Nâng cao độ chính xác định vị robot bằng phương pháp tổng hợp dữ liệu cảm biến lập mã quang với bộ lọc Kalman mở rộng
Nâng cao độ chính xác định vị robot bằng phương pháp tổng hợp dữ liệu cảm biến lập mã quang với bộ lọc Kalman mở rộng
Xem bên trong

Nâng cao độ chính xác định vị robot bằng phương pháp tổng hợp dữ liệu cảm biến lập mã quang với bộ lọc Kalman mở rộng

47 tr.+CD-ROM
Luận văn ThS. Công nghệ điện tử viễn thông–Trường Đại học Công nghệ. Đại học Quốc gia Hà Nội, 2014
Xuất xứ:
Microsoft� Word 2010
http://www.convertapi.com
Microsoft Office Word
Solid PDF Tools (7.2.1497.0)

0.00

Mã: 00050003840 Danh mục: Từ khóa: , ,

Tải về miễn phí bản đầy đủ PDF luận văn tại Link bản đầy đủ 1

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ
NGUYỄN XUÂN HẢI
NÂNG CAO ĐỘ CHÍNH XÁC ĐỊNH VỊ ROBOT
BẰNG PHƯƠNG PHÁP TỔNG HỢP DỮ LIỆU
CẢM BIẾN LẬP MÃ QUANG VỚI BỘ LỌC
KALMAN MỞ RỘNG
LUẬN VĂN THẠC SĨ CÔNG NGHỆ ĐIỆN TỬ – VIỄN THÔNG
Hà Nội – 2014
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ
NGUYỄN XUÂN HẢI
NÂNG CAO ĐỘ CHÍNH XÁC ĐỊNH VỊ ROBOT BẰNG
PHƯƠNG PHÁP TỔNG HỢP DỮ LIỆU CẢM BIẾN LẬP
MÃ QUANG VỚI BỘ LỌCKALMAN MỞ RỘNG
Ngành: Công nghệ Điện tử – Viễn thông
Chuyên ngành: Kỹ thuật Điện tử
Mã số: 60520203
LUẬN VĂN THẠC SĨ CÔNG NGHỆ ĐIỆN TỬ – VIỄN THÔNG
NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS TRẦN QUANG VINH
Hà Nội – 2014
1
LỜI CAM ĐOAN
Trong thời gian thực hiện luận văn, tôi có tham khảo một số tài liệu từ nhiều
nguồn khác nhau như đã liệt kê trong phần tài liệu tham khảo. Những phần tham khảo
này đều đã đư ợc đánh dấu cụ thể trong luận văn. Các phần còn lại, tôi xin cam đoan là
do tôi tự tìm hiểu để viết ra. Nếu có bất kỳ sự sai xót nào, tôi xin chịu hoàn toàn trách
nhiệm.
Hà Nội, ngày 02 tháng 06 năm 2014
Nguyễn Xuân Hải
2
LỜI CẢM ƠN
Để hoàn thành Luận văn Thạc sĩ của mình, em xin gửi lời cảm ơn chân thành
tới các thầy cô trường Đại học Công Nghệ – Đại học Quốc Gia Hà Nội đã truyền đạt
những kiến thức quý báu cho em trong suốt quá trình học tập và hoàn thành Luận văn
Thạc sĩ.
Em xin gửi lời cảm ơn tới PGS.TS Trần Quang Vinh, người trực tiếp chỉ bảo,
hướng dẫn em trong suốt quá trình nghiên cứu và hoàn thành Luận văn Thạc sĩ.
Cuối cùng, tôi xin chân thành cảm ơn gia đình, bạn bè và đồng nghiệp đã đ ộng
viên, khuyến khích tôi trong suốt quá trình học tập và nghiên cứu.
Xin chân thành cảm ơn.
Hà Nội, ngày 02 tháng 06 năm 2014
Nguyễn Xuân Hải
3
MỤC LỤC
LỜI CAM ĐOAN …………………………………………………………………………………………..1
LỜI CẢM ƠN ……………………………………………………………………………………………….2
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ……………………………………………………………..5
MỞ ĐẦU………………………………………………………………………………………………………6
CHƯƠNG 1: TỔNG QUAN LÝ THUYẾT VỀ ROBOT DI ĐỘNG……………………….8
1.1. Robot thông minh…………………………………………………………………………….8
1.2. Robot di động thông minh …………………………………………………………………9
CHƯƠNG 2: PHƯƠNG PHÁP TỔNG HỢP CẢM BIẾN VỚI BỘ LỌC KALMAN 12
2.1. Phương pháp tổng hợp cảm biến dùng cho robot di động ……………………… 12
2.2. Phương pháp tổng hợp cảm biến với bộ lọc Kalman …………………………….13
