ĈҤI HӐC QUӔC GIA TP. HCM
75ѬӠ1*ĈҤ,+Ӑ&%È&+.+2$
HUǣNH THANH TU̬N
NGHIÊ1&Ӭ87Ӵ+À1+52%27'Ӵ$75ÊN PHѬѪNG
PHÁ3.ӂ7+Ӧ31+,ӄ8&Ҧ0%,ӂ1
RESEARCH ON AUTONOMOUS ROBOTS BASED ON THE
MULTIPLE SENSOR FUSION METHODS
Chuyên ngành: &ѪĈ,ӊ17Ӱ
0mVӕ 8520114
/8Ұ19Ă17+Ҥ&6Ƭ
TP. HӖ CHÍ MINH, tháng 01 QăP2022
I
&Ð1*75Î1+ĈѬӦC HOÀN THÀNH TҤI
75ѬӠ1*ĈҤI HӐC BÁCH KHOA ±Ĉ+4*-HCM
Cán bӝ Kѭӟng dүn khoa hӑc: PGS.TS. NGUYӈN TҨN TIӂN
Cán bӝ chҩm nhұn xét 1: PGS.TS. LÊ MӺ HÀ
Cán bӝ chҩm nhұn xét 2: PGS.TS. NGUYӈ17+$1+3+ѬѪ1*
LuұQYăQWKҥFVƭÿѭӧc bҧo vӋ tҥL7UѭӡQJĈҥi hӑF%iFK.KRDĈ+4*7S
HCM ngày 15 tháng 1 QăP2022.
Thành phҫn HӝLÿӗQJÿiQKJLiOXұQYăQWKҥFVƭJӗm:
1. PGS.TS. NGUYӈN DUY ANH ................ - Chӫ tӏch
2. PGS.TS. NGUYӈ17+$1+3+ѬѪ1* . - Phҧn biӋn 1
3. PGS.TS. LÊ MӺ HÀ ................................. - Phҧn biӋn 2
4. 76Ĉ2¬17+ӂ THҦO ............................ - Ӫy viên
5. TS. PHÙNG TRÍ CÔNG .......................... - 7KѭNê
Xác nhұn cӫa Chӫ tӏch HӝLÿӗQJÿiQKJLi/9Yj7Uѭӣng Khoa quҧn lý
chuyên ngành sau khi luұQYăQÿmÿѭӧc sӱa chӳa (nӃu có).
75ѬӢNG KHOA &Ѫ.+Ë
CHӪ TӎCH HӜ,ĈӖNG
II
ĈҤI HӐC QUӔC GIA TP.HCM
CӜNG HOÀ XÃ HӜI CHӪ 1*+Ƭ$9,ӊT NAM
75ѬӠ1*ĈҤI HӐC BÁCH KHOA
Ĉӝc lұp - Tӵ do - Hҥnh phúc
NHIӊM VӨ LUҰ19Ă17+Ҥ&6Ƭ
Hӑ và tên hӑc viên:
HUǣNH THANH TUҨN
MSHV:
1870245
1Jj\WKiQJQăPVLQK
11/05/1992
1ѫLVLQK
TӍQK%uQKĈӏnh
Chuyên ngành:
Kӻ thuұW&ѫÿLӋn tӱ
Mã sӕ:
8520114
,7Ç1Ĉӄ TÀI:
Nghiên cӭu tӵ hành robot dӵD WUrQ SKѭѫQJ SKiS NӃt hӧp nhiӅu cҧm biӃn.
(Research on autonomous robots based on the multiple sensor fusion methods)
II. NHIӊM VӨ VÀ NӜI DUNG:
- ThiӃt kӃ giҧi thuұt kӃt hӧp nhiӅu cҧm biӃQÿӇ ÿӏnh vӏ robot tӵ hành.
- Mô phӓng giҧi thuұt kӃt hӧp nhiӅu cҧm biӃQÿӇ ÿӏnh vӏ robot tӵ hành.
- ThiӃt kӃ bӝ ÿLӅu khiӇn robot bám quӻ ÿҥo.
- Mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo dӵa trên sӵ kӃt hӧp nhiӅu cҧm biӃn.
