Báo cáo thực tập tốt nghiệp
LỜI MỞ ĐẦU
Các Robot tự hành được ứng dụng trong đời sống ngày càng nhiều như robot vận
chuyển hàng hóa, robot kiểm tra nguy hiểm, robot xe lăn cho người khuyết tật. Robot
phục vụ sinh hoạt gia đình… Điểm hạn chế của các robot tự hành hiện tại là tính thiếu
linh hoạt và khả năng thích ứng khi làm việc ở những vị trí khác nhau. Từ những lý do đó
nảy sinh vấn đề tránh vật cản cho robot tự hành nhằm nâng cao tính linh hoạt cho robot.
Hầu hết các robot hiện đại đều có một kiểu tránh vật cản nào đó robot xác định vật cản và
dừng lại ở khoảng cách ngắn so với vật cản để tránh va chạm, đến các thuật toán tinh tế
hơn, cho phép robot di chuyển theo đường viền quanh vật cản. Đề tài “Xe tự hành tránh
vật cản” nhằm góp phần giải quyết các vấn đề trên.
Chúng em xin gửi lời cảm ơn chân thành đến cô GS.TS Phan Xuân Minh đã giúp
đỡ và giới thiệu chúng em đến thực tập tại trường Cao đẳng nghề công nghệ cao Hà Nội.
Trong quá trình thực tập, cô đã tận tình định hướng cũng như cung cấp các kiến thức lý
thuyết cho chúng em. Cô luôn động viên giúp chúng em hoàn thành đợt thực tập
Chúng em cũng xin gửi lời cảm ơn sâu sắc đến trường Cao đẳng nghề công nghệ
cao Hà Nội, thầy Ths Ngô Mạnh Tiến, thầy Nguyễn Văn Dũng đã tạo mọi điều kiện
thuận lợi đồng thời hướng dẫn tận cho chúng em trong suốt quá trình thực tập.
Nhóm sinh viên
Lê Trung Kiên
Lê Thế Huy
Hoàng Văn Nghĩa
1
Báo cáo thực tập tốt nghiệp
MỤC LỤC
LỜI MỞ ĐẦU ...................................................................................................................................................................1
MỤC LỤC .......................................................................................................................................................................2
DANH MỤC HÌNH VẼ ......................................................................................................................................................4
CHƢƠNG 1 GIỚI THIỆU ĐỀ TÀI .....................................................................................................................................5
1.1
Lý do chọn đề tài .............................................................................................................................................5
1.2
Mục đích ..........................................................................................................................................................5
CHƢƠNG 2 TỔNG QUAN HỆ THỐNG .............................................................................................................................6
2.1 Giới thiệu về xe tự hành ......................................................................................................................................6
2.2 Bài toán tránh vật cản.........................................................................................................................................8
2.3 Hệ thống xe tự hành tránh vật cản ......................................................................................................................9
CHƢƠNG 3 MÔ HÌNH HÓA ĐỐI TƢỢNG XE TỰ HÀNH .................................................................................................. 10
3.1 Mô hình động học xe robot: .............................................................................................................................. 10
3.2 Mô hình động lực học xe robot: ........................................................................................................................ 11
3.3 Đánh giá : ......................................................................................................................................................... 13
CHƢƠNG 4 CẢM BIẾN KINECT .................................................................................................................................... 14
4.1 Mục đích ........................................................................................................................................................... 14
