Báo cáo " Robot di động đa cảm biến và định vị robot bằng phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng "
Hội thảo toàn quốc về Điện tử - Truyền thông – An toàn thông tin, ATC/REV-2012
Multi-sensor mobile robot and the sensor fusion-based localization with Extended Kalman Filter
Trần Thuận Hoàng, Phùng Mạnh Dương, Đặng Anh Việt và Trần Quang Vinh Trường Đại học Công nghệ, Đại học Quốc gia Hà nội... » Xem thêm
Tóm tắt nội dung tài liệu
- Hội thảo toàn quốc về Điện tử - Truyền thông – An toàn thông tin, ATC/REV-2012
Robot di động đa cảm biến và định vị robot bằng
phương pháp tổng hợp cảm biến với bộ lọc Kalman mở rộng
Multi-sensor mobile robot and the sensor fusion-based localization
with Extended Kalman Filter
Trần Thuận Hoàng, Phùng M ạnh Dương, Đặng Anh Việt và Trần Quang Vinh
Trường Đại học Công nghệ, Đại học Quốc gia Hà nội
e-Mail: thuanhoang@donga.edu.vn
tính đồng thời các vị trí của robot dựa trên một số
Tóm tắt thông tin về cảm biến nội và cảm biến ngoại của nó.
Báo cáo trình bày việc xây dựng khối cảm nhận Từ các xuất phát điểm nêu trên, báo cáo này trình
của một robot di động đa cảm biến và việc dùng bày việc xây dựng bộ phận cảm nhận cho một robot di
phương pháp tổng hợp cảm biến với bộ lọc Kalman động đa cảm biến (sensor) với thiết kế các mạch điện
mở rộng để định vị chính xác cho robot. Các cảm biến tử liên quan và một mạng truyền thông có hiệu quả
hiện đại như cảm biến lập mã trục quay, cảm biến chỉ giữa các sensor và bộ điều khiển. Trên cơ sở đó, một
hướng, cảm biến đo xa laser, cảm biến ảnh toàn chương trình phần mềm tổng hợp các cảm biến dựa
phương, cảm biến siêu âm, bộ định vị toàn cầu GPS trên lý thuyết bộ lọc Kalman mở rộng đã được phát
cùng được sử dụng trong robot. Điều này đòi hỏi phải triển và được trình bày cho phép cải thiện đáng kể độ
thiết kế một hệ thông tin dữ liệu có hiệu quả. Trên cơ chính xác của phép định vị robot.
sở hệ thống đó, các chương trình điều khiển đã được
Nội dung của bài báo được sắp xếp như sau: Mục
phát triển dựa vào phương pháp tổng hợp cảm biến
2 trình bày về kết cấu phần cứng điện tử bộ phận cảm
bằng bộ lọc Kalman mở rộng, cho phép xác định
nhận đa cảm biến cùng hệ thống truyền thông trong
chính xác vị trí và hướng của robot trong điều kiện có
robot; mục 3 trình bày tóm tắt các cơ sở về mạch lọc
can nhiễu của môi trường.
Kalman nổi tiếng, áp dụng vào mô hình động học của
1. Phần mở đầu robot đ ể ước lượng chính xác vị trí; mục 4 là các kết
quả thực nghiệm với robot được xây dựng và thảo
Robot di động, như dạng các xe tự hành, cho
luận.
nhiều khả năng ứng dụng trong công nghiệp và dịch
vụ. Việc nghiên cứu phát triển các robot kiểu này hiện 2. Bộ phận cảm nhận đa sensor và hệ
đang là bài toán được nhiều nhà nghiên cứu điện tử và
thống truyền thông trong robot
điều khiển tự động trên thế giới cũng như ở Việt nam
quan tâm. Một trong các vấn đề cần giải quyết là việc 2.1. Thiết kế bộ phận cảm biến cho robot
định vị chính xác cho robot trong quá trình dẫn đường
Hình 1 là ảnh chụp robot với các cảm biến được
nó tới đích. Nhìn chung, một robot gồm 3 thành phần thiết kế lắp đặt trên đó.