III. NGÀY GIAO NHIӊM VӨ: 06/09/2021
V. NGÀY HOÀN THÀNH NHIӊM VӨ: 28/12/2021
IV. CÁN BӜ +ѬӞNG DҮN: PGS.TS. NGUYӈN TҨN TIӂN
7S+&0QJj\«WKiQJ«QăP«
CÁN BӜ +ѬӞNG DҮN
CHӪ NHIӊM BӜ 0Ð1Ĉ¬27ҤO
75ѬӢNG KHOA &Ѫ.+Ë
III
LӠI CҦ0Ѫ1
7UѭӟFWLrQW{L[LQSKpSÿѭӧc gӱi lӡi cҧPѫQFKkQWKjQKÿӃn PGS. TS. NGUYӈN
TҨN TIӂN là giҧQJYLrQKѭӟng dүn trӵc tiӃp cӫa tôi. CҧPѫQWKҫ\ÿmOX{QKӛ trӧ
mӛi khi tôi gһp vҩQÿӅ hoһc có câu hӓi vӅ vҩQÿӅ nghiên cӭu cӫa mình. Thҫy vүn
luôn cho phép tôi tӵ do bày tӓ TXDQÿLӇPÿӗng thӡLÿѭDUDQKӳng nhұn xét, góp ý,
dүn dҳWW{LÿLÿ~QJKѭӟng trong suӕt thӡi gian nghiên cӭu, thӵc hiӋQÿӅ tài luұQYăQ
7{L FNJQJ [LQ FҧP ѫQ FiF WKҫ\ F{ WURQJ NKRD &ѫ .Kt - 7UѭӡQJ Ĉҥi hӑc Bách
Khoa - Ĉҥi hӑc quӕc gia tp. Hӗ &Kt0LQKÿmWUX\ӅQÿҥt cho tôi nhӳng kiӃn thӭc vӅ
chuyên ngành trong suӕt thӡi gian hӑc tұp ÿӇ W{LFyÿѭӧc nӅn tҧng kiӃn thӭc hӛ trӧ
rҩt lӟn cho tôi trong quá trình làm luұQYăQ
7{LFNJQJPXӕn bày tӓ sӵ biӃWѫQÿӃn 76'ѬѪ1*9Ă17ÒDQKÿmFyQKLӅu
nhұn xét và góp ý rҩt có giá trӏ giúp tôi hoàn thiӋn luұQYăQQj\
Cuӕi cùng, tôi xin gӱi lӡi cҧm ѫQÿӃQJLDÿuQKYjEҥQEqYuÿmOX{QKӛ trӧ tôi và
khuyӃn khích liên tөc trong suӕt nhӳQJQăPKӑc tұp và qua quá trình nghiên cӭu và
viӃt luұQYăQQj\KӃt quҧ này sӁ không thӇ Fyÿѭӧc nӃu không có hӑ.
Xin chân thành cҧPѫQ
IV
TÓM TҲT LUҰ19Ă1
NhiӋm vө cӫa luұQYăQWұp trung vào viӋc nghiên cӭXSKѭѫQJSKiSNӃt hӧp dӳ
liӋu cӫa nhiӅu loҥi cҧm biӃQÿӇ xác ÿӏnh vӏ trí và góc cӫa robot tӵ hành trong quá
trình di chuyӇQ3KѭѫQJSKiSNӃt hӧp dӳ liӋu cҧm biӃQÿѭӧc áp dөng trong luұQYăQ
là sӱ dөng bӝ lӑc Kalman mӣ rӝQJÿӇ kӃt hӧp hai loҥi cҧm biӃQFyѭXÿLӇm bә sung
FKR QKDX WURQJ EjL WRiQ ÿӏnh vӏ robot là cҧm biӃQ ÿӏnh vӏ cөc bӝ Yj ÿӏnh vӏ toàn
cөc: Odometry và GPS, UWB.
LuұQYăQFzQWUuQKEj\WKLӃt kӃ bӝ ÿLӅu khiӇn robot bám theo quӻ ÿҥo dӵa trên sӵ
kӃt hӧp nhiӅu cҧm biӃn.
LuұQYăQÿmKRjQWKjQK\rXFҫu thiӃt kӃ giҧi thuұt kӃt hӧp dӳ liӋu cҧm biӃn và
thiӃt kӃ bӝ ÿLӅu khiӇQÿӇ ÿLӅu khiӇn robot bám quӻ ÿҥR7UrQFѫVӣ P{KuQKÿmFKӃ
tҥo tiӃn hành thӵc nghiӋm khҧ QăQJEiPTXӻ ÿҥo và kӃt quҧ thӵc nghiӋPÿip ӭng
ÿѭӧc các yêu cҫu cӫDÿӅ bài.
V
ABSTRACT
The task of the thesis focuses on studying the method of combining data of many
types of sensors to determine the position and pose of the self-propelled robot
during the movement. The method of combining sensor data applied in the thesis is
to use an extended Kalman filter to combine two types of sensors with
complementary advantages in the robot positioning problem, local localization
sensors and global localization sensors. Sensor used in the thesis Odometry and
GPS, UWB.
The thesis also presents the design of the controller to control the robot to follow
the trajectory based on the combination of many sensors.
The thesis has completed the requirements of designing an algorithm that
combines sensor data and designing a controller to control the orbiting robot. On the
basis of the manufactured model, conduct orbital tracking and experimental results
meet the requirements of the topic.
VI
LӠ,&$0Ĉ2$1
7{L[LQFDPÿRDQWҩt cҧ nӝi dung trong luұQYăQQj\NK{QJVDRFKpSFiFF{QJ
trình nghiên cӭu cӫa các cá nhân hay tә chӭc khác.
Tôi thӵc hiӋn nghiêm túc viӋc trích dүn các công trình bài báo, sách, tham luұn
và các nguӗQNKiFFyÿѭӧc sӱ dөng trong luұQYăQ
Tác giҧ luұQYăQ
HuǤnh Thanh Tuҩn
VII
MӨC LӨC:
NHIӊM VӨ LUҰ19Ă17+Ҥ&6Ƭ ............................................................................................... III
LӠI CҦ0Ѫ1 .................................................................................................................................. IV
TÓM TҲT LUҰ19Ă1 ................................................................................................................... V
ABSTRACT ..................................................................................................................................... VI
LӠ,&$0Ĉ2$1 ........................................................................................................................... VII
MӨC LӨC:..................................................................................................................................... VIII
MӨC LӨC HÌNH ҦNH: .................................................................................................................. X
&KѭѫQJ
1.1.