4.2 Giới thiệu cảm biến Kinect ............................................................................................................................... 14
4.3 Phát hiện vật cản sử dụng Kinect ..................................................................................................................... 23
CHƢƠNG 5 MẠCH ĐIỀU KHIỂN VÀ TRUYỀN THÔNG ................................................................................................... 27
5.1 i điều hi n M P43 ....................................................................................................................................... 27
5.3 i điều hi n M P43
5 xx-Kit MSP430FR5739 ......................................................................................... 31
5.4 CC3000 ............................................................................................................................................................ 36
5.5 Đánh giá ........................................................................................................................................................... 40
2
Báo cáo thực tập tốt nghiệp
KẾT LUẬN .................................................................................................................................................................... 41
TÀI LIỆU THAM KHẢO ................................................................................................................................................. 42
3
Báo cáo thực tập tốt nghiệp
DANH MỤC HÌNH VẼ
Hình 2-1 Asterisk - Robot nhện di chuyển bằng chân……………………………………6
Hình 2-2 Curiosity- Robot thăm dò sao Hỏa di chuyển bằng bánh………………………7
Hình 2-3 Robot cứu hộ di chuyển bằng xích……………………………………………...7
Hình 2-4 Sơ đồ tổng quan hệ thống……………………………………..………………...9
Hình 3.1 Gắn tọa độ cho xe Robot………………………………………………………..10
Hình 4-2 Cảm biến Kinect………………………………………………………………..15
Hình 4-2 Cấu trúc phần cứng của cảm biến kinect………………………………………16
Hình 4-3 Nguyên lý cảm biến độ sâu…………………………………………………….18
Hình 4-4 Dữ liệu thu được từ cảm biến Kinect…………………………………………..18
Hình 4-5 Bản đồ độ sâu thu được từ Kinect sử dụng OpenNI…………………………...20
Hình 4.6 Ví dụ ứng dụng thư viện PCL trong việc tách các đối tượng trên mặt bàn……22
Hình 4-7 Sơ đồ xử lý phát hiện vật cản sử dụng Kinect…………………………………24
Hình 4-8 Kết quả thu được khi sử dụng qua bộ lọc voxel Grid…………………………26
Hình 4-9 Kết quả phát hiện vật cản sử dụng thư viện PCL……………………………...27
Hình 5.1 Vi điều khiển MSP430………………………………………………………...28
Hình 5.2 Các dòng MSP hiện nay………………………………………………………..29
Hình 5.3 Cấu trúc của MSP430………………………………………………………….30
Hình 5.4 Các module của MSP430………………………………………………………31
Hình 5.5 Cấu trúc Vi điều khiển MSP430FR5739………………………………………34
Hình 5.6 Cấu trúc kit phát triển sử dụng VĐK MSP430FR57xx………………………..35
Hình 5.7 Cấu trúc CC300………………………………………………………………..38
Hình 5.8 Hình ảnh thực tế CC300 TiWi-SL…………………………………………….39
Hình 5.9 Cơ chế liên kết giữa Slave và Host MCU……………………………………..39
Hình 5.10 MSP430FR5739 board+CC3000 TiWi-SL………………………………….40
4
Báo cáo thực tập tốt nghiệp
CHƢƠNG 1 GIỚI THIỆU ĐỀ TÀI
1.1 Lý do chọn đề tài
Theo dự đoán thì sau cuộc cách mạng lớn về internet sẽ là cuộc cách mạng về lĩnh
vực robot. Các Robot được ứng dụng trong đời sống ngày càng nhiều như robot vận
chuyển hàng hóa, robot kiểm tra nguy hiểm, robot xe lăn cho người khuyết tật. Robot
phục vụ sinh hoạt gia đình… Điểm hạn chế của các robot tự hành hiện tại là tính thiếu
linh hoạt và khả năng thích ứng khi làm việc ở những vị trí khác nhau. Từ những lý do đó
nảy sinh vấn đề tránh vật cản cho robot tự hành nhằm nâng cao tính linh hoạt cho robot.
Hầu hết các robot hiện đại đều có một kiểu tránh vật cản nào đó robot xác định vật cản và
dừng lại ở khoảng cách ngắn so với vật cản để tránh va chạm, đến các thuật toán tinh tế
hơn, cho phép robot di chuyển theo đường viền quanh vật cản.
Nhằm từng bước tiếp cận và tạo nền tảng cho quá trình nghiên cứu ứng dụng các
công nghệ vào các sản phẩm phù hợp thực thế, nhóm đồ án chúng em đã chọn đề tài:
“ Điều khiển xe tự hành tránh vật cản”.