CHƯƠNG 3: MỘT SỐ CẢM BIẾN HIỆN ĐẠI VÀ PHƯƠNG PHÁP ĐỊNH VỊ
ROBOT DI ĐỘNG……………………………………………………………………………………….20
3.1. Phân loại các ………………………………………………………………………………… 20
3.1.1. Cảm biến lập mã trục xoay (cảm biến lập mã quang)……………….20
3.1.2. Cảm biến chỉ hướng (heading sensor)……………………………………21
3.1.3. Cảm biến siêu âm đo khoảng cách đến vật thể gần ………………….22
3.1.4. Cảm biến đo xa laser (Laser Range Finder – LRF)…………………..23
3.1.5. Cảm biến ảnh và thị giác máy………………………………………………24
3.2. Một số phương pháp định vị cho robot di động ……………………………………25
3.2.1. Phương pháp dead-reckoning hay odometry………………………….. 25
3.2.2. Hệ thống dẫn đường cột mốc chủ động …………………………………25
3.2.3. Hệ thống dẫn đường toàn cầu GPS……………………………………….27
3.2.4. Dẫn đường bằng vật mốc……………………………………………………. 27
3.2.5. Định vị dựa trên bản đồ ……………………………………………………… 28
CHƯƠNG 4: NÂNG CAO ĐỘ CHÍNH XÁC ƯỚC LƯỢNG VỊ TRÍ CHO ROBOT
BẰNG PHƯƠNG PHÁP TỔNG HỢP CẢM BIẾN……………………………………………32
4.1. Xây dựng mô hình động học của robot……………………………………………….32
4.2. Tính toán các ma trận trong vòng lặp đệ quy Kalman……………………………34
CHƯƠNG 5: THỰC NGHIỆM VÀ THẢO LUẬN ……………………………………………37
4
5.1. Thiết lập thực nghiệm……………………………………………………………………..37
5.2. Kết quả thực nghiệm áp dụng bộ lọc Kalman cho tổng hợp dữ liệu của một
cảm biến lập mã quang………………………………………………………………………………. 38
5.3. Tổng hợp cảm biến từ phép đo odometry với cảm biến chỉ hướng………….40
5.3.1. Cập nhật các tham số cho các ma trận. ………………………………….40
5.3.2. Hiệu chỉnh chính xác góc quay qua bộ lọc Kalman …………………41
KẾT LUẬN…………………………………………………………………………………………………43
DANH MỤC TÀI LIỆU THAM KHẢO…………………………………………………………..44
5
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Hình 1.1. Các bộ phận của một robot. …………………………………………………………………….8
Hình 1.2. Các khối cơ bản trong robot di động……………………………………………………….10
Hình 2.1. Sơ đồ thuật toán bộ lọc Kalman tuyến tính rời rạc. ……………………………………15
Hình 2.2. Sơ đồ thuật toán bộ lọc Kalman mở rộng…………………………………………………18
Hình 3.1. Đĩa có khe ch ắn sáng và tín hiệu ra bộ lập mã quang…………………………………21
Hình 3.2a. Mô-đun cảm biến từ-địa bàn CMPS03………………………………………………….22
Hình 3.2b. Nguyên lý hoạt động của cảm biến từ-địa bàn. ………………………………………22
Hình 3.3a. Các cảm biến siêu âm. ………………………………………………………………………..23
Hình 3.3b. Nguyên lý hoạt động của cảm biến siêu âm. ………………………………………….23
Hình 3.4. Một số loại máy quét laser của công ty SICK. ………………………………………….23
Hình 3.5. Thời gian bay của tia laser…………………………………………………………………….24
Hình 3.6. Phép đo dựa trên 3 góc. ……………………………………………………………………….26
Hình 3.7. Các thành phần của hệ thống GPS………………………………………………………….27
Hình 3.8. Phương pháp xác định vị trí dựa vào bản đồ. ……………………………………………29
Hình 3.9. Mô hình robot của Schiele và Crowley vị trí đặt tại hành lang…………………….30
Hình 4.1. Thế (tọa độ và hướng) và các tham số của robot………………………………………32
Hình 5.1. Đường đi thực của robot (blue line) cùng các đường đi nhận được chỉ qua
phép đo (green) và đường ước tính khi sử dụng thêm EKF (brown)…………………………..38