MӢ ĈҪU: .................................................................................................................. 1
Nhu cҫu thӵc tiӉn cӫDÿӅ tài: .............................................................................................. 1
1.1.1.
Ĉһt vҩQÿӅ: ................................................................................................................. 1
1.1.2.
NhӳQJѭXÿLӇm và hҥn chӃ cӫa viӋc kӃt hӧp cҧm biӃn: ............................................. 1
1.2.
Mөc tiêu cӫDÿӅ tài: ............................................................................................................ 4
&KѭѫQJ
2.1.
TӘNG QUAN: .......................................................................................................... 5
Tәng quan vӅ tәng hӧp dӳ liӋu: ......................................................................................... 5
2.1.1.
Phân loҥLFiFSKѭѫQJSKiSNӃt hӧp dӳ liӋu: .............................................................. 7
2.1.2.
Các kӻ thuұt kӃt hӧp dӳ liӋu: ................................................................................... 15
2.1.3.
&iFSKѭѫQJSKiSѭӟc tính trҥng thái: ...................................................................... 20
2.2.
3KѭѫQJiQWKӵc hiӋn trong luұQYăQ ............................................................................... 24
&KѭѫQJ
3.1.
&Ѫ6Ӣ LÝ THUYӂT: ............................................................................................ 26
Bӝ lӑc Kalman: ................................................................................................................ 26
3.1.1.
Tәng quan vӅ tính toán:............................................................................................ 26
3.1.2.
Mô hình bӝ lӑc Kalman tiêu chuҭn: ......................................................................... 27
&KѭѫQJ
THIӂT Kӂ GIҦI THUҰT KӂT HӦP CҦM BIӂN VÀ BӜ Ĉ,ӄU KHIӆN:..... 31
4.1.
ThiӃt kӃ giҧi thuұt kӃt hӧp cҧm biӃn bҵng bӝ lӑc Kalman mӣ rӝng (EKF): .................... 31
4.1.1.
Ĉӏnh vӏ robot bҵng EKF: .......................................................................................... 31
4.1.2.
KӃt hӧp cҧm biӃQWURQJÿӏnh vӏ robot bҵng EKF: .................................................... 36
4.1.3.
Mô phӓng kӃt hӧp cҧm biӃQWURQJÿӏnh vӏ robot bҵng EKF vӟi tín hiӋu giҧ lұp: .... 41
4.1.4.
KiӇm chӭng giҧi thuұt kӃt hӧp cҧm biӃn vӟi dӳ liӋu cҧm biӃn thӵc:....................... 44
4.2.
ThiӃt kӃ bӝ ÿLӅu khiӇn:..................................................................................................... 52
4.2.1.
0{KuQKÿӝng hӑc cӫa robot: ................................................................................... 52
4.2.2.
ThiӃt kӃ bӝ ÿLӅu khiӇn: ............................................................................................. 54
4.3.
KӃt quҧ mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo khi kӃt hӧp cҧm biӃn bҵng EKF: ...... 55
&KѭѫQJ
KӂT LUҰ19¬+ѬӞNG PHÁT TRIӆN: ........................................................... 62
VIII
5.1.
KӃt luұn: ........................................................................................................................... 62
5.2.
+ѭӟng phát triӇn: ............................................................................................................. 62
Tài liӋu tham khҧo: ........................................................................................................................ 63
LÝ LӎCH TRÍCH NGANG ........................................................................................................... 68
IX
MӨC LӨC HÌNH ҦNH:
+uQK6ѫÿӗ khӕi mô tҧ sensor fusion và Multisensor intergration ................................................. 6
Hình 2 KiӇu phân loҥi cӫa Durant-Whyte dӵa trên mӕi quan hӋ cӫa nguӗn vào.............................. 8
+uQK6ѫÿӗ kӃt hӧp dӳ liӋu kiӇu JDL........................................................................................... 10
Hình 4 Mô hình bên trong bӝ lӑc Kalman ...................................................................................... 28
+uQKĈӝ dӏch chuyӇn cӫa robot dҥng 2 bánh ............................................................................... 31
Hình 6 Mô phӓng tín hiӋu giҧ lұp cҧm biӃn GPS và Odometry...................................................... 42
Hình 7: Mô phӓng kӃt hӧp cҧm biӃn GPS và Odometry bҵng EKF và chӍ lӑc tín hiӋu GPS bҵng
EKF .................................................................................................................................................. 43
Hình 8 Mô phӓng kӃt hӧp cҧm biӃn GPS và Odometry bҵng EKF và chӍ lӑc tín hiӋu GPS bҵng
EKF - ӣ ÿRҥn thҷng .......................................................................................................................... 43