cơ bản: bộ phận cảm nhận, bộ phận điều khiển và bộ
phận chấp hành [1]. Với nhiệm vụ định vị, bộ phận
cảm nhận gồm các cảm biến điện tử cùng các mạch
xử lý tín hiệu phần cứng và chương trình phần mềm
đóng vai trò then chốt cho phép robot tự ước lượng
chính xác vị trí và hướng của nó tại một thời điểm
chuyển động d ựa vào các thông số đọc đ ược từ các
cảm biến. Tuy nhiên, mỗi cảm biến thường chỉ đo
được một hoặc hai tham số môi trường với độ chính
xác giới hạn, vì vậy một cách tự nhiên thấy rằng nếu
sử dụng càng nhiều cảm biến thì càng có khả năng
tăng được độ chính xác ước lượng vị trí của robot. Đó
là lý do phương pháp tổng hợp các cảm biến (sensor
fusion) hiện nay đang được áp dụng phổ biến trong
các hệ thống robot hiện đại để tăng đ ộ chính xác của
đo lường [2,3]. Cơ sở thực hiện phương pháp này hầu
hết được dựa trên suy luận xác suất. Bộ lọc Kalman Hình 1. Robot di động và các cảm biến.
mở rộng (EKF) là giải pháp xác suất hiệu quả để ước
1
- Robot được xây dựng là loại có 2 bánh xe, mỗi cản trong môi trường. Một hệ thống đo thời gian cực
bánh được gắn với một mô-tơ điện được điều khiển kỳ chính xác trong thiết bị cho các số đo được dùng
độc lập. Nhiều loại cảm biến đã được thiết kế lắp đặt để tính khoảng cách đến vật khi biết vận tốc của ánh
trong bộ phận cảm nhận của robot di động này, dưới sáng trong môi trường quanh robot. Bằng việc gắn
đây trình bày tóm tắt nguyên lý hoạt động và tính năng một gương phản xạ quay trên đường đi của tia sáng,
kỹ thuật của chúng. các xung laser này được làm chệch hướng khi gương
quay. Gương phản xạ quay với tốc độ 75 vòng/giây
Cảm biến lập mã quang (optical encoder) được
tạo nên một dải quét tia laser hình rẻ quạt ở phía trước
gắn trực tiếp với trục quay mô -tơ, được dùng để đo
cảm biến với một trường nhìn 2D. Trong mỗi lần quét
vận tốc 2 bánh xe robot. Bộ lập mã quang như hình 2
như vậy, các xung laser đ ược phát đi chệch hướng với
cho thấy về cơ bản là một đĩa quay làm đóng-ngắt
chùm tia sáng đi qua các khe. Cùng bộ phận điện tử trục x một góc β với độ phân giải 0,25; 0,5 hoặc 1
chuyển đổi quang-điện (optron), cơ cấu này phát ra số như mô tả trên hình 5. Lúc này, bộ phận điện tử trong
xung điện lối ra tương ứng với một vòng quay của trục LRF sẽ phát ra một tập số liệu về khoảng cách đến đối
mô-tơ. Nếu đường kính của bánh xe và tỷ số truyền tượng và góc quét tương ứng ở lối ra [5]. Người sử
lực (tỷ số truyền bánh răng từ trục mô-tơ ra bánh xe dụng phải lập trình để thu thập chính xác tập số liệu
robot) đã biết thì vị trí góc và tốc độ của bánh xe có cho một chu kỳ quay gương (chu kỳ quét tia laser), là
thể xác định được. Việc xác định vị trí của robot bằng 13,3 ms.
bộ lập mã quang này là phương pháp phổ biến trên thế
giới có tên là Odometry [1].
Hình 4. Mặt phẳng tia laser với các góc quét β.
Cảm biến ảnh toàn phương (omni-directional
Hình 2. C ấu trúc bộ lập mã quang. camera) loại Hyper-Omni Vision SOIOS 55 đã được
sử dụng. Nó gồm một gương l ồi phản xạ hình ảnh
Cảm biến chỉ hướng (heading sensor) cho phép
trong toàn không gian cùng một camera thông thường
đo góc hướng của robot so với phương từ trường của
được đặt ở mặt phẳng ảnh của gương như hình 5. Ảnh
quả đất. Đây là một mô-đun cảm biến từ-địa bàn
toàn phương chứa đựng thông tin về vị trí của các đối
CMPS03 hoạt động dựa trên nguyên tắc hiệu ứng Hall
tượng theo các góc hướng trong toàn không gian 360
với độ phân giải góc là 0,1. Như trên hình 3 thấy mô-
[6].