Hình 5.2. Các độ lệch của đường đi nhận được qua phép đo và đường ước tính khi sử
dụng EKF so với đường đi thực của robot……………………………………………………………..40
Hình 5.3. Độ lệch theo các phương x, y, θ giữa vị trí ước lượng và vị trí thực…………….39
Hình 5.4. Hiệu quả EKF trong hai trường hợp điều khiển robot đi theo đúng dạng
đường mong muốn khi có và không có EKF. …………………………………………………………41
Hình 5.5. Quỹ đạo ước tính của robot với các cấu hình EKF khác nhau. ……………………42
6
MỞ ĐẦU
Cùng với sự phát triển mạnh mẽ của khoa học kỹ thuật ngày nay, ngành
robotics đóng vai trò rất quan trọng, tiên phong và làm nền tảng cho các lĩnh vực khoa
học công nghệ và tự động hoá khác.
Nhiều ứng dụng của các ngành nghề, lĩnh vực khác nhau đòi hỏi cần phải trang
bị thiết bị hoàn toàn tự động làm việc theo chương trình hay do con người điều khiển
như robot.
Robot công nghiệp, thường là các tay máy (arm-robot) trong các hệ thống sản
xuất tự động. Robot trong các ứng dụng này được đặt tại một vị trí cố định, làm việc
trong môi trường nhất định biết trước.
Thời gian gần đây, bắt đầu bằng các xe tự hành trong vũ trụ, xuất hiện một loại
robot khác là robot thông minh. Một loại trong số đó là các robot di động hoạt động tự
trị (autonomous). Các robot di dộng với khả năng giám sát môi trường xung quanh để
đưa ra các quyết định cần thiết trong quá trình hoạt động thực hiện công việc được
giao, cụ thể là tự động đi tới đích chính xác và an toàn. Trong hệ thống này, robot thu
nhận thông tin qua các cảm biến, xử lý dữ liệu thu được và tự đưa ra các quyết định.
Quá trình dẫn đường của các robot di động thông minh thường được phân tích
thành 4 giai đoạn: cảm nhận, định vị, vạch đường đi và điều khiển chuyển động .
Giai đoạn định vị là rất quan trọng, nó cho phép trả lời câu hỏi: robot đang ở
đâu? để từ đó có thể vạch ra các quyết định dẫn đường. Để có được câu trả lời này, bộ
phận điều khiển robot cần phải có được các dữ liệu môi trường (qua các cảm biến
ngoại) hay dữ liệu về bản thân robot (qua các cảm biến nội) trong giai đoạn cảm nhận.
Vì hệ thống robot chứa đựng nhiều yếu tố ngẫu nhiên có thể gây nên các sai số
cũng như không thể có loại cảm biến nào đủ hoàn hảo để có thể chỉ dùng nó là đủ để
thực hiện định vị và lập bản đồ một cách chính xác. Lý do đó tạo nên một số phương
pháp tăng độ chính xác cho quá trình định vị. Một trong số đó là phương pháp tổng
hợp dữ liệu cảm biến (sensor data fusion) để nâng cao độ chính xác định vị robot.
Vì lĩnh vực tổng hợp cảm biến rất rộng, bản luận văn này chỉ hạn chế nghiên
cứu phương pháp tổng hợp dữ liệu cảm biến với bộ lọc Kalman mở rộng để nâng cao
độ chính xác định vị cho robot di động.
Ngoài phần mở đầu và kết luận, bản luận văn có nội dung chính như sau:
– Chương 1: Trình bày các nét cơ bản về robot di động
7
– Chương 2: Tổng quan về phương pháp tổng hợp cảm biến và bộ lọc Kalman
– Chương 3: Một số cảm biến hiện đại và phương pháp định vị robot di động
– Chương 4: Nâng cao độ chính xác ước lượng vị trí robot bằng tổng hợp cảm
biến với bộ lọc Kalman mở rộng
– Chương 5: Kết quả thực nghiệm và thảo luận