Hình 9 Mô phӓng kӃt hӧp cҧm biӃn GPS và Odometry bҵng EKF và chӍ lӑc tín hiӋu GPS bҵng
EKF - ӣ góc rӁ. ................................................................................................................................. 44
Hình 10 Modul DWM1000 ............................................................................................................. 45
Hình 11 Thӡi gian truyӅQ 72) WURQJSKѭѫQJSKiSWZRဨZD\UDQJLQJ ........................................ 46
Hình 12 ThuұWWRiQÿӏnh vӏ Trilateral centroid ............................................................................... 47
Hình 13 Robot Pioneer DX3 ........................................................................................................... 48
Hình 14 Quӻ ÿҥo di chuyӇn cӫa robot. ........................................................................................... 49
Hình 15: Tín hiӋu thӵc tӃ cӫa cҧm biӃn UWB và Odometry .......................................................... 50
Hình 16 KӃt quҧ lӑc nhiӉu tín hiӋu UWB bҵng EKF ...................................................................... 51
Hình 17 KӃt quҧ IXVLQJVHQVRUÿӕi vӟi UWB và Odometry ........................................................... 51
Hình 18 So sánh kӃt quҧ fusing sensor giӳa UWB vӟi Odometry bҵng EKF và kӃt quҧ chӍ lӑc
UWB bҵng EKF ............................................................................................................................... 52
+uQK 0{KuQKÿӝng hӑc cӫa robot ............................................................................................. 53
Hình 20: Control block diagram ..................................................................................................... 55
Hình 21 Tín hiӋu cҧm biӃn mô phӓng trong quá trình bám quӻ ÿҥo cӫa robot vӟi thӡi gian lҩy mүu
100ms ............................................................................................................................................... 56
Hình 22: KӃt quҧ mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo khi kӃt hӧp cҧm biӃn bҵng EKF vӟi
thӡi gian lҩy mүu 100ms .................................................................................................................. 57
Hình 23: Tracking error vӟi thӡi gian lҩy mүu 100ms .................................................................... 58
Hình 24 Tín hiӋu cҧm biӃn mô phӓng trong quá trình bám quӻ ÿҥo cӫa robot vӟi thӡi gian lҩy mүu
100ms ............................................................................................................................................... 59
Hình 25 KӃt quҧ mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo khi kӃt hӧp cҧm biӃn bҵng EKF vӟi thӡi
gian lҩy mүu 1ms. ............................................................................................................................ 60
X
Hình 26 KӃt quҧ mô phӓQJÿLӅu khiӇn robot bám quӻ ÿҥo khi kӃt hӧp cҧm biӃn bҵng EKF vӟi thӡi
gian lҩy mүu 1ms ± phóng to. .......................................................................................................... 60
Hình 27 Tracking error vӟi thӡi gian lҩy mүu 1ms ......................................................................... 61
Hình 28 Tracking error vӟi thӡi gian lҩy mүu 1ms ± phóng to. ...................................................... 61
XI
&KѭѫQJ
MӢ ĈҪU:
1.1. Nhu cҫu thӵc tiӉn cӫDÿӅ tài:
1.1.1. Ĉһt vҩQÿӅ:
Robot tӵ hành có nhiӅX ÿyQJ JyS WURQJ Vҧn xuҩt công nghiӋp, khoa hӑc y tӃ,
khoa hӑc xã hӝi, nông nghiӋp, giáo dөF WUz FKѫL QJKLrQ FӭX YNJ WUө YY ĈLӅu
Kѭӟng là mӝWEjLWRiQNKyÿӕi vӟLURERWGLÿӝng tӵ ÿӝQJĈӇ thӵc hiӋQÿLӅXKѭӟng,
robot sӁ trҧi qua cáFJLDLÿRҥQNKiFQKDXQKѭ QKұn thӭFÿӏnh vӏ, nhұn thӭFYjÿLӅu
khiӇn chuyӇQÿӝQJ7URQJJLDLÿRҥn nhұn thӭc, robot trích xuҩt dӳ liӋXFyêQJKƭD
bҵng cách phân tích các cҧm biӃn cӫa nó. Trong Eѭӟc ÿӏnh vӏURERWѭӟc tính vӏ trí
hiӋn tҥi cӫa nó trong môi WUѭӡng làm viӋc bҵng cách sӱ dөng thông tin tӯ các cҧm
biӃn bên ngoài.
Ĉӏnh vӏ là mӝt vҩQÿӅ NK{QJÿѫQJLҧQÿӕi vӟi robot tӵ hành ÿһc biӋt là khi robot
phҧi hoҥW ÿӝQJ WURQJ FiF P{L WUѭӡng bҩt әQ QKѭ P{L WUѭӡng ngoài trӡi. Khi hoҥt
ÿӝng ӣ FiFP{LWUѭӡQJQKѭ thӃFiFSKѭѫQJSKiSÿӏnh vӏ cөc bӝ khó có thӇ ÿҧm bҧo
tính chính xác và phҧi cҫQÿӃQFiFSKѭѫQJSKiSÿӏnh vӏ toàn cөFQKѭ*36 «7X\
nhiên bҧn thân các cҧm biӃn toàn cөFFNJQJFyQKӳQJQKѭӧFÿLӇPULrQJ'RÿySKiW
sinh nhu cҫu kӃt hӧp các loҥi cҧm biӃn có ѭXQKѭӧFÿLӇm bә khuyӃWFKRQKDXÿӇ
tăQJFѭӡng khҧ QăQJÿӏnh vӏ cӫDURERWWURQJP{LWUѭӡng bҩt әn.
1.1.2. NhӳQJѭXÿLӇm và hҥn chӃ cӫa viӋc kӃt hӧp cҧm biӃn:
1.1.2.1. ѬXÿLӇm:
Các hӋ thӕng sӱ dөQJSKѭѫQJSKiSNӃt hӧp cҧm biӃn sӁ có mӝt sӕ ѭXÿLӇPKѫQ
so vӟi các hӋ thӕng cҧm biӃQÿѫQOҿ. MӝWSKpSÿRFҧm biӃn vұWOêWKѭӡng gһp phҧi
các vҩQÿӅ sau:
x Cҧm biӃn mҩt tín hiӋu: Sӵ cӕ cӫa mӝt phҫn tӱ cҧm biӃn gây ra mҩt nhұn
thӭc vӅ ÿӕLWѭӧng mong muӕn.
x Phҥm vi không gian hҥn chӃ: 7K{QJWKѭӡng mӝt cҧm biӃn riêng lҿ chӍ bao
phӫ mӝt khu vӵc hҥn chӃ.