1.2 Mục đích
Xây dựng một xe tự hành hoàn chỉnh có khả năng tìm đến vị trí đặt trước và có khả
năng tránh vật cản trong quá trình di chuyển. Điểm mới của xe tự hành là sử dụng cảm
biến Kinect có khả năng khôi phục môi trường phía trước robot dưới dạng 3D từ đó xác
định được các thông số cần thiết cho giải thuật điều khiển robot.
Trong khuôn khổ của đợt thực tập tốt nghiệp tại phòng thí nghiệm robot của trường
Cao đẳng nghề công nghệ cao Hà Nội, nhóm thực tập chúng em dừng lại ở việc tìm hiểu
cấu trúc tổng quan của robot. Xây dựng được mô hình động học, động lực học của robot
đồng thời tìm hiểu các khối phục vụ cho việc điều khiển robot như khối cảm biến Kinect,
các KIT sử dụng chip MSP của TI và các giao thức truyền thông giữa máy tính và KIT.
5
Báo cáo thực tập tốt nghiệp
CHƢƠNG 2 TỔNG QUAN HỆ THỐNG
2.1 Giới thiệu về xe tự hành
Xe tự hành hay robot di động (mobile robots, thường được gọi tắt là mobots) được
định nghĩa là một loại xe robot có khả năng tựdịch chuyển, tự vận động (có thể lập trình
lại được) dưới sự điền khiển tự động để thực hiện thành công công việc được giao.
Theo lý thuyết, môi trường hoạt động của robot tự hành có thể là đất, nước, không khí,
không gian vũ trụ hay sự tổ hợp giữa chúng. Địa hình bề mặt mà robot di chuyển trên đó
có thể bằng phẳng hoặc thay đổi, lồi lõm.
Theo bộ phận thực hiện chuyển động, ta có thểchia robot tựhành làm 2 lớp: chuyển động
bằng chân (legged) và bằng bánh (wheeled).
Hình 2-1 Asterisk - Robot nhện di chuyển bằng chân
6
Báo cáo thực tập tốt nghiệp
Hình 2-2 Curiosity- Robot thăm dò sao Hỏa di chuyển bằng bánh
Loại chuyển động bằng vòng xích (khi cần mô men phát động lớn hay khi cần di
chuyển trên vùng đầm lầy, cát và băng tuyết)
Hình 2-3 Robot cứu hộ di chuyển bằng xích
7
Báo cáo thực tập tốt nghiệp
2.2 Bài toán tránh vật cản
Tìm đường (navigation) là một khoa học dẫn hướng robot tự hành di chuyển trong
không gian làm việc của nó. Trong vấn đề tìm đường, bài toán được quan tâm nhiều nhất
là bài toán tìm đường về đích mà không chạm vào vật cản trên đường đi.
Có 2 loại bài toán tìm đường cho robot:
-
Bài toán cục bộ (local): Môi trường làm việc của robot hoàn toàn không biết
trước hoặc chỉ biết một phần. Robot hoàn toàn nhờ vào sự cảm nhận môi trường
trong quá trình di chuyển thông qua cảm biến gắn trên nó để dò đường.
-
Bài toán toàn cục (Global):Bản đồ môi trường làm việc của robot hoàn toàn được
biết trước, vấn đề chính phải giải quyết là tìm đường đi cho robot trước khi nó
xuất phát.
Bài toán toàn cục có lợi thế là biết trước đường đi có tới đích hay không, có thể chọn
đường tối ưu trước khi robot khởi hành. Tuy nhiên hạn chế là đòi hỏi nhiều tài nguyên để
tính toán và yêu cầu cao về độ chính xác của bản đồ môi trường làm việc. Việc thay đổi
môi trường ví dụ như có vật cản thay phía trước robot khiến robot không hoạt động đúng
yêu cầu.