8
CHƯƠNG 1: TỔNG QUAN LÝ THUYẾT VỀ ROBOT DI ĐỘNG
1.1. Robot thông minh
Do nhu cầu của con người ngày càng đòi hỏi ứng dụng rộng rãi các phương tiện
tự động, xu hướng tạo ra những thiết bị tự động có tính linh hoạt cao đang hình thành.
Các thiết bị này đang thay thế dần các máy tự động cứng chỉ đáp ứng một việc nhất
định. Điều này dẫn đến nhu cầu ứng dụng robot để tạo ra các hệ thống tự động linh
hoạt.
Thuật ngữ robot được sinh ra từ trên sân khấu, không phải trong phân xưởng
sản xuất. Những robot xuất hiện lần đầu tiên trên ở NewYork vào ngày 09/10/1922
trong vở “Rossum’s Universal Robot” của nhà soạn kịch người Tiệp Karen Kapek viết
năm 1921, còn từ “robot” là cách gọi tắt của từ “robota” – theo tiếng Tiệp có nghĩa là
công việc lao dịch.
Những robot thực sự có ích được nghiên cứu để đưa vào những ứng dụng trong
công nghiệp, y học, đời sống, quân sự, không gian…
Từ những năm 80, nhất là vào những năm 90, do áp dụng rộng rãi các tiến bộ
kỹ thuật về vi xử lý và công nghệ thông tin, số lượng robot đã gia tăng v ới nhiều tính
năng vượt bậc. Chính vì vậy mà robot đã có một vị trí quan trọng trong những ứng
dụng công nghiệp, y học, đời sống, quân sự, không gian…
Các bộ phận cơ bản của một robot có thể được mô tả như trên hình 1.1 gồm: bộ
phận cảm nhận, bộ điều khiển và bộ chấp hành.
Hình 1.1. Các bộ phận của một robot.
Bộ phận cảm nhận có nhiệm vụ thu thập thông tin từ môi trường dựa trên số
liệu các cảm biến đặt trên robot. Môi trường có thể là biết trước hoặc không biết trước.
9
Bộ điều khiển có nhiệm vụ xử lý các thông tin thu được từ bộ cảm nhận. Bộ
phận điều khiển thường là các máy tính gồm các bộ xử lý và bộ nhớ cùng các giao
diện ghép nối vào/ra.
Bộ chấp hành thực hiện các lệnh từ bộ điều khiển để tác động lại môi trường.
Robot thông minh là một hệ thống có thể thực hiện những thao tác, hành vi độc
lập trên cơ sở các biến môi trường thu được mà không theo sự sắp đặt cụ thể nào
trước. Mức độ thông minh có thể từ đơn giản đến phức tạp. Những robot nhận dạng
vật thể, lựa chọn sản phẩm theo một đặc tính nào đó, những robot tránh vật cản, nhận
dạng giọng nói… là những robot thông minh.
Nếu chương trình điều khiển được nạp toàn bộ từ máy tính PC vào bộ nhớ của
robot, được lưu trữ theo kiểu cố định để cho phép một khi khởi động, robot có thể hoạt
động độc lập không cần người điều khiển thì đó là robot hoạt động kiểu tự quản trị.
1.2. Robot di động thông minh
Luận văn này tập trung nghiên cứu tìm hiểu một trong các loại robot là loại
robot di động thông minh, còn gọi là robot di động hoạt động tự quản trị.
Có một số sự khác biệt quan trọng giữa các yêu cầu của việc lắp đặt robot cố
định truyền thống với các yêu cầu của một hệ thống robot di động. Một trong những
mối quan tâm hàng đầu là sự không biết trước môi trường vận hành của robot di động.
Đối với các hệ thống robot cố định, người ta thường xây dựng (thiết kế) một không
gian làm việc nhất định để thực hiện công việc và robot cố định thường thực hiện các
