ
i
4Lớp Kỹ thuật Ô tô 02 - K14, Trường Cơ khí - Ô tô, Trường Đại học Công nghiệp Hà Nộ
i
5 Trường Cơ khí - Ô tô, Trường Đại học Công nghiệp Hà Nội *Email: buivannguyen@gmail.com 1. GIỚI THIỆU Rô bốt di động là một hệ rô bốt có khả năng thực hiện các nhiệm vụ ở nhiều vị trí khác nhau với khả năng dịch chuyển bằng bánh xe, xích hay bằng chân phụ thuộc vào địa hình. Khả năng di động làm rô bốt có nhiều ứng dụng và đòi hỏi phải giải quyết nhiều vấn đề mới. Những vấn đề nghiên cứu đang được nhiều tác giả trên thế giới quan tâm cho lĩnh vực rô bốt di động, xe tự hành là khả năng xác định phương hướng (navigation) của rô bốt, bài toán thiết kế qũy đạo chuyển động tránh vật cản và điều khiển xe tự hành tiếp cận quỹ đạo mong muốn. Do mô hình động học và động lực học của rô bốt di động, xe tự hành thường là mô hình phi tuyến dạng hệ nonholonomic (có các ràng buộc về tốc độ chuyển động không khả tích) và có nhiều tham số bất định nên bài toán thiết kế quỹ đạo và điều khiển đòi hỏi nhiều nghiên cứu và áp dụng các phương pháp tính toán phức tạp để bảo đảm xe chạy ổn định trơn tru và bám quỹ đạo chính xác. Hiện nay, có nhiều nhóm nghiên cứu trên thế giới đã đạt được những thành tựu đáng kể về điều khiển rô bốt tự hành nâng hạ (forklift) xắp xếp kệ hàng (pallet) trong kho. Nhóm tác giả của trường đại học Girona, Tây Ban Nha đã nghiên cứu hệ thống thị giác tìm vị trí 3D của pallet dựa trên màu sắc và đặc tính hình học của nó. Từ đó, quỹ đạo tuyến tính được tạo ra để giúp xe nâng hạ có thể di chuyển và tiếp cận pallet [1]. Nhóm tác giả của Viện kỹ thuật hệ thống của trường đại học Hannover đã nghiên cứu thành công bài toán nhận dạng/định vị pallet dựa trên hai máy quét laser để forklift có thể tiếp cận và nâng hạ pallet [2]. Bellomo và nhóm tác giả đã nghiên cứu phương pháp ước lượng vị trí của pallet dựa vào dữ liệu máy quét laser LIDAR và hệ thống thị giác [3]. Ngoài ra, bài báo này cũng trình bày thuật toán điều khiển forklift chuyển động tiếp cận để nâng/hạ pallet dựa trên thuật toán “tái lập quỹ đạo dạng polinom”. Widyotriatmo và nhóm tác giả đã đề xuất thuật toán “tiên đoán hướng” (predictive navigation) kết hợp với quỹ đạo ngắn nhất, tránh chướng ngại vật (obstacle avoidance), và sự bất định của các cảm biến, cơ cấu chấp hành [4]. Thuật toán tạo quỹ đạo 3h spline được sử dụng cho rô bốt di động loại bánh xe (wheeled mobile robot) được giới thiệu trong
CÔNG NGHỆ Tập san SINH VIÊN NGHIÊN CỨU KHOA HỌC ● Số 13.2023
236
KHOA H
ỌC
[5, 6] và thuật toán mở rộng của nó trong việc tránh các chướng ngại vật khi di chuyển trong [7]. Bài báo này đề xuất ứng dụng cảm biến hồng ngoại trong việc thiết kế tối ưu xe tự hành. 2. CƠ SỞ LÝ THUYẾT 2.1. Mô hình động học Trong đó hai bánh sau được điều khiển dẫn động với cùng tốc độ và được gắn cứng trên trục sau, còn trục càng xe bánh trước được điều khiển để đánh lái cho xe tự hành. Trong trường hợp này các bánh xe hàng trước là các bánh xe tự lựa không có điều khiển. Với các ký hiệu quy ước trên hình 1, gọi α(t) là góc đánh lái và d là khoảng cách từ hàng bánh trước tới hàng bánh sau, khi đó:
dtgα(t)ρ(t)