Trong trường hợp này, bài toán cục bộ tỏ ra có ưu thế, nó có tính linh hoạt cao như có
thể tránh vẩn cản khi vật đó di chuyển. Đồng thời yêu cầu tài nguyên phục vụ tính toán
thấp hơn. Nhược điểm của bài toán này là robot chỉ cảm nhận môi trường qua cảm biến
gắn cùng vì thế có thể không hoàn thành việc tới đích mặc dù có đường đi hơn nữa không
thể chọn ra được đường đi tối ưu.
Trong báo cáo, chúng em tập trung vào giải quyết bài toán cục bộ với cảm biến sử
dụng là Kinect. Môi trường hoạt động của robot là mặt phẳng giới hạn bởi các bức tường.
Các vật cản xuất hiện ngẫu nhiên. Yêu cầu đặt ra là robot tự động tìm đường về được tới
đích mà không chạm vào vật cản.
8
Báo cáo thực tập tốt nghiệp
2.3 Hệ thống xe tự hành tránh vật cản
Hệ thống tổng quan bao gồm 4bộ phận chính (Hình 2-4)(1) Bộ cảm biến Kinect,
(2) bộ phận chấp hành là các bánh xe có gắn động cơ điện 1 chiều, (3) Laptop,(4) vi điều
khiển và driver điều khiển động cơ.
Các thành phần phối hợp hoạt động như sau: (1) Cảm biến Kinect liên tục thu thập dữ
liệu về hình ảnh, khoảng cách sau đó gửi về (2) Laptop để có thể khôi phục lại không
gian 3D trước robot đồng thời sử dụng các thuật toán thích hợp để phát hiện vật cản cũng
như tìm được các thông số của vật cản để cung cấp cho thuật toán tránh vật cản.Sau khi
các tín hiệu được xử lý thì sẽ tìm ra được quỹ đạo đặt tiếp theo cho robot. Quỹ đạo là đầu
vào cho bộ điều khiển cài đặt trong vi điều khiển và sau đó chuyển thành các tín hiệu
điều khiển động cơ DC. Khi di chuyển Kinect lại thu thập các dữ liệu mới và quá trình
này được lặp lại.
Hình 2-4 Sơ đồ tổng quan hệ thống
9
Báo cáo thực tập tốt nghiệp
CHƢƠNG 3 MÔ HÌNH HÓA ĐỐI TƢỢNG XE TỰ
HÀNH
3.1 Mô hình động học xe robot:
Hình 3.1 Gắn tọa độ cho xe Robot
Xét xe robot trong không gian làm việc. Ta cần sử dụng 3 hệ tọa độ để xác định được
vị trí của xe robot, đối tượng cần bám, các vật cản so với mặt đất, cũng như vị trí tương
đối của xe robot, đối tượng cần bám, các vật cản so với nhau. 3 hệ tọa độ đó là:
-
Hệ tọa độ OXY gắn với mặt đất đóng vai trò là hệ gốc, xác định vị trí tuyệt
đối của xe robot,cũng như các đối tượng trên mặt phẳng chuyển động.
Hệ tọa độ Cxm ym gắn với xe robot.
Hệ tọa độ O ' xy gắn với cảm biến Kinect, có vai trò xác định vị trí tương đối
giữa đối tượng bám, vật cản so với xe robot.
Biến điều khiển là vận tốc 2 bánh xe ( Vt , V p ), biến được điều khiển chính là tọa độ
của xe ( x0 , y0 ). Phương trình động học của xe:
10
Báo cáo thực tập tốt nghiệp
x cos( ) 0
y sin( ) 0 v
w
0
1
(3.1)
Trong đó: v là vận tốc thẳng của xe, w là vận tốc quay của xe. Và có:
r
v 2
w 2r
D
r
2 Vt
2r V p
D
Vt r.t
(3.3)
Vp r. p
(3.4)
(3.2)
Trong đó, r là bán ính bánh xe, D là hoảng cách giữa 2 bánh xe.