công việc lặp đi lặp lại trong môi trường xác định trước. Đối với các hệ thống robot di
động, việc nhận biết được môi trường làm việc là một yếu tố quyết định tới các “hành
động” của robot, chỉ khi nhận biết được đầy đủ các thông tin về môi trường xung
quanh thì robot di động mới có thể thích ứng được trong các môi trường làm việc khác
nhau.
Robot di động phải có một số bộ phận chuyển động. Chuyển động có thể dưới
dạng bánh xe, chân, cánh hoặc một số cơ cấu khác. Việc lựa chọn cơ cấu chuyển động
là dựa vào chức năng của robot và các công việc của robot cần phải thực hiện. Trong
nhiều môi trường làm việc công nghiệp, bánh xe là dạng chuyển động thích hợp nhất.
Đối với các hệ thống nghiên cứu ứng dụng khác, chân hoặc cánh có thể giúp cho robot
di động chuyển động được trên địa hình mà robot không có khả năng đi qua.
Một nhân tố quan trọng trong thiết kế của các hệ thống robot di động là khả
năng mang theo các thiết bị. Thiết bị bao gồm nguồn điện cũng như t ất cả các phần
cứng là các bộ cảm biến và các bộ xử lý mà robot đòi hỏi. Các thiết bị lắp đặt của
10
robot cố định có thể được kết nối trực tiếp với các nguồn điện và bộ xử lý, không gian
làm việc thường được xác định trước và có thể được kiểm soát. Hầu hết các robot di
động đều có một trọng tải nhất định, điều này có thể dẫn tới những sự giới hạn trong
thiết kế của hệ thống, đặc biệt trong các ứng dụng hay bị giới hạn về kích cỡ và cân
nặng.
Các thành phần cơ bản, thông dụng trong các hệ thống robot di động sử dụng
trong thực tế được chỉ ra như trên hình 1.2.
Hình 1.2. Các khối cơ bản trong robot di động .
Các khối cơ bản cho các hệ thống robot di động bao gồm các bộ phận cảm biến,
bộ phận dẫn đường, các mô-đun lập kế hoạch, điều khiển và các bộ chấp hành dùng để
di chuyển robot và tác động tới môi trường của nó. Trong khi một số các phần cụ thể
của robot di động sẽ phụ thuộc vào mục đích ứng dụng, một hệ thống robot di dộng
điển hình đòi hỏi phải có tất cả các khối trên thì mới vận hành được. Thông tin về
trạng thái môi trường xung quanh của robot được cung cấp với các cảm biến nội và
cảm biến ngoại. Thông tin này được bộ xử lý trung tâm (có cài đặt sẵn các chương
trình, thuật toán dẫn đường…) sử dụng để ước lượng trạng thái của hệ thống, không chỉ
bao gồm trạng thái của bản thân robot mà cả trạng thái của môi trường xung quanh nó.
Ước lượng này được sử dụng để lập kế hoạch hoạt động của robot và phát ra các lệnh
cho các cơ cấu chấp hành của robot.
11
Thông tin về trạng thái của hệ thống được cung cấp bởi các cảm biến nội và
cảm biến ngoại. Thông tin này được một khối dẫn đường (có thể là các môđun phần
cứng hoặc phần mềm, nhưng thường là một chương trình phần mềm có khả năng tính
toán) sử dụng để ước lượng trạng thái của hệ thống. Tín hiệu này sau đó được mô đun
lập kế hoạch và điều khiển sử dụng để phát ra các lệnh gửi tới các bộ phận thao tác của
robot.
Thiết kế của các hệ thống robot di động phần nhiều sẽ bị chi phối bởi mục đích
ứng dụng. Không có giới hạn về số lượng các kết hợp giữa các thiết bị thao tác, các bộ