(1) trong đó, ρ(t) = PG. Hình 1. Minh họa mối quan hệ động học Từ phương trình (1) ta có bán kính ρ(t) tâm vận tốc tức thời P: dρ(t)tgα(t) (2) và vận tốc của điểm G tại thời điểm tức thời xét trong hệ quy chiếu ϑR{GRxRyR} gắn tại G của AGV được cho bởi: GV(t)ρ(t)(t) (3) Từ (2) và (3) ta có vận tốc góc (t) của AGV: GV(t)(t)tgα(t)d (4) Mặt khác, vận tốc VG(t) tại điểm G trên AGV được xác định bởi G22V(t)V(t)rω(t) (5) Trong đó: ω2, r lần lượt là vận tốc góc trục mang hai bánh xe phía sau và bán kính bánh xe. Từ (4, 5) ta có hệ phương trình động học của AGV trong hệ quy chiếu ϑR: RG2R2Rx(t)Vrω(t)y(t)0rω(t)φ(t)tgα(t)d
(6) Xét trong quy chiếu ϑf của môi trường di chuyển, ta có: G
x(t)cosφ(t)0V(t)q(t)y(t)sinφ(t)0(t)01φ(t)
(7) Với q(t) = x(t) y(t) (t) là quỹ đạo điểm G và tư thế của AGV, khi AGV được điều khiển để chuyển động với vận tốc {VG (t) , (t)} di chuyển theo ξ. 2.2. Lưu đồ thuật toán Hình 2. Sơ đồ khối mạch điều khiển xe 2.3. Thuật toán xử lý kết quả đo khoảng cách để xuất lệnh Arduino là một nền tảng phát triển phần cứng và phần mềm mã nguồn mởi cho các dự án điện tử tương tác. Nó được thiết kế để dễ dàng sử dụng các nhóm và cá nhân muốn tạo ra các thiết bị điện tử tối giản hoặc mở rộng hệ thống điều khiển. Arduino có các cảm biến khác nhau, bao gồm các bo mạch mà module phụ trợ có thể kết nối với máy tính hoặc các thiết bị khác có thể tạo ra các ứng dụng tương tác đa dạng điển hình là mô- đun phát wifi hoặc bluetooth, màn
SCIENCE - TECHNOLOGY Số 13.2023 ● Tập san SINH VIÊN NGHIÊN CỨU KHOA HỌC 237
hình OLED, loa và các cảm biến các nhau như cảm biến nhiệt đô, cảm biến ánh sáng, cảm biến vị trí. Các dòng sản phẩm của arduino như arduino uno, arduino mega, arduino Nano, arduino leonardo khá phổ biến và được sử dụng rộng rã trong các ứng dụng như đo lường, điều khiển, tự động hóa, đèn LED và nhiều ứng dụng khác. Arduino cũng có cộng đồng lớn với nhiều người sử dụng và phát triển toàn cầu. Từ đây nhóm tác giả đã đưa ra các thuật toán trên nền tảng arduino. Void xu ly() { Int8 Lenh_tam = lenh; If (khoang_cach_phai < khoang_cach_min || khoang_cach_trai < khoang _cach_min) { If (lenh != lenh_lui || lenh!= lenh_lui_phai || lenh != lenh_lui_trai) { If (khoang_cach_trai = khoang_cach_phai ) { lenh= lenh_lui; // lùi xe Dieu_khien(); // đưa lệnh tới động cơ If (Lenh_tam != lenh_lui) Delay_ms(time ); } If (khoang_cach_trai > khoang_cach_phai) { Lenh= lenh_lui_phai; // lùi qua phải Dieu_khien(); // đưa lệnh tới động cơ; If (Lenh_tam != lenh_lui_phai) Delay_ms(time ); } If (khoang_cach_trai < khoang_cach_phai) { lenh= lenh_lui_trai; // lùi qua trái Dieu_khien(); // đưa lệnh tới động cơ If (Lenh_tam !=lenh_lui_trai) Delay_ms(time ); } } Return; } If(khoang_cach_phai < khoang_cach_max || khoang_cach_trai < khoang_cach_max) { If(khoang_cach_phai < khoang_cach_trai) { lenh = lenh_re_trai; // rẽ trái Dieu_khien (); // đưa lệnh tới động cơ } Else If( khoang_cach_trai < khoang_cach_phai) { lenh = lenh_re_phai; // rẽ phải Dieu_khien (); // đưa lệnh tới động cơ } Return; } If ((khoang_cach_trai > khoang_cach_max) && (khoang_cach_phai > khoang_cach_max)) { lenh = lenh_tien; // điều khiển xe tiến Dieu_khien (); // đưa lệnh tới động cơ Return ; } } Đoạn code trên đây là trình điều khiển giúp xe nhận biết được vật cản, từ đó sẽ tính toán để vượt qua vật cản mà không xảy ra va chạm. 3. KẾT QUẢ NGHIÊN CỨU Hình 3. Thiết bị sau khi hoàn thiện