1
x Phҥm vi thӡi gian hҥn chӃ: Mӝt sӕ cҧm biӃn cҫn mӝt thӡi gian thiӃt lұp cө
thӇ ÿӇ thӵc hiӋn và truyӅn mӝWSKpSÿRGRÿyJLӟi hҥn tҫn sӕ ÿRWӕLÿD
x Tính không chính xác: &iFSKpSÿRWӯ các cҧm biӃn riêng lҿ ÿѭӧc giӟi hҥn
ӣ ÿӝ chính xác cӫa phҫn tӱ cҧm biӃQÿѭӧc sӱ dөng.
x Sӵ không chҳc chҳn: Sӵ không chҳc chҳn, khác vӟi sӵ không chính xác,
phө thuӝFYjRÿӕLWѭӧQJÿѭӧFTXDQViWKѫQOjWKLӃt bӏ quan sát.
Mӝt giҧi pháp cho các vҩQÿӅ này là kӃt hӧp cҧm biӃn. Trong hӋ thӕng kӃt hӧp
cҧm biӃn có thӇ chӕng lҥi viӋc mҩt cҧm biӃn bҵng cách sӱ dөng các cҧm biӃn có
cùng phҥm vi cҧm nhұn cӫDÿӕLWѭӧng mong muӕQĈLӅu này có thӇ áp dөng vӟi các
cҧm biӃn cùng loҥLFNJQJQKѭYӟi mӝt bӝ cҧm biӃQNK{QJÿӗng nhҩt.
Nhӳng lӧi thӃ sau có thӇ Fyÿѭӧc tӯ sӵ kӃt hӧp dӳ liӋu cҧm biӃn tӯ mӝt tұp hӧp
các cҧm biӃQNK{QJÿӗng nhҩt hoһFÿӗng nhҩt [1]:
x ӘQÿӏQKYjÿiQJWLQFұ\KѫQ NhiӅu bӝ cҧm biӃn có khҧ QăQJGӵ phòng cӕ
hӳu cho phép hӋ thӕng cung cҩp thông tin ngay cҧ WURQJ WUѭӡng hӧp hӓng
hóc mӝt phҫn.
x Mӣ rӝng phҥm vi không gian và thӡi gian: Thêm cҧm biӃn thì có thӇ bӕ trí
cҧm biӃn có thӇ TXDQViWYjRQѫLPjQKӳng cҧm biӃn khác không thӇ WѭѫQJ
ӭng có thӇ thӵc hiӋQSKpSÿRWURQJNKLQKӳng cҧm biӃn khác không thӇ.
x 7ăQJÿӝ tin cұy: 3KpSÿRFӫa mӝt cҧm biӃQÿѭӧc xác nhұn bҵng các phép
ÿRFӫa các cҧm biӃn khác trên cùng mӝt miӅn.
x Giҧm sӵ Pѫ Kӗ và không chҳc chҳn: Thông tin chung làm giҧm tұp hӧp
các cách diӉn giҧi không rõ ràng vӅ giá trӏ ÿROѭӡng.
x Chӕng nhiӉu mҥnh mӁ KѫQ Bҵng cách WăQJNtFKWKѭӟc cӫDNK{QJJLDQÿR
(ví dө ÿRÿҥLOѭӧng mong muӕn bҵng cҧm biӃn quang hӑc và cҧm biӃn siêu
âm), hӋ thӕng trӣ nên ít bӏ ҧQKKѭӣng bӣi nhiӉXKѫQ
2
x Cҧi thiӋQÿӝ phân giҧi: Khi nhiӅXSKpSÿRÿӝc lұp cӫa cùng mӝt thuӝc tính
ÿѭӧc hӧp nhҩWÿӝ phân giҧi cӫa giá trӏ kӃt quҧ sӁ tӕWKѫQVRYӟLSKpSÿRFӫa
mӝt cҧm biӃQÿѫQOҿ.
MӝWѭXÿLӇm nӳa cӫa sӵ kӃt hӧp cҧm biӃn là khҧ QăQJJLҧPÿӝ phӭc tҥp cӫa hӋ
thӕng. Trong mӝt hӋ thӕQJÿѭӧc thiӃt kӃ truyӅn thӕQJFiFSKpSÿRFҧm biӃQÿѭӧc
ÿѭDYjRӭng dөng, hӋ thӕng này phҧLÿӕi phó vӟi mӝt sӕ Oѭӧng lӟn các luӗng dӳ
liӋXNK{QJFKtQK[iFNK{QJU}UjQJYjNK{QJÿҫ\ÿӫ. Trong mӝt hӋ thӕng mà dӳ
liӋu cҧm biӃQÿѭӧc xӱ OêWUѭӟc bҵQJSKѭѫQJSKiSKӧp nhҩWÿҫu vào cho ӭng dөng
ÿLӅu khiӇn có thӇ ÿѭӧc tiêu chuҭQKyDÿӝc lұp vӟi các loҥi cҧm biӃQÿѭӧc sӱ dөng,
GRÿyWҥRÿLӅu kiӋn thuұn lӧi cho viӋc triӇn khai ӭng dөng và cung cҩp khҧ QăQJVӱa
ÿәi trong hӋ thӕng cҧm biӃn vӅ sӕ Oѭӧng và loҥi cҧm biӃQÿѭӧc sӱ dөng mà không
sӱDÿәi cӫa phҫn mӅm ӭng dөng.