phận cảm biến và các thuật toán điều khiển cho các hệ thống robot di động. Hơn nữa,
luồng thông tin trong phạm vi hệ thống sẽ thay đồi tuỳ thuộc vào quá trình thực thi, sẽ
có một số thiết kế robot khác đáng kể so với những robot trình bày trong hình 1.2.
Trong một số trường hợp, dữ liệu từ các bộ phận cảm biến được trực tiếp cung cấp cho
bộ lên kế hoạch và điều khiển, cho phép hệ thống phản ứng nhanh hơn với những thay
đổi mạnh mẽ của môi trường.
Do không có loại cảm biến nào là hoàn hảo và thích hợp cho mọi ứng dụng, nên
ngoài việc mong đợi các thành tựu của công nghệ vật liệu sẽ cho ra đời các loại cảm
biến tốt hơn thì việc nghiên cứu áp dụng các thuật giải tổng hợp dữ liệu các cảm biến
là cần thiết. Điều đó càng cho thấy sự cần thiết phải gắn kết hữu cơ giữa phần cứng và
phần mềm một cách hợp lý cho một robot di động thông minh. Vì vậy việc tập trung
vào xây dựng phát triển các giải thuật tổng hợp cảm biến (sensor fusion) trên cơ sở
thiết kế lắp ráp phần cứng của các robot di động thông minh tự quản trị là hết sức cần
thiết. Chương tiếp theo trình bày về tổng hợp cảm biến.
12
CHƯƠNG 2: PHƯƠNG PHÁP TỔNG HỢP CẢM BIẾN VỚI
BỘ LỌC KALMAN
2.1. Phương pháp tổng hợp cảm biến dùng cho robot di động
Robot dùng số liệu thu được từ các cảm biến để xác định trạng thái của nó trong
môi trường, trên cơ sở đó mà ra các quyết định cho các nhiệm vụ dẫn đường như định
vị và lập bản đồ. Tuy nhiên, chưa thể có loại cảm biến nào hoàn hảo để thực hiện
nhiệm vụ này một cách thật chính xác được. Vì vậy kỹ thuật tổng hợp cảm biến
(sensor fusion) đã được sử dụng, đó là việc sử dụng đồng thời các dữ liệu từ một cảm
biến hay từ nhiều cảm biến rồi lấy thông tin hợp nhất ra để tạo nên bức tranh về trạng
thái môi trường chính xác hơn. Một phương pháp tổng hợp cảm biến hiệu quả nhất để
ước tính đồng thời các giá trị đo của các cảm biến đó là việc dùng bộ lọc Kalman mở
rộng (EKF) với các phép tính ma trận. Tổng hợp cảm biến có thể được định nghĩa như
sau: đó là quá trình kết hợp các dữ liệu nhận được từ nguồn các cảm biến để có được
kết quả thông tin với một ý nghĩa tốt hơn so với khi sử dụng các nguồn này riêng lẻ.
Vì dữ liệu cảm biến có nhiều loại nên có tác giả đã dùng thuật ngữ “tổng hợp
thông tin” như một thuật ngữ tổng thể cho tổng hợp các loại dữ liệu. Có thể định nghĩa
thuật ngữ tổng hợp thông tin như sau [11]:
Tổng hợp thông tin bao gồm lý thuyết, và các công cụ hình thành, được sử dụng
để khai thác sự đồng vận của thông tin từ nhiều nguồn (cảm biến, cơ sở dữ liệu, thông
tin thu thập bởi con người, …) để đưa ra quyết định hay hành động với một ý nghĩa tốt
hơn về mặt chất lượng hoặc số lượng, về độ chính xác, chắc chắn,…so với khi sử dụng
một nguồn đơn không khai thác sự đồng vận.
Bằng cách xác định như một tập con của tổng hợp thông tin, thuật ngữ tổng hợp
cảm biến có thể được định nghĩa như sau:
Tổng hợp cảm biến là quá trình kết hợp các dữ liệu nhận được để có được kết
quả thông tin với một ý nghĩa tốt hơn so với khi sử dụng các nguồn này riêng lẻ.