CÔNG NGHỆ Tập san SINH VIÊN NGHIÊN CỨU KHOA HỌC ● Số 13.2023
238
KHOA H
ỌC
Hoàn thiện việc chạy mô phỏng bằng ngôn ngữ lập trình Arduino thành công, sẽ lên kế hoạch cho các trang thiết bị và linh kiện cần thiết để phục vụ cho việc thiết kế mô hình thực tế đúng với ý tưởng và nội dung đã được triển khai. Nghiên cứu mang tính ứng dụng cao khi được thiết kế mô hình thực tế thông qua việc chạy mô phỏng. Sự sắp xếp, bố trí các linh kiện trong toàn bộ hệ thống theo một cách tối ưu nhất, dễ nhìn vừa có độ thẩm mĩ vừa mang tính sáng tạo và ứng dụng của đề tài là một sự cần thiết và được chú trọng khi thiết kế mô hình thực tế. Sau khi thiết lập ngôn ngữ lập trình. Việc thiết kế một mô hình thực tế là sự cần thiết nhằm nâng cao tính ứng dụng và thực tế hóa. 4. KẾT LUẬN Việc sử dụng công nghệ cảm biến là một điều vô cùng quan trọng. Các thuật toán xử lý từ cảm biến giúp cho xe tự hành có thể phát hiện các đối tượng trên đường một cách chính xác và nhanh chóng. Việc sử dụng công nghệ này giúp cho xe tự hành có thể di chuyển an toàn và tránh được các tai nạn giao thông. Tuy nhiên, để đạt được hiệu quả tối đa, cần phải tiếp tục nghiên cứu và phát triển các thuật toán mới để cải thiện độ chính xác và độ tin cậy của hệ thống cảm biến này. TÀI LIỆU THAM KHẢO [1]. N. Bellomo, E. Marcuzzi, L. Baglivo, M. Pertile, E. Bertolazzi, M. De Cecco, 2009. Pallet Pose Estimation with LIDAR and Vision for Autonomous Forklifts. Proceedings of the 13th IFAC Symposium on Information Control Problems in Manufacturing, Moscow, Russia, 612-617. [2]. A. Widyotriatmo, B. Hong, K. S. Hong, 2009. Predictive navigation of an autonomous vehicle with nonholonomic and minimum turning radius constraints. Journal of Mechanical Science and Technology, 23, 381-388. [3]. A. Piazzi, C. Guarino Lo Bianco, M. Romano, 2007. 3 -Splines for the Smooth Path Generation of Wheeled Mobile Robots. IEEE Trans. Robotics, 23 (5),1089-1095. [4]. J. Connors, G. Elkaim, 2007. Experimental Results for Spline Based Obstacle Avoidance of an Off-Road Ground Vehicle. ION Global Navigation Satellite Systems Conference ION GNSS 2007, Fort Worth, TX, 1484-1490. [5]. J. H. Wei, J. S. Liu, 2008. Collision-free Composite 3 -Splines Generation for Nonholonomic Mobile Robots by Parallel Variable-Length Genetic Algorithm. Proc. of the Int. Conf. on Computational Intelligence for Modelling Control and Automation, Vienna, 545 - 550. [6]. M. Hentschel, O. Wulf, B. Wagner, 2006. A Hybrid Feedback Controller for Car-LikeRobots. Proc. of the Int. Conf. on Informatics in Control, Automation and Robotics (ICINCO). [7]. K. Kanjanawanishkul, M. Hofmeister, A. Zell, 2010. Path following with an optimal forward velocity for a mobile robot. Proc. of the 7th IFAC Symposium on Intelligent Autonomous Vehicles (IAV), 1-6, Lecce, Italy.