(Đồ án tốt nghiệp) thiết kế chế tạo mobile robot lau sàn tránh vật bằng công nghệ xử lý ảnh

TỔNG QUAN

Giới thiệu đề tài

1.1.1 Lý do chọn đề tài

Ngày nay, robot đã trở thành một phần không thể thiếu trong cuộc sống, đặc biệt ở các nước phát triển Chúng được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau, với thiết kế đa dạng nhằm đáp ứng các nhu cầu cụ thể Một trong những lợi ích nổi bật của robot là khả năng thay thế con người trong những công việc nguy hiểm, chẳng hạn như làm việc trong môi trường có hàm lượng chất phóng xạ cao, giúp giảm thiểu rủi ro cho sức khỏe con người.

Robot đang ngày càng được cải tiến, từ khả năng tự động hóa đến robot điều khiển từ xa và trí tuệ nhân tạo với khả năng tự xử lý tình huống Hiện tại, robot thông minh nhất là người máy Ashimo, có khả năng giao tiếp và di chuyển giống con người Tại Việt Nam, khoa học-công nghệ đóng vai trò quan trọng trong việc nâng cao tiềm lực đất nước Để phát triển lĩnh vực này, cần thời gian, hiểu biết và đầu tư Nhằm khơi dậy niềm đam mê và sáng tạo của thế hệ trẻ, nhiều hoạt động sáng tạo đã được tổ chức, đặc biệt là cuộc thi sáng tạo robot con, thu hút sự tham gia của nhiều trường đại học và cao đẳng, tạo sân chơi thúc đẩy tính sáng tạo cho sinh viên.

Công nghệ Robot đang ngày càng được ứng dụng trong lĩnh vực thám hiểm và các hoạt động trong môi trường độc hại Nhiều loại Robot đang được nghiên cứu và phát triển tại các trường Đại học nổi tiếng trên thế giới Nhận thấy xu hướng và tầm quan trọng của công nghệ xử lý ảnh tại Việt Nam, nhóm sinh viên đã chọn đề tài “Thiết kế chế tạo Mobile Robot lau sàn ứng dụng công nghệ xử lý ảnh” nhằm tìm hiểu và ứng dụng công nghệ mới, đặc biệt là trong việc điều khiển mobile robot để tránh vật cản và lau dọn không gian văn phòng hiệu quả.

1.1.2 Yêu cầu và giới hạn đề tài Đề tài thực hiện nghiên cứu, thiết kế và thi công mobile robot ứng dụng công nghệ xử lý ảnh, trong đó:

Nghiên cứu về Mobile Robot họ vi điều khiển PIC, bộ nhận sóng Bluetooth, động cơ DC, cảm biến và các IC liên quan.

Nghiên cứu về lĩnh vực thị giác máy tính, công nghệ xử lý ảnh

Khám phá lập trình ứng dụng bằng ngôn ngữ C++ kết hợp với thư viện xử lý ảnh mã nguồn mở OpenCV của Intel Học lập trình cho vi điều khiển PIC sử dụng ngôn ngữ C để phát triển các dự án nhúng hiệu quả.

Thiết kế hoàn chỉnh mô hình Mobile Robot dạng xe.

Thiết kế bộ phận lau sàn và cấp nước.

Thiết kế board mạch cho Mobile Robotdùng vi điều khiển, PIC16F887.

Lập trình giao diện điều khiển Mobile Robottự động tìm đường ứng dụng thị giác máy tính và kết hợp các loại cảm biến trên xe.

Nghiên cứu và phát triển chương trình tìm đường cho Robot di động thông qua xử lý ảnh, đồng thời xây dựng hệ thống điều khiển để Robot di chuyển theo quỹ đạo xác định từ chương trình xử lý ảnh và các cảm biến.

1.1.4 Mục tiêu và nhiệm vụ nghiên cứu a Mục tiêu của đề tài

Thiết kế hoàn thiện phần cơ khí là mô hình của Mobile Robot và phần mạch điện để điều khiển robot, giao tiếp robot - máy tính.

Thiết kế hoàn thiện phần cơ cấu lau sàn và cấp nước.

Tìm hiểu lý thuyết và ứng dụng cơ bản công nghệ xử lý ảnh.

Thu nhận hình ảnh động từ camera (webcam) và xử lý.

Nhận dạng màu sắc, xác định vị trí từng điểm đến, các vật cản và lựa chọn đường để tới đích.

Sử dụng cảm biến để tránh vật cản và tìm đường khi camera không nhận diện được vật hoặc có đối tượng mới xuất hiện trong khu vực hoạt động của robot Nghiên cứu phương pháp điều khiển Mobile Robot nhằm tìm đường dựa vào màu nền và vật cản Camera thu thập hình ảnh liên tục từ môi trường và truyền về máy tính, nơi tiến hành xử lý, nhận dạng và xác định tọa độ của vật cản và robot Từ đó, máy tính tính toán tọa độ các điểm điều khiển để robot bám theo quỹ đạo dẫn đến đích.

Nhóm nghiên cứu tập trung vào việc tìm hiểu các tài liệu liên quan đến robot di động, bao gồm thiết kế cơ khí và điện tử, tài liệu về thị giác máy tính và công nghệ xử lý ảnh, cũng như datasheet của các IC được sử dụng trong dự án.

Để đảm bảo tính chính xác và hiệu quả trong thiết kế, chúng tôi đã tham khảo từ nhiều nguồn khác nhau, bao gồm các đồ án và thiết kế mạch đã được thi công và sử dụng ổn định Ngoài ra, chúng tôi cũng đã tham vấn trực tiếp các anh, chị khóa trước và đặc biệt là giảng viên chuyên ngành từ Bộ môn Cơ điện tử.

Phương pháp thực nghiệm kết hợp với tính toán giải tích mạch giúp tối ưu hóa giải pháp mạch điện thông qua các thử nghiệm trên test board Đồng thời, quá trình xác định tọa độ điểm và hướng di chuyển cho Robot cũng dựa trên lý thuyết và dữ liệu thực tế thu được từ các thử nghiệm trước đó.