đun có 2 trục hướng x và y. Cảm biến cung cấp số liệu
đo cường độ từ trường theo các trục hướng này, từ đó
có thể xác định được góc lệch của mô-đun so với
phương từ trường quả đất khi nó được gắn cố định trên
robot. Một vi xử lý tích hợp trong mạch điện tử của
mô-đun cung cấp các số đo này theo chuẩn truyền
thông nối tiếp [4]. Người sử dụng phải lập trình nhúng
để thu thập số liệu.
Hình 5. Cấu tạo của camera toàn phương, ảnh toàn
phương và ảnh toàn cảnh.
Cảm biến siêu âm: được dùng rất ph ổ biến cho
robot di động vì rẻ và dễ sử dụng. Loại cảm biến này
cho các thông tin về khoảng cách đến vật cản với
thời gian thu thập số liệu nhanh. Tuy nhiên việc sử
dụng chúng mắc phải các nhược điểm d o tính phản
Hình 3. Mô-đun chỉ hướng.
xạ xuyên âm và các số đo không ổn định d o chùm tia
Cảm biến đo xa laser LRF (laser ranger finder) siêu âm bị tán xạ hình nón chứ không phải là một tia
model-LM211 của hãng SICK với dải đo từ 0,4 m đến hẹp [7]. V ì v ậ y, c húng tôi chỉ sử dụng các cảm biến
80 m đã được lắp đặt trong robot. Đây là một thiết bị này đ ể phát hiện những vật cản gần, giữ an toàn cho
cho phép xác định nhanh chóng và chính xác khoảng robot. 8 module cảm biến siêu âm loại SRF05 đã
cách và góc lệch từ robot tới vật cản. Cảm biến hoạt được lắp đặt cho phép phát hiện được vật từ 3cm đến
động trên nguyên lý đo thời gian từ thời điểm một 4m với sai số là 2%; góc mở chùm siêu âm phát ra
khoảng 22,50.
xung sáng laser hồng ngoại được phát ra đến thời
điểm thu được xung này khi nó được phản xạ từ vật
2
- điểm-đa điểm theo phương pháp hỏi vòng (polling)
Cảm biến định vị toàn cầu GPS: chủ yếu áp
với đường truyền RS-485 được điều khiển qua vi điều
dụng cho định vị ở môi trường ngoài trời. Một mô-
khiển MCUdsPIC 30F4011.
đun HOLUX GPS UB-93 đã được lắp đặt và phát
triển phần mềm thu thập dữ liệu trong robot [8]. Vì 2.3. Phát triển phần mềm thu thập thông tin từ các
robot được thiết kế lắp đặt cả mạng ghép nối Internet, cảm biến
nên một hệ thống mở rộng A-GPS cũng đã đ ược phát
Từ hình 6 cho thấy có thể chia ph ần mềm thu thập
triển, cho phép trợ giúp cảm biến GPS thu nhận dữ
thông tin từ các cảm biến thành các mô -đun có các
liệu định vị tốt ngay cả trong các thời khoảng gặp
đặc điểm riêng sau.
điều kiện thu thông tin vệ tinh không được tốt.
Thông tin hình ảnh toàn phương được thu thập
Ngoài hệ thống các cảm biến nêu trên dùng cho
trực tiếp vào máy vi tính và xử lý qua chương trình
hoạt động tự trị (autonomous), chúng tôi còn thiết kế
được phát triển trên môi trường Visual C ++ với công
hệ thống điều khiển khiển Robot từ xa qua mạng
cụ là gói phần mềm mở OpenCV của Intel.