Để đơn giản,trong phạm vi đồ án ta chỉ quan tâm đến 2 chuyển động cơ bản của xe
robot:
-
Chuyển động tịnh tiến (w=0, v ≠0) :Vt =Vp xe robot chuyển động tiến hoặc lùi.
-
Chuyển động quay (w≠0, v =0 ):Vt = -Vp xe robot chuyển động quay quanh trục đi
qua trung điểm 2 bánh xe A.
Kết hợp (3.1) và (3.2), ta được:
r
2 cos( )
x
y r sin( )
2
2r
D
r
cos( )
2
Vt
r
sin( )
V p
2
2r
D
(3.5)
3.2 Mô hình động lực học xe robot:
Xe Robot thuộc lớp đối tượng “mechanical nonholonomic systems”, theo EulerLagrange có phương trình dạng :
11
Báo cáo thực tập tốt nghiệp
M (q).q C (q, q).q G(q) B(q). J T (q).
(3.6)
Trong đó:
-
M (q) là ma trận đối xứng, xác định dương
-
C (q, q) là ma trận hướng tâm và lực coriolis
-
G(q) là ma trận vector lực quán tính
-
B(q) là vector biến đổi tín hiệu vào
-
là ma trận tín hiệu vào
-
J (q) là ma trận liên ết
-
là ma trận của lực liên ết
Thực tế với đối tượng Robot di động :
C (q, q) 0 , G(q) 0 , J (q).q 0 (3.7)
Từ đó, hệ phương trình động lực học của đối tượng Robot di động được viết lại như
T
sau, với q ( x, y, ) :
m 0 0 x
cos( ) cos( )
sin( )
1
0 m 0 y sin( ) sin( ) 1 cos( )
r
0 0 I
D
D 2 0
Đặt: l
1
(1 2 ) ;
R
a
(3.8)
1
( 1 2 )
R
Trong đó: m là hối lượng của xe, I là momen quán tính của xe
Hệ phương trình (3.8) trở thành :
x
l
y
l
m
m
cos( )+
cos( )-
m
m
sin( )
sin( )
(3.9)
a
I
12
Báo cáo thực tập tốt nghiệp
Đạo hàm 2 vế của các phương trình hệ động học (3.1), ta được
x v .sin( ) v.cos( )
y v .cos( ) v.sin ( ) (3.10)
w
So sánh các vế của các phương trình (3.9), (3.10):
v
w=
l
m
(3.11)
a
I
Bộ điều khiển được thiết kế sẽ thực hiện 2 nhiệm vụ :
-
Bám vận tốc đặt trước vc : bộ điều khiển sẽ sử dụng mô hình động lực học của xe
robot.
Bám quỹ đạo đặt trước qd : bộ điều khiển sẽ sử dụng mô hình động học của xe
robot
3.3 Đánh giá :
-
-
Trong thời gian thực tập, chúng em đã thu được một số kết quả như sau:
Tìm hiểu được cơ bản về lý thuyết xe robot,tìm hiểu,xây dựng được mô
hình động học,mô hình động lực học cho xe robot.
Tìm hiểu được về nguyên lý điều khiển xe robot, bước đầu xây dựng được
cấu trúc hệ thống điều khiển xe robot.
Trong thời gian hoàn thành đồ án, chúng em sẽ hoàn thiện hệ thống điều khiển, cài
đặt bộ điều khiển với thuật toán “bám mục tiêu + tránh vật cản” chạy thử nghiệm
trên xe robot.
13
Báo cáo thực tập tốt nghiệp
CHƢƠNG 4 CẢM BIẾN KINECT
4.1 Mục đích
Mục đích của việc sử dụng cảm biến Kinect trong đề tài là dựa vào khả năng khôi
phục môi trường trước robot tự hành dưới dạng 3D để phát hiện đồng thời tính toán các
tham số của vật cản như khoảng cách từ robot đến vật cản, kích thước vật cản…
Việc phát hiện vật cản sử dụng Kinect được xem là sự kết hợp giữa xử lý ảnh và
và phương pháp đo đạc khoảng cách bằng sóng hồng ngoại. Kết quả thu về chính xác, ổn
định hơn so với các phương pháp phổ biến như sử dụng cảm biến siêu âm hay sử dụng xử
lý ảnh thông thường.