Các công trình nghiên cứu có liên quan

1.2.1 Các công trình nghiên cứu ở nước ngoài

Mobile Robot đang là chủ đề nghiên cứu quan trọng tại nhiều trường Đại học lớn trên thế giới, với nhiều phòng thí nghiệm chuyên sâu Hiện nay, Mobile Robot được ứng dụng rộng rãi trong các lĩnh vực như quân sự, y tế, giải trí, công việc nhà, công nghiệp và thám hiểm nghiên cứu.

 Mobile robot hút bụi sàn nhà [1]

Nhóm nghiên cứu đã phát triển một phương pháp điều hướng cho robot sử dụng cảm biến siêu âm Khi robot gặp vật cản hoặc gần tường, cảm biến sẽ phát hiện và hướng dẫn robot quay sang hướng khác Robot tự động di chuyển trong không gian làm việc của nó, thực hiện nhiệm vụ làm sạch bụi bẩn trên đường đi.

Hình 1.1: Chạy thử nghiệm mobile robot

 Mobile robot lau sàn mini [2]

Robot này có thiết kế nhỏ gọn, lý tưởng cho môi trường văn phòng Sau khi sạc đầy, nó có thể hoạt động liên tục trong 3 giờ, sử dụng các loại giẻ lau ướt phù hợp với bề mặt sàn cứng Sản phẩm này được phát triển rộng rãi và dễ dàng sử dụng với các loại khăn lau phổ biến hiện nay.

Hình 1.2 : Robot đang lau sàn nhà

1.2.2 Các công trình nghiên cứu trong nước Ở Việt Nam, công nghệ Robot nói chung đang được phát triển, tuy nhiên lĩnh vực Robot điều khiển dùng thị giác máy tính vẫn còn khá mới mẻ so với nước ta và chỉ bắt đầu nghiên cứu một vài năm gần đây ở những trường Đại học.

 Điều khiển Mobile Robot lau sàn tự động [3]

Robot lau sàn hiện nay là một trong những thiết bị thông dụng, mang lại nhiều lợi ích cho con người Với khả năng di chuyển linh hoạt và tránh vật cản, robot được trang bị bộ thu sóng RF điều khiển bằng tay và cảm biến siêu âm Cảm biến siêu âm hoạt động như "cặp mắt" của robot, giúp xác định khoảng cách đến các vật cản, từ đó cho phép robot lau sạch những khu vực mong muốn trong ngôi nhà.

Hình 1.3 : Hình ảnh bên trong và bên ngoài robot

 Robot lau sạch hồ bơi [4]

Robot này có khả năng cọ rửa hồ bơi ở độ sâu 3m, hút sạch rác bẩn, rong rêu và tảo bám ở sàn, khe và cạnh hồ Nó không chỉ làm sạch hồ bơi mà còn loại bỏ các tạp chất nhỏ như cát bụi, đưa chúng vào túi lọc Đây là ưu điểm nổi bật của robot so với phương pháp cọ rửa bằng sức người truyền thống.

Hình 1.4 : Hình ảnh thực tế robot lau hồ bơi

Tổng quan về Mobile Robot lau sàn sử dụng xử lý ảnh

1.3.1 Mobile Robot và các phương pháp điều khiển

Robot di động là loại robot tự hành có khả năng di chuyển linh hoạt trong môi trường đã được xác định trước Khác với robot công nghiệp như tay máy, robot di động có thể hoạt động tự do hơn và không bị giới hạn ở một vị trí cố định.

Robot di động (mobile robot) là loại robot chủ yếu thực hiện các nhiệm vụ di chuyển, định vị, tìm đường đi tối ưu và vẽ lại bản đồ Các loại robot di động này hiện đang rất phổ biến.

 Robot tránh vật cản sử dụng thiết bị Kinect [5]

Nhóm tác giả từ đại học Bách Khoa đã phát triển một mô hình robot di động hoàn chỉnh có khả năng tìm đường và tránh chướng ngại vật Điểm nổi bật của nghiên cứu là việc tích hợp khối thị giác máy tính cho robot, sử dụng thiết bị chơi game Kinect để tái tạo môi trường xung quanh dưới dạng 3D Sự kết hợp này mang lại độ chính xác cao khi phối hợp với các thuật toán điều khiển truyền thống, nâng cao hiệu suất hoạt động của robot.

 Mobile robot hoạt động dựa trên camera quan sát toàn cảnh [6]

Nhóm nghiên cứu tại Viện Nghiên cứu và Công nghệ Hellas đã phát triển một phương pháp điều hướng robot dựa trên tầm nhìn toàn cảnh Robot sử dụng thông tin hình ảnh duy nhất để di chuyển trong không gian làm việc của nó, từ đó xây dựng một bản đồ topo của môi trường Bản đồ topo này giúp robot định vị và di chuyển hiệu quả trong không gian.

Hình 1.6: Robot CVRL với camera Hình 1.7: Mô phỏng quỹ đạo di chuyển

Robot bám đối tượng di động

Nhờ có camera quan sát nên robot có thể phát hiện và bám đối tượng để điều chỉnh hướng đi.

Robot di động SRV1 của LANTRONIX là một ví dụ điển hình về robot bám đối tượng di động Tay máy (manipulator) là loại robot hoạt động như cánh tay con người, có khả năng cầm nắm, sắp xếp, di chuyển và tương tác với các vật thể.

Haptics, từ gốc Hy Lạp, đề cập đến cảm giác xúc giác, bao gồm các yếu tố như lực tác động (cứng, mềm), cảm giác bề mặt (thô, nhám, sắc, trơn) và cảm nhận chuyển động thông qua tiếp xúc, cầm nắm và sờ Robot tay máy c sử dụng công nghệ haptic để cải thiện khả năng tương tác và cảm nhận của người dùng.

1.3.2 Mobile Robot lau sàn sử dụng xử lý ảnh

Robot lau sàn là loại Mobile Robot tự động, sử dụng công nghệ xử lý ảnh và thị giác máy tính để thực hiện nhiệm vụ lau sàn Với các chương trình được lập trình sẵn, robot có khả năng di chuyển chính xác, tránh các vật cản trên đường đi và đến vị trí yêu cầu một cách hiệu quả.

A mobile robot obstacle avoidance system utilizes image processing and consists of a mobile robot, a camera vision mounted on a stand, a host computer, and a Bluetooth transceiver for communication.

Hình 1.11 : Tổng quan hệ thống Robot lau sàn

Camera thu hình ảnh từ môi trường làm việc của Robot, bao gồm cả Robot và vật cản Máy tính xử lý các hình ảnh này dựa trên chương trình nhận dạng màu sắc để xác định vị trí và kích thước của Robot cùng vật cản Khi người dùng thao tác trên giao diện, chương trình tính toán đường đi cho Robot, đảm bảo không bị vật cản cản trở Cuối cùng, máy tính gửi tín hiệu điều khiển qua bộ truyền - nhận Bluetooth, giúp Robot di chuyển theo lộ trình đã được tính toán đến điểm đích.

Robot thường có kích thước trung bình, khoảng 30cm x 20cm x 15cm Để dễ dàng nhận diện, mỗi Robot được dán hai hình tròn hoặc vuông với màu sắc khác nhau trên mặt trên.

Robot gồm có: nguồn (pin), bộ Bluetooth Transceiver, động cơ DC, động cơ

RC Servo, mạch điều khiển PIC và mạch công suất điều khiển 2 động cơ trái phải. b Camera

Để đảm bảo các bước xử lý tiếp theo diễn ra chính xác, việc thu được hình ảnh rõ ràng là rất quan trọng Chất lượng hình ảnh của camera và cách lắp đặt cần được chú trọng, đặc biệt là các điều kiện ánh sáng bên ngoài.

Máy tính (PC) thực hiện việc thu nhận hình ảnh từ camera, xử lý dữ liệu để xác định vị trí của Robot và các vật cản, từ đó tính toán lộ trình di chuyển cho Robot di động.

CƠ SỞ LÝ THUYẾT

Vi điều khiển PIC 16F887

Trong đồ án này, nhóm đã sử dụng vi điều khiển PIC 16F887 để nhận dữ liệu từ máy tính và điều khiển Robot di động PIC 16F887 là một vi điều khiển 8 bit của Microchip, được thiết kế dựa trên kiến trúc Harvard, cho phép thực hiện đồng thời việc đọc lệnh và truy cập dữ liệu.

2.1.1 Đặc trưng của vi điều khiển PIC 16F887 [7]

- Vi điều khiển 8-bit của Microchip, thuộc dòng Low-power.

- Kiến trúc Harvard (vs Von Neumann), tập lệnh RISC(Reduced Instructions

Set Computer) (vs Complexed Instructions Set Computer).

- Thạch anh gắn ngoài tối đa 20MHz.

- Tầm điện áp hoạt động 2.0V- 5.5V.

- 5 port, 35 chân xuất nhập (I/O pins).

- Có đầy đủ các chức năng cần thiết của Vi điều khiển 8-bit: Timer (3 bộ),ADC (14 kênh ADC 10-bit), USART, SPI, I2C, PWM, Compare, …  được lựa chọn để bắt đầu.

2.1.2 Các thành phần của PIC 16F887

Các chức năng nổi bật của vi điều khiển.

Bảng 2.1: Các thành phần của PIC16

Chi tiết về các thành phần của PIC16F887 được sử dụng trong robot được liệt kê dưới phần phụ lục.

Thị giác máy tính (Computer Vision)

2.2.1 Các lĩnh vực ứng dụng thị giác máy tính

Thị giác máy tính là thuật ngữ kỹ thuật chỉ các hệ thống nhân tạo có khả năng thu thập thông tin từ hình ảnh Dữ liệu hình ảnh này có thể được lấy từ nhiều nguồn khác nhau, bao gồm tín hiệu video từ camera hoặc dữ liệu đa chiều từ máy chụp cắt lớp Ứng dụng của hệ thống thị giác máy tính rất đa dạng và có thể được áp dụng trong nhiều lĩnh vực khác nhau.

- Điều khiển quá trình (như robot công nghiệp hay thiết bị vận chuyển tự động).

- Phát hiện đối tượng (ví dụ như giám sát hay đếm số người).

- Thiết lập thông tin (xây dựng cơ sở dữ liệu hình ảnh hay chuỗi hình ảnh).

Mô hình hóa đối tượng và môi trường đóng vai trò quan trọng trong nhiều lĩnh vực, bao gồm kiểm tra trong công nghiệp, phân tích hình ảnh y tế và xây dựng bản đồ địa hình Các ứng dụng này không chỉ giúp nâng cao hiệu quả công việc mà còn cải thiện độ chính xác và độ tin cậy trong quá trình ra quyết định.

- Tín hiệu ngõ vào cho một thiết bị tương tác người – máy.

Những lĩnh vực có liên hệ chặt chẽ với thị giác máy tính là xử lí ảnh, phân tích ảnh, thị giác robot và thị giác máy (machine vision).

Hình 2.1 : Các lĩnh vực liên quan đến Computer Vision

Phân tích và xử lý ảnh chủ yếu tập trung vào ảnh 2-D, với các phương pháp chuyển đổi giữa các ảnh khác nhau Các kỹ thuật như tăng cường độ tương phản, tách biên, khử nhiễu và biến đổi hình học như quay ảnh thường được áp dụng Điều này cho thấy rằng phân tích và xử lý ảnh không yêu cầu giả định và không làm thay đổi nội dung của ảnh Trong khi đó, nhận dạng là lĩnh vực sử dụng nhiều phương pháp khác nhau để trích xuất thông tin từ tín hiệu, chủ yếu dựa vào các phương pháp thống kê.

Thị giác robot tập trung vào việc phục hồi cấu trúc và thông tin từ các hình ảnh 3-D, nhằm tái tạo cảnh vật từ một hoặc nhiều bức ảnh Quy trình này thường dựa vào những giả định phức tạp về khung cảnh được thể hiện trong hình ảnh.

Thị giác máy là một lĩnh vực quan trọng trong công nghiệp, với các ứng dụng như robot tự động và hệ thống giám sát, đo lường Trong lĩnh vực này, các kỹ thuật cảm biến hình ảnh và lý thuyết điều khiển được kết hợp với phân tích dữ liệu ảnh để điều khiển robot Quá trình xử lý thời gian thực được tối ưu hóa thông qua các phương tiện thực thi hiệu quả trong cả phần cứng và phần mềm.

Thị giác máy tính, nói cách khác, nghiên cứu và mô tả hệ thống thị giác nhân tạo để bổ sung cho các phần mềm và phần cứng.

Ngoài ra, thị giác máy tính còn có mối liên hệ với các lĩnh vực khác như vật lí, toán học, sinh học thần kinh…

2.2.2 Chức năng của hệ thống thị giác máy tính

Nhận dạng là quá trình xác định một hay nhiều đối tượng đã được học trước, thường kết hợp với vị trí 2D trong ảnh hoặc tư thế 3D trong khung cảnh.

Nhận diện (Identification): một dạng đặc biệt của đối tượng được nhận dạng.

Ví dụ : nhận diện mặt người hay vân tay hay xác định thiết bị di chuyển đặc biệt.

Xác định (Detection) là quá trình quét dữ liệu hình ảnh nhằm phát hiện các điều kiện đặc biệt, chẳng hạn như nhận diện tế bào hoặc mô bất thường trong ảnh y tế, hoặc xác định phương tiện trong hệ thống giám sát tai nạn tự động Đồng thời, ước lượng chuyển động là việc xử lý chuỗi hình ảnh để tính toán vận tốc tại từng điểm trong ảnh hoặc trong không gian 3D.

Nhận dạng chuyển động (Egomotion): xác định vật thể 3D chuyển động trong ảnh camera.

Bám đối tượng: bám theo chuyển động của đối tượng chi trước.

Xây dựng lại khung cảnh ( Scene reconstruction): cho 1 hay nhiều hình ảnh về

Việc xây dựng lại khung cảnh từ video nhằm mục đích tính toán mô hình 3D, trong đó trường hợp đơn giản nhất là tập hợp các điểm 3D Phương pháp phức tạp hơn bao gồm việc tái tạo một mô hình mặt 3D hoàn chỉnh, giúp nâng cao độ chính xác và chi tiết của khung cảnh.

Khôi phục ảnh nhằm mục đích loại bỏ nhiễu như nhiễu cảm biến và chuyển động mờ khỏi hình ảnh Phương pháp đơn giản nhất để thực hiện việc này là sử dụng các bộ lọc như lọc thông thấp hoặc lọc trung vị Ngoài ra, còn có những phương pháp phức tạp hơn, trong đó xây dựng một mô hình tương tự cấu trúc của ảnh để nhận diện ảnh từ nhiễu.

2.2.3 Các hệ thống thị giác máy tính

Hệ thống thị giác máy tính là các ứng dụng độc lập có khả năng giải quyết vấn đề đo lường và xác định Một số hệ thống hoạt động độc lập, trong khi những hệ thống khác là thành phần trong các thiết kế lớn hơn như hệ thống điều khiển tự động, lập kế hoạch và giao diện người máy Việc triển khai hệ thống thị giác máy tính phụ thuộc vào chức năng đã được thiết lập trước, cũng như khả năng học hỏi và điều chỉnh trong quá trình hoạt động Dù vậy, vẫn có những chức năng cơ bản phổ biến trong nhiều hệ thống thị giác máy tính.

Ảnh số được tạo ra từ các cảm biến hình ảnh như camera nhạy sáng, cảm biến vị trí, thiết bị chụp X-quang, ra-đa và camera siêu âm Tùy thuộc vào loại cảm biến, ảnh có thể ở dạng 2D, khối 3D hoặc một chuỗi ảnh.

Giá trị pixel không chỉ phản ánh độ nhạy sáng trong dải quang phổ, mà còn liên quan đến nhiều đại lượng vật lý khác như độ sâu, độ hấp thụ và phản xạ của sóng âm thanh, sóng từ trường, cũng như hiện tượng cộng hưởng từ.

 Tiền xử lí (Pre-Processing)

Trước khi áp dụng phương pháp thị giác máy tính cho dữ liệu hình ảnh nhằm tách thông tin cụ thể, cần thực hiện xử lý tín hiệu để đảm bảo tính khả thi của phương pháp.

 Lấy mẫu lại để bảo đảm rằng hệ toạ độ của ảnh là đúng.

 Giảm nhiễu để đảm bảo tín hiệu nhiễu cảm biến không ảnh hưởng đến thông tin.

 Tăng độ tương phản để bảo đảm thông tin liên quan có thể được xác định.

 Đặc trưng khung Đặc trưng của ảnh tại những mức phức tạp khác nhau được tách khỏi dữ liệu ảnh Một vài đặc trưng cơ bản :

 Cạnh, đường, góc và đỉnh.

 Các đặc trưng phức tạp liên quan đến kết cấu, hình dạng hay chuyển động.

Xác định điểm ảnh hay vùng ảnh có liên quan đến quá trình xử lí tiếp theo Ví dụ như chọn tập hợp điểm quan trọng.

 Xử lí mức độ cao

Tại bước này, đầu vào thường là một tập dữ liệu nhỏ, chẳng hạn như một tập hợp các điểm hoặc một vùng ảnh được giả định chứa đối tượng cụ thể.

 Kiểm tra rằng dữ liệu thoả mãn.

 Ước lượng các thông số, như hướng của đối tượng, kích thước đối tượng.

 Phân loại đối tượng xác định được thành những loại khác nhau.

2.2.4 Ứng dụng của thị giác máy tính

Một trong những ứng dụng quan trọng nhất của thị giác máy tính là xử lý hình ảnh y tế, nơi dữ liệu hình ảnh từ kính hiển vi, X-quang và siêu âm được phân tích để hỗ trợ chẩn đoán bệnh nhân Ứng dụng thứ hai là trong ngành công nghiệp, trong đó dữ liệu hình ảnh được sử dụng để tối ưu hóa quy trình sản xuất, chẳng hạn như xác định vị trí và hướng cho cánh tay robot trong việc gắp và lắp đặt chi tiết.

 Ứng dụng của thị giác máy tính trong điều khiển mobile robot

Tổng quan về hệ thống xử lý ảnh

- Ảnh tương tự được chia thành X hàng, Y cột.

- Giao của hàng và cột được gọi là pixel.

- Giá trị biên độ của pixel tại tọa độ nguyên (x,y) là z(x,y), là trung bình cường độ sáng (intensity) trong pixel đó z(x,y) ≤ L (số mức xám dùng để biểu diễn ảnh).

Các giá trị x và y thường được chọn là lũy thừa của 2 Độ sáng (biên độ) mỗi pixel được xác định thông qua công thức L = 2^B, trong đó B là số bit dùng để mã hóa độ sáng.

Như vậy, ảnh số được biểu diễn bởi ma trận 2 chiều Các phần tử của nó là các Pixel đã được số hóa.

Ảnh số được ký hiệu là Z(X,Y), trong đó độ phân giải được xác định bởi kích thước Y x X Mỗi phần tử ảnh có cường độ sáng được biểu thị bằng z(x,y) = f(x,y) Độ phân giải của ảnh thể hiện số lượng pixel theo chiều ngang và chiều dọc Ví dụ, các loại màn hình máy tính có độ phân giải khác nhau như màn hình CGA với 320x200 và màn hình VGA với 640x350.

Hình 2.7 : Biểu diễn ảnh với độ phân giải khác nhau

(a)Ảnh với độ phân giải 200 x143 ; (b)Ảnh với độ phân giải 240 x 320

2.4.2 Cấu trúc một file ảnh

Một file ảnh là tập hợp của nhiều điểm ảnh, với mỗi điểm ảnh được biểu diễn bằng màu sắc hoặc độ xám Về cơ bản, ảnh được cấu trúc dưới dạng một mảng hai chiều.

Hình 2.8: Mảng hai chiều của một file ảnh

2.4.3 Ảnh màu Ảnh màu là một ảnh kỹ thuật số mà trong đó mỗi pixel có chứa các thông tin về màu sắc Cụ thể, mỗi pixel sẽ bao gồm 3 kênh màu (color channels) trực giao với nhau trong không gian màu (color space) Không gian màu thường được sử dụng để hiển thị trên máy vi tính là không gian màu RBG, ngoài ra một số kênh màu khác như YcbCr và HSV cũng thường được sử dụng. Ảnh màu thường được lưu trữ trong bộ nhớ dưới dạng một biểu đồ các vạch quét, hay ba biểu đồ vạch quét, trong đó mỗi biểu đồ được sử dụng cho một kênh màu Một biểu đồ vạch quét là một mảng hai chiều chứa các số nguyên nhỏ.

Mỗi mẫu hình ảnh thường bao gồm 8 bits, với mỗi pixel có độ sâu màu 24 bits Tuy nhiên, trong các ứng dụng yêu cầu chất lượng hình ảnh cao, mỗi mẫu có thể lên đến 10 bits hoặc hơn Một bức ảnh với độ sâu màu 24 bits có khả năng hiển thị tới 16.777.216 màu sắc khác nhau.

2.4.4 Không gian màu (Color Space)

Màu sắc được phân tích thành hai thành phần chính: thành phần màu và độ sáng Thành phần màu xác định đặc tính màu của vật thể, trong khi độ sáng phản ánh ảnh hưởng của môi trường xung quanh Trong một bức ảnh màu, cả hai giá trị này có thể được xác định Không gian màu là mô hình toán học giúp biểu diễn màu sắc qua các con số, thường là 3 hoặc 4 thành phần Tuy nhiên, việc xác định vật thể dựa trên đặc tính màu có thể gặp khó khăn khi điều kiện ánh sáng xung quanh thay đổi, dẫn đến sự biến đổi màu sắc của vật thể.

Hình 2.9 : Các kiểu không gian màu a Không gian màu RGB (RGB Color Space)[8]

Không gian màu RGB được xây dựng trên mô hình màu RGB, trong đó ánh sáng trắng hình thành từ bảy màu sắc: đỏ, cam, vàng, lục, lam, chàm và tím Những màu này tạo thành một dãy màu liên tục, không có ranh giới rõ ràng giữa chúng Tuy nhiên, về cấu tạo mắt và khả năng nhìn, tất cả các màu đều liên kết với nhau thông qua các màu cơ bản.

Trong mô hình RGB, màu sắc được tạo thành từ ba thành phần chính là Đỏ (R), Xanh lục (G) và Xanh dương (B) Mô hình này dựa trên hệ thống tọa độ Cartesian, hay còn gọi là tọa độ Decca, giúp xác định vị trí của các màu trong không gian màu sắc.

Hình 2.10 : Không gian màu RGB

Mô hình màu R,G,B được cấu trúc dưới dạng khối lập phương, với các màu cơ bản R, G, B nằm ở ba đỉnh, trong khi màu lam-lục, đỏ-lam và vàng nằm ở ba đỉnh còn lại Màu đen ở gốc tọa độ và màu trắng ở đỉnh xa gốc nhất Thang mức xám kéo dài từ đen đến trắng, nối gốc tọa độ với đỉnh màu trắng Mỗi màu cơ bản được mã hóa bằng 8 bit, cho phép tạo ra 581.375 màu thứ cấp mà mắt người có thể nhận biết Tất cả giá trị màu R, G, B nằm trong khoảng [0, 1], và mô hình này bao gồm ba mặt phẳng độc lập cho từng màu Khi áp dụng mô hình RGB vào màn hình, ba màu phối hợp tạo thành hình ảnh màu hoàn chỉnh Tuy nhiên, sự biến thiên của ánh sáng môi trường xung quanh có thể làm thay đổi giá trị RGB của pixel ảnh, do đó, các không gian màu khác bền vững hơn với điều kiện ánh sáng được ưu tiên sử dụng.

Ảnh xám là hình ảnh chỉ chứa một màu duy nhất, cụ thể là màu xám, giúp giảm thiểu thông tin cho mỗi pixel Trong ảnh xám, các thành phần RGB có cường độ bằng nhau, cho phép xác định một giá trị cường độ duy nhất cho mỗi pixel, trong khi ảnh màu yêu cầu nhiều thông tin hơn để mô tả.

3 giá trị Một công thức đơn giản để chuyển một ảnh màu sang ảnh trắng đen là :

Thông thường, cường độ xám được biểu diễn bằng một số nguyên 8-bit cho ta

Mức xám có 256 khả năng khác nhau từ đen tới trắng, và nếu phân bố đều, sự khác biệt giữa các mức xám liên tiếp là không đáng kể, cho thấy màu sắc ảnh tương đối đồng nhất Ảnh xám vẫn rất phổ biến trong công nghệ hiện nay và các thuật toán xử lý ảnh, mang lại hiệu quả cao trong nhiều ứng dụng mà không cần sử dụng ảnh màu phức tạp Chẳng hạn, trong lĩnh vực nhận dạng và xác định đối tượng dựa trên các đặc tính biên và contour, ảnh xám thường được ưa chuộng.

Hệ thống tọa độ màu HSV được hình dung như một hình trụ, trong đó mô hình màu được định nghĩa dưới dạng hình nón Các thành phần chính bao gồm: vị trí góc biểu thị màu sắc, vị trí hướng tâm đại diện cho độ bão hòa, và trục thẳng đứng xác định độ sáng.

- Màu sắc (thành phần H - Hue): Có thể được phân bố từ 0 đến 360 0 nhưng trong một số ứng dụng được đơn giản hoá 0-100%

- Độ bão hoà (thành phần S – Saturation): Phạm vi phân bố từ 0-100, và chỉ rõ vị trí tương đối từ trục thẳng đứng tới cạnh của hình nón.

- Độ sáng (thành phần V hay B – Value hay Bright): Là giá trị độ sáng của màu sắc và phân bố từ 0-100%

Hình 2.11 : Không gian màu HSV d Không gian màu nhị phân

Không gian màu nhị phân chỉ bao gồm hai mức xám là 0 (đen) và 1 (trắng), tương tự như không gian màu xám Ảnh trắng-đen là ví dụ điển hình của không gian màu này, tuy nhiên, chúng thường ít được sử dụng trong thực tế.

* Ngoài ra còn một số Color Space khác: XYZ, Lab, YCbCr.

2.4.5 Tính toán biểu đồ phân bố xác suất (Histogram)

Histogram là công cụ giúp biểu diễn độ sáng của bức ảnh, đặc biệt hữu ích khi xem ảnh trên màn hình LCD trong điều kiện ánh sáng mạnh, như dưới ánh nắng mặt trời Tuy nhiên, điều quan trọng nhất vẫn là cảm nhận trực tiếp bức ảnh và dựa vào kinh nghiệm cá nhân để đánh giá chất lượng hình ảnh.

Hình 2.12 : Biểu đồ Histogram biểu thị ánh sáng tăng dần từ trái qua phải

Biểu đồ histogram giúp xác định phân bố cường độ sáng của ảnh Nếu histogram lệch về bên phải, ảnh có độ sáng tốt; ngược lại, nếu lệch về bên trái, ảnh sẽ tối.

Hình 2.13: Histogram của ảnh sáng

THIẾT KẾ PHẦN CỨNG VÀ PHẦN MỀM

Thiết kế phần mềm

3.2.1 Tổng quan quá trình nhận dạng và điều khiển trên máy tính

ROBOT ĐI THEO QUỸ ĐẠO TRÁNH VẬT ĐÃ TÍNH TOÁN

Hình3.22: Sơ đồ khối các bước xử lý của chương trình

Camera sẽ thu những hình ảnh liên tục từ sân bóng và truyền về máy tính

(PC) Máy tính tiến hành xử lý, nhận dạng và xác định tọa độ vị trí của Robot và vật cản.

Sau khi xác định tọa độ điểm đến, chương trình sẽ tính toán lộ trình cho Robot, giúp nó tránh các vật cản trên đường đi đến đích cuối cùng.

Chương trình sẽ tính toán góc lệch và tọa độ các điểm trên đường đi, từ đó xuất tín hiệu điều khiển cho Robot để nó bám theo lộ trình đã được xác định Robot sẽ tiếp tục di chuyển cho đến khi đạt đến điểm cuối cùng và dừng lại.

3.2.2 Cấu trúc và lưu đồ giải thuật của chương trình

Cấu trúc và lưu đồ giải thuật quá trình nhận dạng, xử lý tín hiệu.

Chương trình được xây dựng có những khả năng chính như sau, gồm 2 khối chính:

 Khối xử lý ảnh : Nhận dạng đối tượng: Robot và Vật cản : -

Thu nhận tín hiệu truyền về từ webcam.

- Nhận dạng các đối tượng (Robot và Vật Cản) trong ảnh.

- Xác định vị trí tọa độ Robot và Vật Cản.

 Khối xử lý tín hiệu : Xử lý, truyền tín hiệu điều khiển cho Robot hoạt động

(bám theo đường đi và đến điểm cuối cùng) :

- Tính toán góc quay của Robot trên từng đoạn đường đi.

- Xác định hướng quay cho Robot: phải, trái, đi thẳng

- Xuất tín hiệu điều khiển tương ứng.

3.2.3 Các phương pháp tìm đường đi của robot a Phương pháp 1: phương pháp Offset (đường ziczac) Nguyên lý hoạt động

Từ một điểm đầu và điểm cuối, chúng ta có thể tạo ra một đường thẳng cho xe di chuyển theo, tương tự như hình dạng của đường ziczac Các đường này được đánh số lần lượt là 1, 2.

3, 4, Đường line nào số chẵn thì robot sẽ đi cùng chiều và các đường line số lẻ sẽ đi cùng chiều ngược lại.

Ta có các trường hợp.

Trường hợp tránh 1 vật cản.

 Trường hợp không có vật cản.

Hình 3.23: Phương pháp offset trường hơpp̣ 1

 Trường hợp này vật cản chỉ nằm trên một đường line duy nhất.

Hình 3.24: Phương pháp offset trường hơpp̣ 2

 Trường hợp vật cản nằm trên 2 đường line kế tiếp nhau.

Hình 3.25 : Phương pháp offset trường hơpp̣ 3

Trường hợp tránh 2 vật cản.

 Trường hợp vật cản nằm trên 2 đường line kế tiếp nhau.

Hình 3.26: Phương pháp offset trường hơpp̣ 4

 Trường hợp vật cản nằm trên 2 đường line không kế tiếp nhau.

Hình 3.27: Phương pháp offset trường hơpp̣ 5

 Trường hợp 2 vật cản cùng nằm trên 1 đường line.

Hình 3.28: Phương pháp offset trường hơpp̣ 5 Ƣu điểm

Dễ dàng tránh được vật cản.

Lập trình đơn giản hơn.

Không tối ưu hóa được quãng đường. b Phương pháp 2: phương pháp đường xoắn ốc Nguyên lý hoạt động

Robot hoạt động theo nguyên tắc bắt đầu từ điểm đầu và di chuyển đến điểm cuối, di chuyển theo đường xoắn ốc xung quanh vật cản Khi robot tiếp cận gần vật cản, nó sẽ tự động dừng lại.

Ta có các trường hợp.

 Trường hợp không có vật cản.

Hình 3.29: Phương pháp xoắn ốc trường hợp 1

Trường hợp tránh 1 vật cản.

 Trường hợp vật cản không nằm trên đường line.

Hình 3.30: Phương pháp xoắn ốc trường hợp 1

 Trường hợp vật cản nằm trên đường line.

Hình 3.31: Phương pháp xoắn ốc trường hợp 2

Trường hợp tránh 2 vật cản

 Trường hợp cả 2 vật cản không nằm trên đường line.

Hình 3.32: Phương pháp xoắn ốc trường hợp 3

 Trường hợp có 1 vật cản nằm trên đường line.

Hình 3.33: Phương pháp xoắn ốc trường hợp 4

 Trường hợp có 2 vật cản nằm trên đường line.

Hình 3.34: Phương pháp xoắn ốc trường hợp 5 Ƣu điểm

Tìm đường đi chính xác và dễ dàng hơn.

Khả năng đi hết các vùng trong không gian.

Lập trình tương đối phức tạp nếu có nhiều vật cản Đường đi còn gấp khúc - chưa thực sự tối ưu hóa đường đi.

Sau khi phân tích các ưu và nhược điểm của những phương pháp đã đề xuất, nhóm thực hiện đề tài đã quyết định chọn phương pháp thứ nhất nhằm phát triển một phương pháp tối ưu nhất để tránh vật.

3.2.4Thuật toán xử lý ảnh

Nguyên lý hoạt động của chương trình xử lý ảnh và điều khiển Robot tránh vật cản.

- Load ảnh từ camera vào chương trình để xủ lý.

- Chuyển ảnh từ không gian màu RBG sang không gian màu HSV.

- Xác dịnh vị trí robot và vật cản.

- Hiển thị hình ảnh robot và vật cản ra mản hình camera.

- Xác định tọa độ các vị trí mà robot cần di chuyển.

- Tìm đường di chuyển cho robot.

- Vẽ đường di chuyển cho robot theo các tọa độ đã được xác định.

- Cho Robot di chuyển theo quỹ đạo cho đến điểm cuối cùng.

- Sau khi đến điển cuối thì robot dừng lại.

Chuyển ảnh sang không gian màu HSV

Xác định vị trí Robot Xác định vị trí vật

Hiển thị ra Màn hình Camera (Ảnh màu)

Vẽ đường di chuyển cho Robot

Cho Robot di chuyển theo quỹ đạo cho đến điểm cuối cùng Điểm cuối- dừng lại

Hình 3.35 :Sơ đồ khối nguyên lýcủa chương trình xử lý ảnh và điều khiển Robot tránh vật cản.

Giải thuật phương pháp xác định vị trí Robot:

- Lấy ngưỡng màu sắc HSV 2 khối màu xanh và đỏ trên robot.

- Thiết lập thông số HSV để tách ngưỡng để track 2 khối màu xanh và đỏ.

- Những điểm ảnh có thông số nằm trong khoảng đã thiết lập:

 Nếu đúng thì ta đặt giá trị điểm ảnh lả 255.

 Nếu sai thì ta đặt giá trị điểm ảnh là 0.

- Sau khi hoàn thảnh tách ngưỡng ảnh ta có một bức ảnh xám.

- Lọc nhiễu và làm rõ đối tượng chính.

- Từ đó ta xác định và đánh dấu được ví trí 2 khối màu và robot trên bức ảnh.

Lấy ngưỡng màu sắc HSV 2 khối màu

Thiết lập thông số HSV để tách ngưỡng để track 2 khối màu

Sai Đen(0) Điểm ảnhcó thông số nằm trong khoảng đã thiết lập Đúng Trắng(255) Ảnh xám

Chống nhễu và làm rõ đối tượng

Xác định và đánh dấu vị trí Robot

Hình 3.36 : Sơ đồ giải thuật phương pháp xác định vị trí Robot.

Giải thuật phương pháp xác định vị trí Vật cản:

- Lấy ngưỡng màu sắc HSV khối màu của vật cản.

- Thiết lập thông số HSV để tách ngưỡng để track khối màu của vật cản.

- Những điểm ảnh có thông số nằm trong khoảng đã thiết lập:

 Nếu đúng thì ta đặt giá trị điểm ảnh lả 255.

 Nếu sai thì ta đặt giá trị điểm ảnh là 0.

- Sau khi hoàn thảnh tách ngưỡng ảnh ta có một bức ảnh xám.

- Lọc nhiễu và làm rõ đối tượng chính.

- Từ đó ta xác định và đánh dấu được ví trí của vật cản trên bức ảnh.

Thiết lập thông số HSV để tách ngưỡng để track khối màu

Lấy ngưỡng màu sắc HSV khối màu

Sai Đen(0) Điểm ảnhcó thông số nằm trong khoảng đã thiết lập Đúng Trắng(255) Ảnh xám

Chống nhễu và làm rõ đối tượng

Xác định vị trí Vật cản

Hình 3.37 : Sơ đồ giải thuật phương pháp xác định vị trí Vật cản.

Giải thuật phương pháp tìm đường tránh vật:

- Xác định vị trí kích thước vật cản.

- Xác định tọa độ và các đường line chẵn,lẻ.

 Chẵn: robot quay sang phải.

 Lẻ: robot quay sang trái.

- Robot đi đến điểm vừa xác định.

- Xét đường đi đến điển cuối.

- Nếu không còn vật cản.

 Đúng: chạy đến điểm cuối và dừng lại.

 Sai: qauy lại bước đầu.

Nội suy phương trình đường thẳng

Xác định vị trí vật cản, kích thước vật cản

Xác định tọa độ cho nối các đường line chẵn,lẻ robot đi

Robot đi đến điểm vừa tìm

Xét đường đi đến điểm cuối Sai

Không còn vật cản Đúng

Chạy đến điểm cuối cùng và dừng lại thuật phương pháp tìm đường tránh vật.

Bước 1: Load ảnh từ Camera

Lúc này ảnh ở định dạng ảnh màu RGB.

Hình 3.39: Không gian màu RGB

Bước 2: Chuyển đổi ảnh từ không gian màu RGB sang không gian màu HSV

Mục đích công đoạn này là giảm ảnh hưởng do thay đổi màu sắc khi ánh sáng môi trường thay đổi.

Hình 3.40: Không gian màu HSV

Sử dụng hàm inRange để tách những vùng có chỉ số màu sắc của 3 kênh H,

S và V nằm trong khoảng giá trị đã được xác định trước (bằng các cửa sổ và các thanh Trackbar).

Lúc này một ảnh xám được tạo ra.

Trong không gian ảnh màu HSV, nếu giá trị điểm ảnh nằm trong khoảng quy định, giá trị tương ứng trong ảnh xám sẽ là 255 (trắng) Ngược lại, những điểm ảnh có giá trị HSV nằm ngoài khoảng quy định sẽ có giá trị 0 (đen) trong ảnh xám Ảnh xám sau khi được xử lý tách ngưỡng này sẽ được sử dụng cho các bước tiếp theo.

Bước 4 trong quy trình xử lý ảnh là chống nhiễu và làm rõ đối tượng bằng thuật toán Morphology Đầu tiên, thuật toán áp dụng phép Erosion (hàm Erode) để loại bỏ những đối tượng nhỏ hoặc nhiễu do ánh sáng và nền Tiếp theo, phép Dilation (hàm Dilate) được sử dụng để kéo giãn và làm rõ hơn các vật thể có kích thước lớn trong không gian ảnh.

Thuật toán Morphology nhằm giảm thiểu nhiễu trong ảnh và làm rõ các vật cản, từ đó hỗ trợ hiệu quả trong việc nhận diện và tránh vật cản trong tương lai.

Hình 3.41: Xử lý không gian màu và tách ngƣỡng a) Ảnh màu RGB b) Ảnh màu HSV c) Ảnh xám lấy ngưỡng màu đỏ d) Ảnh xám lấy ngưỡng màu lục

Bước 5: Tìm đối tượng và xác định trọng tâm

Thuật toán tìm đối tượng sử dụng hàm findContours để xác định các đối tượng trong ảnh xám đã được xử lý qua bước tách ngưỡng.

Chương trình sử dụng hàm Moments để xác định tọa độ trọng tâm, diện tích và bán kính tương đối của từng đối tượng Các thông tin này sau đó được lưu vào mảng tọa độ và mảng bán kính tương ứng, tạo cơ sở cho các xử lý tiếp theo.

Sử dụng phương pháp tránh vật thứ 5.

Bước 7: Tính toán, xét vị trí, góc lệch để xuất tín hiệu điều khiển Robot di chuyển theo đường đi

Robot di chuyển theo đường đi thông qua việc di chuyển trên các đoạn thẳng, từ điểm đầu đến điểm cuối Khi kết hợp nhiều đoạn thẳng, Robot sẽ tạo ra một đường đi gấp khúc Để điều khiển Robot di chuyển hiệu quả, cần giải quyết bài toán xác định lộ trình từ điểm đầu đến điểm cuối, trong đó một yếu tố quan trọng là tính toán góc lệch α.

Ta có góc giữa 2 vector:

Cos α = b Xét vị trí vật

Compare = - (yB-yA)(xC-xA) + (xB-xA)(yC-yA)

Nếu Compare < 0 thì C nằm bên phải AB và Compare >0 thì C nằm bên trái AB c Xuất tín hiệu điều khiển Robot

Giải thuật kết nối và điều khiển Robot đi chuyển:

- Nếu góc lệch α 0 hoặc Compare < 0) thì vẫn cho Robot đi thẳng – xuất tín hiệu qua UART là „w‟.

 Nếu điểm đến nằm bên trái (Compare >0 ) thì cho Robot di chuyển sang trái – xuất tín hiệu UART là „a‟.

 Nếu điểm đến nằm bên phải (Compare < 0) thì cho Robot di chuyển sang phải

– xuất tín hiệu UART là „d‟.

Nếu BC < 25 (khoảng cách điểm đầu và điểm cuối