Internet 3G, cho phép n gười điều khiểu có thể điều
khiển robot bằng Joystick. Các thông tin còn lại được trao đổi từ 14 nút
mạng với nút điều khiển từ máy tính (3 nút cho mạch
2.2. Phần cứng mạng thông tin cảm nhận trong
đo bộ lập mã quang và quay LRF, 1 nút cho cảm biến
robot
từ-địa bàn chỉ hướng, 1 nút cho truyền luồng dữ liệu từ
Sơ đồ khối kết nối mạng thông tin trong robot LRF, 1 nút cho cảm biến GPS, 8 nút cho 8 cảm biến
được chỉ ra trên hình 6. siêu âm) được truyền qua đường truyền RS-485 sử
dụng giao thức Modbus/RTU [9].
n ối mạng
I nternet
Chương trình thu thập và xử lý dữ liệu từ máy đo
xa laser LRF là loại đặc biệt được phát triển riêng
Card
Camera toàn
1394
bắt hình
trong ngôn ngữ Visual C++. Sau khi nhận lệnh yêu cầu
phương
truyền số liệu từ máy tính, LRF sẽ gửi về liên tục các
M ô đun
khung dữ liệu đo tương ứng với mỗi mặt quét ngang
PC
GPS
trong thời gian 13,3 ms. Định dạng dữ liệu khung gồm
7 byte tiêu đề, 2N byte số liệu với 2 byte cho một điểm
Mô đun M CU
đo và cuối cùng là 2 byte mã phát hiện lỗi CRC [5].
t ừ-địa bàn USB to USB
d sPIC
RS- 485
30F4011
Các mô-đun
s iêu âm
Chương trình cần xác định được điểm khởi phát của
M áy đo xa laser
luồng ký tự dữ liệu ra LRF bằng việc xác định chính
( LMS)
Trigger cho
Trigger switch
LRF
xác 7 byte tiêu đề. Các byte này là khác nhau với các
chế độ đo khác nhau. Với định dạng khung truyền 720
Điều khiển
điểm dữ liệu LRF thì bộ đệm được chọn từ 1.700 đến
M0
PID Mô-tơ quay LRF
2.000 byte. Kích thước này cũng không nên lớn quá vì
làm ch ậm lại quá trình truyền dữ liệu.
Encoder
3. Chương trình tổng hợp các cảm biến
Điều khiển M1
dùng cho định vị robot di động
Mô t ơ bánh xe 1
PID
Bắt đầu với mô hình động học của robot di động
Encoder
được thiết kế ch ế tạo của chúng tôi. Hình 7 biểu diễn
hệ toạ độ và ký hiệu robot, trong đó (XG YG) là hệ tọa
Điều khiển
độ toàn cục, (XR, YR) là tọa độ cục bộ gắn với tâm
M2
Mô tơ bánh xe 2
PID
robot. R là bán kính của bánh xe, và L là khoảng cách
giữa các bánh xe.
Encoder
Hình 6. Mạng thông tin cảm nhận trong robot.
Các cảm biến kể trên được kết nối với bộ phận
điều khiển của robot. Do đặc điểm về tốc đ ộ thông tin
khác nhau giữa các cảm biến và thông tin ở đây là loại
điểm-đa điểm, nên một thiết kế đặc biệt cho mạng
truyền tin trong robot đã được thực hiện. Ngoại trừ
cảm biến ảnh toàn phương được kết nối với hệ thống
vi tính trong robot qua kênh thông tin tốc độ cao
Hình 7. Thế và các tham số của robot.
IEEE-1394; các cảm biến còn lại được thiết kế thông
tin với hệ điều khiển qua một chuẩn công nghiệp
3
- Trong khoảng thời gian lấy mẫu số liệu đo Δt, các 1. Bước dự báo với các ph ương trình cập nhật:
tốc độ góc của các bánh xe bên trái ωL và bên phải ωR
ˆ- ˆ
xk f ( xk -1 , uk -1 ) (4)
tạo ra các lượng di chuyển tương ứng của bánh trái
ΔsL và bánh phải ΔsR:
Pk- Ak Pk -1 Ak Wk Qk -1WkT
T
(5)
ΔsL = Δt.R. ωL ; ΔsR = Δt.R. ωR
Trong đó xk n là ước lượng trạng thái tiên nghiệm
ˆ-
Từ đó dẫn đến sự dịch chuyển của tâm robot Δs và
tại thời điểm k cho biết giá trị trước quá trình tại thời
góc hướng của robot Δθ:
điểm k.
sL sR s R s L
s ˆ
Pk- là ma trận hiệp phương sai của sai số dự báo
2 L
trạng thái.
Trạng thái của robot tại thời điểm k+1 trong khung
tọa độ toàn cục có thể được cập nhật như sau: Ak là Jacobi của đạo hàm riêng của f theo x.