1.1.2.2. Hҥn chӃ:
6HQVRU IXVLRQ ÿã dҫn phát triӇn khҧ QăQJ NӃt hӧp dӳ liӋu thành mӝt kiӇu nhұn
dҥQJÿiQJWLQFұ\YjJLjXWtQKQăQJ7X\QKLrQIXVLQJVHQVRUs không phҧi là mӝt
SKѭѫQJSKiSWRjQQăQJ)RZOHUÿmSKiWELӇu mӝt lӡi chӍ trích gay gҳWYjRQăP
ÿӇ nhҩn mҥnh vào viӋFWKD\ÿәi dӳ liӋXEDQÿҫu làm mҩWÿLWtQKWLQFұ\YjWăQJNKӕi
Oѭӧng tính toán và gây ra sӵ chұm trӉ thӡi gian.
KӇ tӯ NKL ÿLӅX Qj\ ÿѭӧc công bӕ, nhiӅX QJѭӡL ÿm Fӕ gҳng chӭQJ PLQK ÿLӅu
QJѭӧc lҥi. Nahin và Pokoski [29@ÿmWUuQKEj\Pӝt bҵng chӭng lý thuyӃt rҵng viӋc
bә sung các cҧm biӃn sӁ cҧi thiӋn hiӋu suҩWWURQJFiFWUѭӡng hӧp cө thӇ ÿӕi vӟLÿD
sӕ ý kiӃn tán thành và lý thuyӃt khҧ QăQJ[ҧy ra tӕLÿDWURQJkӃt hӧSWK{QJWLQÿӇ ra
quyӃWÿӏnh. HiӋu suҩWÿѭӧFÿӏQKQJKƭDOj[iFVXҩWÿѭDUDTX\ӃWÿӏQKÿ~QJÿҳn mà
NK{QJOLrQTXDQÿӃn nӛ lӵc vӅ khҧ QăQJ[ӱ lý và giao tiӃp.
Có thӇ kӃt luұn tӯ kiӃn thӭc hiӋn có vӅ hiӋu suҩt fusing sensors rҵng mһc dù tiӅm
QăQJWROӟn cӫa fusing VHQVRUVQKѭQJYүn có chút hoài nghi vӅ SKѭѫQJSKiSNӃt hӧp
³KRjQKҧR´KRһF³WӕLѭX´
3
1.2. Mөc tiêu cӫDÿӅ tài:
Mөc tiêu chính cӫDÿӅ tài là:
x Nghiên cӭu, tìm hiӇX FiF SKѭѫQJ SKiS NӃt hӧp dӳ liӋu nhҵm thiӃt kӃ giҧi
thuұt kӃt hӧp nhiӅu cҧm biӃQÿӇ ÿӏnh vӏ robot tӵ hành.
x ThiӃt kӃ giҧi thuұt kӃt hӧp nhiӅu cҧm biӃQÿӇ ÿӏnh vӏ robot tӵ hành.
x Mô phӓng giҧi thuұt kӃt hӧp nhiӅu cҧm biӃQÿӇ ÿӏnh vӏ robot tӵ hành.
x ThiӃt kӃ và mô phӓQJ ÿLӅu khiӇn robot bám quӻ ÿҥo dӵa trên sӵ kӃt hӧp
nhiӅu cҧm biӃn.
4
&KѭѫQJ
TӘNG QUAN:
2.1. Tәng quan vӅ tәng hӧp dӳ liӋu:
KӃt hӧp cҧm biӃn là sӵ kӃt hӧp cӫa dӳ liӋu cҧm quan hoһc dӳ liӋXWKXÿѭӧc tӯ dӳ
liӋu cҧm biӃn sao cho thông tin kӃt quҧ theo mӝWQJKƭDQjRÿyWӕWKѫQNKLFiFQJXӗn
Qj\ÿѭӧc sӱ dөng riêng lҿ.
Có mӝt thuұt ngӳ WѭѫQJWӵ vӟL µ)XVLRQ VHQVRU¶ Oj µ0XOWLVHQVRU LQWHJUDWLRQ¶ 6ӵ
khác biӋt giӳa µ)XVLRQVHQVRU¶và µ0XOWLVHQVRULQWHJUDWLRQ¶ÿѭӧc mô tҧ trong hình
2.1. Các hình tròn S1, S2 và S3 mô tҧ các cҧm biӃn vұt lý nhұn biӃWFiFÿLӅu kiӋn
cӫDP{LWUѭӡQJ6ѫÿӗ khӕi 2.1 (a) cho thҩy rҵng dӳ liӋu cҧm biӃQÿѭӧc chuyӇQÿәi
bӣi khӕi hӧp nhҩt cҧm biӃn thành mӝt biӇu diӉQ WѭѫQJ ӭng cӫa các biӃn cӫa môi
WUѭӡng quá trình. Nhӳng dӳ liӋXQj\VDXÿyÿѭӧc sӱ dөng bӣi mӝt ӭng dөQJÿLӅu
khiӇQ1Jѭӧc lҥi, hình 2.1 (b) cho thҩ\êQJKƭDFӫDµ0XOWLVHQVRULQWHJUDWLRQ¶WURQJ
ÿyGӳ liӋu cҧm biӃQNKiFQKDXÿѭӧc ӭng dөQJÿLӅu khiӇn xӱ lý trӵc tiӃp.