4.2 Giới thiệu cảm biến Kinect
Hình 4-2 Cảm biến Kinect
Kinect là sản phẩm của Microsoft dựa trên công nghệ camera được phát triển bởi
PrimeSense, những sản phẩm đầu tiên được bán tại Bắc Mỹ vào ngày 4 tháng 11 năm
2010 .
14
Báo cáo thực tập tốt nghiệp
Kinect được coi như là một thiết bị ngoại vi cho Xbox 360, cho phép giao tiếp
với con người thông qua các cử chỉ, đem lại những cảm giác thú vị cho người chơi game
trên Xbox. Khả năng hiểu được cử chỉ con người của Kinect dựa trên hai đặc tính chính
sau: thông tin về độ sâu ảnh (depth map), khả năng phát hiện và bám theo đặc tính cơ
thể người (body skeleton tracking).
Bên cạnh phục vụ cho mục đích chơi game, sản phẩm Kinect còn được dùng vào
mục đích nghiên cứu xử lý ảnh 3D, phát hiện cử chỉ (gesture recognition), bám theo
người (body tracking) và nhiều mục đích khác. Lý do chính cho sự thành công của sản
phẩm Kinect là giá cả khá rẻ (khoảng 140$ trên 1 sản phẩm) cho thiết bị có khả năng
cung cấp các thông tin 3D với chất lượng chấp nhận được.
4.2.1 Cấu trúc phần cứng
Hình 4-2 Cấu trúc phần cứng của cảm biến kinect
Bên trong Kinect bao gồm 1 camera RGB, cảm biến độ sâu , một dãy các microphone và
1 động cơ điều khiển góc nâng.
Camera RGB
Là một camera có 3 kênh dữ liệu có độ phân giải 1280x960. Camera này có khả năng
chụp lại ảnh ảnh mầu.
15
Báo cáo thực tập tốt nghiệp
Cảm biến độ sâu
Độ sâu thu về nhờ sự kết hợp của 2 bộ phận là bộ phát hồng ngoại IR và camera hồng
ngoại đọc các tín hiệu phản hồi về từ đó tính toán ra bản đồ độ sâu.
DãyMicrophone
Dãy Micro bao gồm 4 micro được bố trí dọc theo thân Kinect có khả năng thu lại âm
thanh đồng thời xác định hướng của âm thanh. Dãy Microphone này được dùng trong các
ứng dụng điều khiển bằng giọng nói.
Ngoài ra Kinect còn có 1 cảm biến đo gia tốc để xác định hướng và 1 động cơ dùng để
điều khiển góc ngẩng camera.
Trong số những cảm biến kể trên của Kinect, cảm biến độ sâu có khả năng ứng dụng cao
trong đề tài robot tránh vật cản.
4.2.2 Nguyên lý cảm biến độ sâu
Cặp cảm biến IR camera và IR projector sẽ phối hợp với nhau để tạo ra giá trị độ sâu
bằng công nghệ Light Coding của PrimeSense.
Kĩ thuật Light Coding dùng nguồn sáng hồng ngoại chiếu liên tục kết hợp với một
camera hồng ngoại để tính khoảng cách. Việc tính toán này được thực hiện bằng chip
PS1080 Soc của PrimeSen.
Projector sẽ chiếu một chùm sáng hồng ngoại, tạo nên những đốm sáng ở không gian
phía trước Kinect, tập hợp đốm sáng được phát ra này là cố định. Những đốm sáng
này được tạo ra nhờ một nguồn sáng truyền qua lưới nhiễu xạ (diffraction gratings). Tập
hợp các đốm sáng này được IR camera chụp lại, thông qua giải thuật đặc biệt được tích
hợp trong PS1080 SoC cho ra bản đồ độ sâu. Bản chất của giải thuật này là các phép
toán hình học dựa trên quan hệ giữa hai cảm biến IR camera và Projector.