Wk là Jacobi của đạo hàm riêng của f theo w.
sk cos k k / 2
xk 1 xk
yk 1 yk sk sin k k / 2
Qk-1 là ma trận hiệp ph ương sai nhiễu đầu vào phụ
(1 )
thuộc vào đ ộ lệch chuẩn của nhiễu của tốc độ góc của
k 1 k k
các bánh xe. Chúng được mô hình hóa như là tỷ lệ
thuận với tốc độ góc ωR-k, và ωL-k của các bánh xe tại
Trong thực tế, hệ thống (1) gặp phải các sai số hệ
thời điểm k. Điều này dẫn đến ph ương sai
thống (như sai số kích thước các chi tiết cơ khí, độ 2 2
bằng R và L , trong đó δ là một hằng số xác định
lệch trục, giới hạn độ phân giải của encoder, ...) và
các sai số không hệ thống (như đ ộ trượt của các bánh bởi các thực nghiệm.
xe với mặt sàn, ...) Do đặc tính tích lũy của các sai số
Ma trận hiệp phương sai Q được xác định:
này nên đ ộ chính xác của việc ước lượng vị trí sẽ càng
bị kém đi khi robot di chuyển [10]. Có nhiều công 2
. R , k 0
trình cố gắng tăng độ tin cậy của việc định vị này (6)
Qk
2
.L , k
0
trong đó sử dụng bộ lọc Kalman. Chúng tôi cũng đã
áp dụng phương pháp tổng hợp cảm biến bằng thuật
2. Bước hiệu chỉnh với các phương trình cập nhật
toán lọc Kalman để định vị cho robot được chế tạo và
phép đo:
đã nhận được kết quả cải thiện được chất lượng của
các phép đo này đáng kể.
K k Pk- H k ( H k Pk- H k Vk RkVkT )-1
T T
(7)
Có thể tóm tắt phương pháp này như sau. Nếu
- -
ˆ ˆ
xk x K k ( z k - h( x , 0)) (8)
X [x y ]T là vectơ trạng thái của robot đang ở tọa k k
độ x, y và góc hướng , trên mặt phẳng mà nó di
Pk ( I - K k H k ) Pk- (9)
chuyển, trạng thái này có thể được quan sát bởi một
số phép đo tuyệt đối, z. Các phép đo này được miêu tả
Trong đó xk n là ước lượng trạng thái hậu nghiệm
ˆ
bởi một hàm phi tuyến, h, của hệ toạ độ robot và một
tại thời điểm k, giá trị thu được sau khi đo lường zk.
quá trình nhiễu Gaussian độc lập, v. Tổng quát, (2) là
một hàm phi tuyến, f, với một vector đầu vào u, có Kk là hệ số độ lợi Kalman.
phương trình trạng thái và phương trình lối ra như
Vk là Jacobi đạo hàm riêng của h theo v.
sau:
Hk là Jacobi đạo hàm riêng của h theo x.
(2)
xk 1 f ( xk , uk ) wk
Rk là ma trận hiệp phương sai của nhiễu được ước
(3)
zk h( xk ) vk
lượng từ nhiễu trong phép đo của bộ mã hóa bánh xe
và các cảm biến khác. Các phép đo của các bộ cảm
Trong đó các biến ngẫu nhiên wk và vk biểu diễn cho
biến này được thu thập vào trong véc tơ zk như sau:
quá trình và nhiễu đo tương ứng. Chúng được giả định
là độc lập với nhau, ồn trắng, và với phân bố xác su ất Bằng phương trình hệ thống (2), các tham số trạng
chuẩn: thái (xm.odometry, ym..odometry và θm.odometry) nhận gián tiếp
bằng các chỉ số đọc từ bộ mã hóa bánh xe.
E ( wi v j T ) 0
wk ~ N (0, Qk ) vk ~ N (0, Rk )
Góc hướng robot có thể cũng được đo trực tiếp
Dựa trên các số liệu đo z, có thể tìm được một hệ bởi phép đo tuyệt đối với cảm biến từ-địa bàn
số Kalman K trong mỗi chu kỳ lấy mẫu tín hiệu đo θm.compass.
thuộc một vòng lặp đệ quy gọi là bộ lọc Kalman, sao
Máy đo xa laser LRF cho phép đo các điểm đặc
cho giá trị ước lượng trạng thái của hệ gần với giá trị
trưng của môi trường quanh robot. Trong trường hợp
thực nhất. Bộ lọc Kalman mở rộng, áp dụng cho các
này chúng tôi chọn là một đường thẳng được phát
hệ phi tuyến, được thực hiện qua các bước như sau
hiện bởi LRF (ví dụ như đường cắt ngang một bức
[11]:
4
- tường trong phòng). Bằng phép biến đổi Hough, hai var(L ) 0 0 0 0 0
thông số của đ ường thẳng này có thể nhận được, đó 0 var( R ) 0 0 0 0
là: khoảng cách r từ đường thẳng đến gốc tọa độ và 0
var(compass ) 0
0 0 0
Rk
góc gữa đường thẳng và một trục tọa độ như hình 8 0 0 0 var( rLRF ) 0 0
chỉ ra.
var( LRF ) 0
0 0 0 0
0 var( camera )
0 0 0 0
4. Kết quả thực nghiệm và thảo luận
Robot đã được thiết kế, chế tạo và cho chạy thử
nghiệm trong một phòng có mặt sàn gỗ phẳng. Cảm
biến từ-địa bàn có đ ộ chính xác 0,1. Máy đo xa LRF
có độ chính xác đo khoảng cách là 30 mm và góc lệch
±0,25. Thời gian lấy mẫu tín hiệu t của LRF là
0,1 s. Hệ số tỷ lệ của ma trận hiệp phương sai lối
vào Qk được xác định bằng thực nghiệm là 0,01.
Hình 8. Máy đo LRF đặt trên robot đo 2 thông số của
một đường thẳng trong môi trường. Robot được lập trình di chuyển trong phòng với
các trường hợp khác nhau:
Camera toàn phương cũng dễ dàng cho được các
- Chỉ sử dụng định vị bằng phương pháp
thông số đo đặc điểm môi trường với các cột mốc. C ột
Odometry.
mốc là các vật đặt tại các tọa độ biết trước (xL, yL)
- Sử dụng định vị bằng phương pháp tổng hợp
trong môi trường di chuyển của robot. Cột có màu sắc
cảm biến với bộ lọc EFK. Với phương pháp này
hay hình dạng định trước để chương trình thị giác
cũng thử với các cấu hình khác nhau: trộn lẫn
máy tính có thể nhận dạng được. Từ đó giá trị đo các
chỉ sensor từ-địa bàn, trộn lẫn chỉ RLF, trộn lẫn
góc i giữa hướng robot R với các cột mốc Mi có thể cả hai cảm biến với phương pháp Odometry.
nhận được (hình 9).
Kết quả các qu ỹ đạo di chuyển nhận được từ các số
liệu so với quỹ đạo thực được chỉ ra trên hình 10 cho
thấy sự cải thiện đáng kể khi áp dụng phương pháp
tổng hợp cảm biến và kết quả cũng cho thấy càng có
nhiều cảm biến tham gia vào quá trình này thì giá trị
ước lượng vị trí robot càng gần với giá trị thực
[12].
Hình 9. Camera toàn phương đo góc t ới các cột mốc.
Kết hợp các phép đo gián tiếp từ Odometry và các
phép đo trực tiếp từ các cảm biến như nói trên ta có
ma trận zk trong phương trình sửa giá trị ước lượng
(8) có dạng như sau:
x m.odometry
y m.odometry
m.odometry
zk m.compass (10)
Hình 10. Quỹ đạo robot ước lượng được với
r m.LRF các cấu hình bộ lọc EFK khác nhau.
m.LRF
Hình 11 là kết quả chi tiết về độ lệch theo phương
m. camera chuyển động Y của robot nhận được từ các phép đo so
với giá trị thực với các trường hợp khác nhau. Hình
Ma trận hiệp phương sai Rk của nhiễu đo có cấu
12 là kết quả khác chứng minh hiệu quả củ a bộ lọc
trúc đường chéo. Nhiễu của phép đo tốc độ bánh xe
Kalman khi cho robot di chuyển theo một qu ỹ đạo
có thể được xác định bởi thực nghiệm. Sự chính xác
hình vuông trong phòng với các trường hợp có và
của các cảm biến từ-địa bàn, của các phép đo LRF và
không có bộ l ọc Kalman. Đường vị trí robot được ước
cameara nhận được từ đặc điểm kỹ thuật của nh à sản
lượng với EKF cho thấy nó rất gần với đường đi thực
xuất. Các số liệu này được điền vào Rk cho bước điều
của robot.
chỉnh EKF.
5
- [ 2] H. F. Dunant-Whyte , “Sensor models and multi -
sensor integration”,Z nt.J.Robot. Res., vol. 7, no.
6, pp. 97-113, 1988.
[ 3] Y. C. Tang and C. S. G. Lee, “A geometric
feature relation graph formulation for consistent
sensor fusion” , in Proc. IEEE 1990 Int. ConSyst.,
Man, Cybern., Los Angeles, CA, 1990, pp. 188-
193.
[ 4] http://www.robotelectronics.co.uk/htm/cmps3tec
h.htm
[ 5] Sick AG., 2006-08-01 Telegrams for Operating/
Configuring the LMS 2xx (Firmware Version
V2.30/X1.27), www.sick.com , Germany.
Hình 11. Độ lệch theo phương Y giữa các vị trí ước lượng
[ 6] N. Winters et al, “Omni-directional vision for
và vị trí thực với các cấu hình EKF khác nhau.
robot navigation”, Omnidirectional Vision, 2000.
Proceedings. IEEE Workshop on, Hilton Head
Island , USA, Jun 2000.
[ 7] J. L. Crowly, “ World modeling and position
estimation for a mobile robot using ultrasonic
ranging”, in Proc. IEEE Int. Conf. Robot.,
Automat., 1989, pp. 674-680.
[ 8] http://www.holux.com
[ 9] http://www.modbus.org/. “MODBUS over serial
line specification and implementation guide
V1.02”. Dec 20, 2006.
[ 10] J. Borenstein and L. Feng, “A Method for
Measuring, Comparing, and Correcting Dead-
reckoning Errors in Mobile Robots”, Technical
Report UM-MEAM-94 -22, University of
Michigan, 1994.
Hình 13. Hiệu quả của bộ lọc Kalman.
[ 11] Greg Welch and Gary Bishop, "An Introduction
to the Kalman Filter", Department of Computer
Science, University of North Carolina at Chapel
5. Kết luận
Hill, Chapel Hill, NC 27599-3175, 2006.
Các kết quả cải thiện giá trị định vị của robot di [ 12] Manh Duong PHUNG, Thuan Hoang TRAN,
động bằng phương pháp tổng hợp cảm biến với bộ lọc Thanh Van NGUYEN, Anh Viet DANG, and
Kalman cho thấy việc xây dựng robot đa sensor là có ý Quang Vinh TRAN, "A Novel Platform for
nghĩa thiết thực giúp cho quá trình dẫn đường robot Internet-based Mobile Robot System", 7th IEEE
trong hoạt động tự trị của nó. Conference on Industrial Electronics &
Applications ICIEA 2012, Singapore.
Những nghiên cứu định lượng tiếp theo sẽ được áp
dụng trên hệ thống robot được thiết kế lắp đặt hứa hẹn
sẽ có thêm các kết quả hữu ích đóng góp cho lĩnh vực
Abstract
nghiên cứu về robot di động, một loại sản phẩm tiềm
năng trong các lĩnh vực công nghiệp, dịch vụ, an ninh The report presents the design of a multi-sensor
quốc phòng. mobile robot and the robot’s localization based on the
sensor fusion method with Extended Kalman Filter
Đề tài nhận được sự hỗ trợ từ phòng thí nghiệm
(EKF). Modern sensors such as optical encoders,
các hệ tích hợp thông minh SIS thuộc Đại học Công
heading sensor, laser range finder, omni-directional
nghệ, ĐHQG HN.
camera, ultrasonic sensor, GPS sensor used
concurrently so that an efficient data communication
system has been designed and installed in robot.
Tài liệu tham khảo Based on this system, the sensor fusion – based
controlling program with Extended Kalman Filter was
[ 1] J. Borenstain, H.R. Everette, and L. Feng, "Where developed which permits to estimate accurately the
I am ? Sensor and Methods for Mobile Robot robot’s position and orientation in condition of
Positioning", University of Michigan, 1996.
environment’s noise.
6