5
Hình 1 6˯ÿ͛ kh͙i mô t̫ sensor fusion và Multisensor intergration
Các nguӗn dӳ liӋu cho quá trình fusion không nhҩt thiӃt là bҳt nguӗn tӯ các cҧm
biӃn giӕng hӋt nhau. McKee phân biӋt kӃt hӧp trӵc tiӃp, kӃt hӧp gián tiӃp và phҧn
ӭng tәng hӧSÿҫu ra cӫDKDLSKѭѫQJSKiSQj\>14].
KӃt hӧp trӵc tiӃSFyQJKƭDOjKӧp nhҩt dӳ liӋu cҧm biӃn tӯ mӝt tұp hӧp các cҧm
biӃQNK{QJÿӗng nhҩt hoһFÿӗng nhҩt, cҧm biӃn mӅm và các giá trӏ lӏch sӱ cӫa dӳ
liӋu cҧm biӃn.
KӃt hӧp gián tiӃp sӱ dөng các nguӗQWK{QJWLQQKѭNLӃn thӭc tiên nghiӋm vӅ môi
WUѭӡQJYjÿҫu vào cӫDFRQQJѭӡL'RÿyNӃt hӧp cҧm biӃn mô tҧ các hӋ thӕng kӃt
hӧp trӵc tiӃp, trong khi phҧn ӭng tәng hӧp WK{QJWLQFNJQJEDRJӗm các quá trình kӃt
hӧp gián tiӃp.
6
2.1.1. Phân loҥLFiFSKѭѫQJSKiSNӃt hӧp dӳ liӋu:
Tәng hӧp dӳ liӋu là mӝWOƭQKYӵFÿDQJjQKOLrQTXDQÿӃn mӝt sӕ OƭQKYӵc khác và
rҩWNKyÿӇ thiӃt lұp mӝt phân loҥi rõ ràng và chһt chӁ&iFSKѭѫQJSKiSYjNӻ thuұt
ÿѭӧc sӱ dөng có thӇ ÿѭӧc phân chia theo các tiêu chí sau:
x Xem xét các mӕi quan hӋ giӳa các nguӗn dӳ liӋXÿҫXYjRQKѭÿӅ xuҩt cӫa
Durrant-Whyte [16]. Các quan hӋ này có thӇ ÿѭӧFÿӏQKQJKƭDOj D Eә sung,
E GѭWKӯa, hoһc (3) hӧp tác dӳ liӋu.
x Theo các kiӇu dӳ liӋXÿҫXYjRÿҫu ra và bҧn chҩt cӫDFK~QJQKѭÿӅ xuҩt
cӫa Dasarathy [5].
x Theo mӭFÿӝ trӯXWѭӧng cӫa dӳ liӋXÿѭӧc sӱ dөQJ D SKpSÿRWK{ E WtQ
hiӋXYj F ÿһFÿLӇm hoһc quyӃWÿӏnh.
x Dӵa trên các mӭc tәng hӧp dӳ liӋXNKiFQKDXÿѭӧF[iFÿӏnh bӣi JDL.
x Tùy thuӝc vào kiӇu kiӃn trúc: (a) tұp trung, (b) phi tұp trung, hoһc (c) phân
tán.
2.1.1.1. Phân loҥi dӵa trên mӕi quan hӋ giӳa nguӗn dӳ liӋu:
Dӵa trên mӕi quan hӋ cӫa các nguӗn (xem Hình 1), Durant-Whyte [16@ÿӅ xuҩt
các tiêu chí phân loҥi sau:
x Bә sung FKR QKDX FRPSOHPHQWDU\ NKL WK{QJ WLQ ÿѭӧc cung cҩp bӣi các
nguӗQÿҫXYjRÿҥi diӋn cho các phҫn khác nhau cӫa hiӋQWUѭӡQJYjGRÿyFy
thӇ ÿѭӧc sӱ dөQJÿӇ WKXÿѭӧc thông tin toàn cөFÿҫ\ÿӫ KѫQ9tGө, trong
WUѭӡng hӧp cӫa mҥng cҧm biӃn thӏ giác, thông tin vӅ cùng mӝt mөc tiêu
ÿѭӧc cung cҩp bӣi hai máy ҧQK Fy WUѭӡQJ QKuQ NKiF QKDX ÿѭӧc coi là bә
sung.
x 'ѭWKӯa (redundant): khi hai hoһc nhiӅu nguӗQÿҫu vào cung cҩp thông tin
vӅ cùng mӝt mөFWLrXYjGRÿyFyWKӇ ÿѭӧc hӧp nhҩWÿӇ WăQJWKrPêQJKƭD
Ví dө, dӳ liӋX ÿӃn tӯ các khu vӵc chӗng chéo trong mҥng cҧm biӃn trӵc
TXDQÿѭӧFFRLOjGѭWKӯa.
7
x HӧS WiF FRRSHUDWLYH NKL WK{QJ WLQ ÿѭӧc cung cҩS ÿѭӧc kӃt hӧp thành
thông tin mӟLWKѭӡng phӭc tҥSKѫQWK{QJWLQEDQÿҫu. Ví dө: kӃt hӧp dӳ liӋu
ÿDSKѭѫQJWKӭc (âm thanh YjYLGHR ÿѭӧc coi là hӧp tác.
Hình 2 Ki͋u phân lo̩i cͯa Durant-Whyte da trên m͙i quan h͏ cͯa ngu͛n vào
2.1.1.2. Phân loҥi theo kiӇu cӫa Dasarathy.
Mӝt trong nhӳng hӋ thӕng phân loҥi tәng hӧp dӳ liӋu nәi tiӃng nhҩWÿѭӧc cung
cҩp bӣi Dasarathy [5] và bao gӗPQăPORҥi sau (xem Hình 2):
x Data in-data out (DAI-DAO): loҥLQj\OjSKѭѫQJSKiSWәng hӧp dӳ liӋXFѫ
bҧn nhҩWÿѭӧc xem xét trong phân loҥi. Loҥi quy trình kӃt hӧp dӳ liӋu này
ÿҫXYjRYjÿҫXUDÿӅu là dӳ liӋu thô, kӃt quҧ WKѭӡQJÿiQJtin cұy hoһc chính
[iFKѫQ4XiWUuQKWәng hӧp dӳ liӋu ӣ cҩSÿӝ Qj\ÿѭӧc tiӃn hành ngay sau
khi dӳ liӋXÿѭӧc thu thұp tӯ các cҧm biӃn. Các thuұWWRiQÿѭӧc sӱ dөng ӣ
cҩSÿӝ này dӵa trên các thuұt toán xӱ lý tín hiӋu và hình ҧnh.
8
x Data in-feature out (DAI-FEO): ӣ cҩSÿӝ này, quá trình tәng hӧp dӳ liӋu sӱ
dөng dӳ liӋu thô tӯ các nguӗQÿӇ trích xuҩWFiFWtQKQăQJKRһFÿһFÿLӇm mô
tҧ mӝt thӵc thӇ WURQJP{LWUѭӡng.
x Feature in-feature out (FEI-FEO): ӣ cҩS ÿӝ này, cҧ ÿҫX YjR Yj ÿҫu ra cӫa
quá trình tәng hӧp dӳ liӋu ÿӅXOjFiFWtQKQăQJ'RÿyTXiWUuQKWәng hӧp
dӳ liӋu giҧi quyӃt mӝt tұp hӧSFiFWtQKQăQJÿӇ cҧi thiӋn, tinh chӍnh hoһc có
ÿѭӧFFiFWtQKQăQJPӟL4XiWUuQKQj\FzQÿѭӧc gӑi là hӧp nhҩWWtQKQăQJ
hӧp nhҩt ký hiӋu, hӧp nhҩt thông tin hoһc hӧp nhҩt cҩp trung gian.
x Feature in-decision out (FEI-DEO): cҩS ÿӝ này nhұn mӝt tұp hӧp các tính
QăQJOjPÿҫu vào và cung cҩp mӝt tұp hӧp các quyӃWÿӏQKGѭӟi dҥQJÿҫu ra.
Hҫu hӃt các hӋ thӕng phân loҥi thӵc hiӋn quyӃWÿӏnh dӵDWUrQ ÿҫu vào cӫa
cҧm biӃQÿӅu thuӝc loҥi phân loҥi này.
x Decision In-Decision Out (DEI-DEO): Loҥi phân loҥL Qj\ FzQ ÿѭӧc gӑi là
hӧp nhҩt quyӃW ÿӏnh. Nó kӃt hӧp các quyӃW ÿӏQK ÿҫX YjR ÿӇ Fy ÿѭӧc các
quyӃWÿӏnh tӕWKѫQKRһc mӟLKѫQ
ĈyQJJySFKtQKFӫa phân loҥi cӫD'DVDUDWK\OjÿһFÿLӇm kӻ thuұt cӫa mӭc trӯu
WѭӧQJ Gѭӟi dҥQJ ÿҫu vào hoһF ÿҫu ra, cung cҩp mӝt khuôn khә ÿӇ phân loҥi các
SKѭѫQJSKiSKRһc kӻ thuұt khác nhau.
2.1.1.3. Phân loҥi theo cҩSÿӝ trӯXWѭӧng:
Luo và cӝng sӵ. [31] cung cҩp bӕn mӭc trӯXWѭӧng sau:
x Tín hiӋu: giҧi quyӃt trӵc tiӃp các tín hiӋu tKXÿѭӧc tӯ các cҧm biӃn.
x Pixel: hoҥWÿӝng ӣ mӭc hình ҧnh và có thӇ ÿѭӧc sӱ dөQJÿӇ cҧi thiӋn các tác
vө xӱ lý hình ҧnh.
x Ĉһc tính: sӱ dөQJ FiF WtQK QăQJ ÿѭӧc trích xuҩt tӯ hình ҧnh hoһc tín hiӋu
(tӭc là hình dҥng hoһc vұn tӕc).
x Ký hiӋu: ӣ cҩSÿӝ này, WK{QJWLQÿѭӧc biӇu diӉQGѭӟi dҥng ký hiӋu, mӭc này
FzQÿѭӧc gӑi là mӭc quyӃWÿӏnh.
9
- Xem thêm -
.PDF 
79 
1 
136 