16
Báo cáo thực tập tốt nghiệp
Hình 4-3 Nguyên lý cảm biến độ sâu
4.1.3 Các dữ liệu đo từ cảm biến
Hình 4-4 Dữ liệu thu đƣợc từ cảm biến Kinect
17
Báo cáo thực tập tốt nghiệp
Các cảm biến của Kinect được điều khiển đồng thời thu thập và xử lý dữ liệu thông
qua chip PS1080 có tần số 12MHz, sau đó được lưu trữ vào bộ nhớ Flash. Các dữ liệu
này có thể truyền vào máy tính thông qua cổng USB 2.0.
Các tín hiệu thu thập bao gồm dữ liệu về độ sâu, màu sắc và âm thanh trong đó tín
hiệu về độ sâu là dữ liệu quan trọng có nhiều dụng.
Sở dĩ dữ liệu về chiều độ sâu có tầm quan trọng như vậy bởi nó giúp việc nhận dạng
các vật thể đơn giản hơn nhiều so với xử lý ảnh thông thường. Các thuật toán xử lý ảnh
thông thường dựa vào sự tương đồng về mầu sắc, tuy nhiên, có thể những vật có mầu sắc
tương tự nhau nhưng không cùng một vật thể hoặc các phần của cùng một đối tượng
nhưng có mầu khác nhau,do vậy gây khó khăn trong quá trình nhận dạng. Trong khi đó,
với thông tin về độ sâu, các vật thể được phân biệt với nhau thông qua vị trí. Những
điểm có khoảng cách gần nhau có xu hướng cùng một đối tượng mà không phân biệt mầu
sắc. Chỉ khi độ sâu giảm đột ngột như ở cạnh và ở một số phần nhỏ của đối tượng thì khi
đó, hình ảnh trên bản đồ độ sâu mới có sự thay đổi.
Một ưu điểm nữa của bản đồ độ sâu đó là dữ liệu có thể được nén cao hơn so với ảnh
mầu thông thường do đó thích hợp trong việc truyền dẫn nhanh tín hiệu. Các thuật toán
nhận dạng đối với ảnh độ sâu đơn giản hơn và thậm chí có thể tái tạo lại vật thể 3D (Bộ
thư viện mã nguồn mở hỗ trợ thuật toán trên là PCL).
Từ những phân tích trên ta có thể thấy được những ưu điểm của bản đồ độ sâu và nó
rất thích hợp để ứng dụng trong các đề tài về robot tự hành.
4.2 Các thư viện xử lý ảnh cho Kinect
Hiện nay có nhiều bộ thư viện được viết cho Kinect. Nổi bật trong số đó là 2 bộ
thư viện mã nguồn mở OpenNI và bộ thư viện Kinect SDK của Microsoft.
Trong đồ án này, nhóm sinh viên đã sử dụng thư viện OpenNI . Đây là bộ thư viện
mã nguồn mở, dùng được trên nhiều hệ điều hành khác nhau. Thư viện được xây dựng hỗ
trợ đầy đủ các nhu cầu cơ bản khi sử dụng Kinect trong đồ án xe tự hành tránh vật cản.
18
Báo cáo thực tập tốt nghiệp
Mục đính chính khi sử dụng bộ thư viện OpenNI là thu được bản đồ độ sâu (Depth
Map) mang thông tin về khoảng cách từ các vật thể trong không gian phía trước cảm biến
Kinect.OpenNI cho phép thu bản đồ độ sâu trong giới hạn từ 0.5-5m phía trước Kinect.
Hình 4-5 Bản đồ độ sâu thu đƣợc từ Kinect sử dụng OpenNI
Để phát huy tối đa khả năng của Kinect, nhóm sinh viên kết hợp thêm bộ thư viện
xử lý ảnh 3D là PCL.
PCL là thư viện hỗ trợ xử lý ảnh 3D, được xây dựng với 14 module thực hiện các
thuật toán khác nhau.
-
Module PCL_Common: Chứa cấu trúc dữ liệu và phương thức được sử dụng bởi
phần lớn các thư viện trong PCL
-
Module Features: Chứa các cấu trúc dữ liệu và cơ chế tính toán, ước lượng 3D từ
các dữ liệu điểm PCD
-
Module PCL_filters : Chứa các kỹ thuật loại bỏ nhiễu.
-
Module Geometry: Chứa tất cả các cấu trúc dữ liệu và giải thuật để tính toán hình
học.
-
Module PCL_IO: Chứa các hàm và các lớp để đọc và ghi dữ liệu dạng PCD, có
thể thu thập dữ liệu từ nhiều nguồn khác nhau (Trong đồ án này dùng Kinect).
-
Module PCL_Kdtree:Thư viện cung cấp cấu trúc dữ liệu Kd_tree, sử dụng
FLANN giúp nhanh chóng tìm kiếm vùng gần nhất (nearest neighbors searches).
19
Báo cáo thực tập tốt nghiệp
-
Module PCL_Keypoint: Là thư viện chứa thực thi của 2 thuật toán nhận dạng
“Point clound keypoint”.Key Point (hay interest point) là các điểm trong ảnh hoặc
trong point cloud mà có tính chất ổn định, riêng biệt và có thể dễ dàng phát hiện
ra. Thông thường số lượng Key Point nhỏ hơn tổng số điểm trong cloud.
-
PCL_Octree: Chứa các thuật toán hiệu quả để tạo nên một cấu trúc dữ liệu phân
cấp từ dữ liệu point cloud. Nó cho phép phân vùng không gian, downsampling
(giảm số lượng các mẫu do đó tăng tốc độ tính toán) và thực hiện các phép toán
tìm kiếm trong tập dữ liệu PointCloud
-
Module registrantion (PCL_registration): Kết hợp các bộ dữ liệu vào một mô
hình chung, thống nhất thường được thực hiện bằng một kỹ thuật gọi là
registration.Ý tưởng chính là xác định các điểm tương ứng trong bộ dữ liệu và tìm
một chuyển đổi khoảng cách tối thiểu các điểm tương ứng.
-
Module PCL_sample_consensus:Thư viện pcl_sample_consensus có khả năng
tách các nhóm điểm có cùng tính chất (Sample Consensus hay SAC) giống như
thuật toán RANSAC (Tìm kiếm đường thẳng trong tập hợp các điểm). Các nhóm
điểm có thể là các mặt phẳng, mặt cầu, trụ. Thư viện này rất thích hợp trong các
ứng dụng dò tìm các đối tượng như tường, cửa, các vật trên bàn…
-
PCL_Search: Cung cấp các phương pháp tìm kiếm lân cận (nearest neighbors)
bằng cách sử dụng các cấu trúc dữ liệu khác nhau.
-
Module PCL_Segmentation: Chứa các thuật toán để phân chia Point Cloud thành
các nhóm riêng biệt. Các thuật toán này thích hợp nhất khi xử lý các point Cloud
bao gồm các vùng không gian bị cô lập. Trong trường hợp như vậy, các clustering
thường chia nhỏ để sau đó có thể xử lý độc lập.
-
Module PCL_surface: Là thư viện thích hợp cho việc xây dựng lại các bề mặt từ
dữ liệu quét 3D. Các đối tượng chính gồm vỏ, bề mặt lưới, bề mặt nhẵn hay bình
thường. Khi có nhiễu có thể làm mịn và lấy mẫu lại.
-
Module PCL_visualization: Thư viện được tạo ra có thể nhanh chóng hiển thị các
kết quả thuật toán trên dữ liệu 3D.
20
- Xem thêm -