Ngoài các định nghĩa như trên, một số tác giả còn phân loại tổng hợp cảm biến
ra hai vấn đề là tổng hợp trực tiếp, và tổng hợp gián tiếp [10]. Tổng hợp trực tiếp có
nghĩa là tổng hợp các dữ liệu cảm biến từ một tập hợp các quá trình thu thập giá trị dữ
13
liệu cảm biến của các cảm biến đồng nhất hoặc không đồng nhất. Trong khi đó tổng
hợp gián tiếp sử dụng nguồn thông tin như là một kiến thức tiên nghiệm về môi
trường. Do đó, tổng hợp đa cảm biến mô tả các hệ thống tổng hợp trực tiếp, còn lại
tổng hợp thông tin bao gồm các qui trình tổng hợp gián tiếp.
Về nguyên tắc, một hệ thống sử dụng nhiều nguồn dữ liệu cảm biến sẽ đưa ra
được một kết quả có ý nghĩa hơn là từ một nguồn dữ liệu đơn.
Xét một ví dụ đơn giản là cần định vị chính xác vị trí và hướng của robot khi nó
di chuyển trong một không gian chưa biết trước. Nếu chỉ sử dụng một camera ảnh thì
có thể xác định khá chính xác góc hướng của robot, nhưng không thể xác định chính
xác khoảng cách từ robot đến một vật cản nào đó. Nhưng nếu kết hợp dữ liệu từ
camera này với dữ liệu nhận được qua các cảm biến siêu âm hay máy đo xa laser thì có
thể xác định được chính xác không những góc hướng của robot mà còn cả khoảng
cách từ robot đến đối tượng. Một ví dụ tiếp theo là bằng cách sử dụng các bộ lập mã
trục xoay trong phương pháp odometry cho phép định vị robot khá đơn giản. Tuy
nhiên, với mô hình hệ thống khá đơn giản như vậy, các giá trị định vị gặp phải các sai
số tích lũy bị gây nên do các kết cấu cơ khí được thiết kế không thể thật sự hoàn hảo
trong các robot. Nếu áp dụng phương pháp tổng hợp cảm biến bằng việc xử lý các số
liệu đo được qua bộ lọc Kalman mở rộng sẽ cho phép cải thiện đáng kể độ chính xác
định vị kiểu này.
2.2. Phương pháp tổng hợp cảm biến với bộ lọc Kalman
Bộ lọc Kalman sử dụng mô hình toán học cho lọc các tín hiệu bằng cách sử
dụng các phép đo với một số lượng đáng kể các sai số thống kê và có hệ thống.
Phương pháp được phát triển bởi Kalman và Bucy vào năm 1960 [3,8].
Thông thường, một bộ lọc Kalman tổng hợp dữ liệu đo được trong một khoảng
thời gian liên tiếp, cung cấp một ước tính khả năng xảy ra lớn nhất của một tham số.
Nó cũng có thể liên kết với các đầu vào của đa cảm biến thành một vector của các
trạng thái bên trong có chứa các tham số quan tâm, miễn là chúng chỉ phụ thuộc tuyến
tính giữa các đầu vào và các trạng thái của hệ thống [2]. Bộ lọc sử dụng thuật toán thời
gian rời rạc để loại bỏ nhiễu từ các tín hiệu của cảm biến để tạo ra được dữ liệu tổng
hợp, ví dụ ước tính các các giá trị làm trơn của vị trí, vận tốc, và gia tốc tại một dãy

Tác giả

Nguyễn Xuân Hải

Nhà xuất bản

ĐHCN

Năm xuất bản

2014

Người hướng dẫn

Trần Quang Vinh

Định danh

00050003840

Kiểu

text

Định dạng

text/pdf

Nhà xuất bản

Khoa điện tử viễn thông,

Trường đại học Công nghệ

Các đánh giá

Hiện chưa có đánh giá cho sản phẩm.

Hãy là người đầu tiên đánh giá “Nâng cao độ chính xác định vị robot bằng phương pháp tổng hợp dữ liệu cảm biến lập mã quang với bộ lọc Kalman mở rộng”

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *