BÁO CÁO ĐỒ ÁN TỐT NGHIỆP ĐỀ TÀI XE VẬN CHUYỂN HÀNH LÍ ĐA TẦNG

PowerPoint Presentation BÁO CÁO ĐỒ ÁN TỐT NGHIỆP ĐỀ TÀI XE VẬN CHUYỂN HÀNH LÍ ĐA TẦNG Giảng viên hướng dẫn TS Trương Công Tuấn Nhóm sinh viên thực hiện Trần Trí Phong Nguyễn Đức Thắng Lê Tăng Trường Đ.

Trang 1

BÁO CÁO ĐỒ ÁN TỐT NGHIỆP

ĐỀ TÀI: XE VẬN CHUYỂN HÀNH LÍ

ĐA TẦNG

Giảng viên hướng dẫn: TS Trương Công Tuấn

Nhóm sinh viên thực hiện:

Trần Trí Phong Nguyễn Đức Thắng

Lê Tăng Trường Đào Duy Tùng

MSSV: 20170855 MSSV: 20170905 MSSV: 20170961 MSSV: 20170985

Trang 2

• I: Tổng quan đề tài

• II: Tính toán thiết kế và chế tạo mô hình

• III: Xây dựng các giải thuật và lập trình điều khiển hệ thống

• IV: Thực nghiệm và đánh giá kết quả

• V: Kết luận và hướng phát triển đề tài

NỘI DUNG BÁO CÁO

Trang 3

PHẦN I:

TỔNG QUAN ĐỀ TÀI

Trang 4

1 Automated Guided Vehicle (AGV)

Robot AGV sử dụng trong nhà máy Nhu cầu sử dụng AGV trên toàn thế giới từ 2019 đến 2026

Automation Guided Vehicle (AGV) – xe tự hành sử dụng các công nghệ dẫn đường để vận chuyển đến các địa điểm được đánh dấu sẵn mà không cần đến sự can thiệp của con người

I Tổng quan đề tài

Trang 5

2 Đặt vấn đề

Robot vận chuyển khách sạn Shelton Los Angeles Robot vận chuyển hành lí trong khách sạn tại Nhật Bản

Trang 7

4 Đề xuất các thiết kế mô hình

AGV điều hướng bằng line AGV điều hướng bằng QR code

Trang 8

PHẦN II:

TÍNH TOÁN THIẾT

KẾ VÀ CHẾ TẠO MÔ

HÌNH

Trang 9

II Tính toán thiết kế và chế tạo mô hình

1 Yêu cầu đầu vào bài toán

- Không gian hoạt động: Khách sạn

- Có kích thước nhỏ gọn đảm bảo trong quá

trình di chuyển trong không gian nhỏ hẹp

của khách sạn và hành lang (kích thước

700x520 mm).

- Xác thực người nhận bằng QR code

Segway Delivery Robotic S2

Trang 10

2 Mô hình thực tế

Mô hình xe trên SolidWorks Mô hình thực tế của xe

Trang 11

3 Sơ đồ khối hệ thống

Sơ đồ kết nối hệ thống phần cứng

Trang 12

4 Các thiết bị sử dụng

Jetson Nano Developer Kit STM32F04VE LIDAR A2

Realsense Depth Camera Mạch cầu H L298 Encoder từ

Trang 13

4 Các thiết bị sử dụng

Trang 14

PHẦN III: XÂY DỰNG

CÁC GIẢI THUẬT VÀ LẬP TRÌNH ĐIỀU KHIỂN HỆ

THỐNG

Trang 15

III: Xây dựng các giải thuật và lập trình điều khiển hệ thống

1 Robot Operation System (ROS)

Hệ thống ROS Sự tương tác các node trong ROS

Trang 16

1 Robot Operation System (ROS)

ROS yêu cầu các phần tử cần phải khai báo tọa độ để phục vụ các tính toán biến đổi tọa độ trong quá trình hoạt động, đặc biệt là quá trình quét bản đồ và điều hướng tự động.

Tổng quát các hệ tọa độ trong ros Các node đang được khởi tạo trong ROS

Trang 17

2 Hệ thống tọa độ trong ROS

odometry source: thông tin về tốc độ của robot (đọc từ encoder) hoặc IMU để ước tính

Các hệ tọa độ trực quan hóa trong mô phỏng

Sơ đồ khối hệ tọa độ robot

Trang 18

3 Lưu đồ thuật toán

Trang 19

4 Thuật toán nhận dạng giọng nói

Nhóm đề tài sử dụng thư viện SpeechRecognition để nhận dạng lệnh của người nói lên robot Thư viện này sử dụng mô hình Markov ẩn (HMM) để nhận dạng

Biến đổi tín hiệu âm thanh sang tín hiệu số Rút trích đặc trưng của tiếng nói

Trang 20

5 Thuật toán bám đối tượng

Lưu đồ thuật toán bám đối tượng

Thuật toán bám đối tượng để phục

vụ yêu cầu quét bản đồ Ở đây nhóm

sẽ xác định đối tượng bằng màu sắc

và di chuyển theo đối tượng dựa

theo khoảng cách và góc lệch thu

được từ camera.

Trang 21

 H: (Hue) Vùng màu, màu sắc được mô hình hóa dưới dạng một chiều góc mã hóa thông tin màu sắc

 S: (Saturation) Độ bão hòa màu

Nhận diện màu sắc

Mô hình màu HSV

Trang 22

Trang 23

6 Thiết kế bộ điều khiển cho động cơ

Phương pháp căn chỉnh thủ công theo các bước

sau:

Bước 1: Khởi tạo các giá trị KP, KI, KD ban đầu

bằng 0

Bước 2: Tăng dần KP cho đến khi đáp ứng

động cơ bắt đầu dao động, khi đó KP sẽ được

chọn bằng 1/2 giá trị bắt đầu dao động

Bước 3: Cân chỉnh KD để bộ điều khiển nhanh

chóng trở về giá trị đặt khi bị vọt lố Trong hệ

thống điều khiển động cơ, ở ngõ ra đã có một

khâu tích phân lý tưởng nên giá trị KI sẽ được

cho bằng 0

Kết quả cho ra với hệ số K P = 0.7, K I = 3.1,

K D = 1

Bộ điều khiển PID

Trang 24

7 Thuật toán quét và tạo dựng bản đồ (SLAM)

Simultaneous Localization And Mapping (SLAM) là công nghệ định vị và xây dựng bản

đồ đồng thời Bằng cách sử dụng SLAM, các kết cấu hạ tầng có thể thay đổi dễ dàng Bên cạnh đó việc cài đặt công nghệ này cũng không tốn nhiều thời gian.

Thuật toán vẽ bản đồ Hector SLAM

Hector SLAM, Gmapping là các thuật toán mã nguồn mở được sử dụng để xây dựng bản

đồ lưới 2D cho môi trường xung quanh dùng cảm biến laser scan (Lidar).

• Tái tạo môi trường (mapping)

• Định vị (localization).

Trang 25

Tiêu chí Gmapping Hector SLAM

Độ chính xác của ánh

xạ

Có thể lập bản đồ môi trường chính xác khi sử dụng laser_scan và merge_scan Bản đồ được vẽ với bức tường hẹp hơn nhưng có nhiều khu vực / đối tượng địa lý bị lệch hơn.

Có thể lập bản đồ môi trường chính xác khi sử dụng laser_scan hoặc merge_scan Bản đồ được vẽ với các bức tường dày hơn nhưng các khu vực / đối tượng địa lý ít bị lệch hơn.

Đóng vòng Có thể đóng vòng lặp vì nó dựa trên bộ lọc hạt. Không thể đóng vòng lặp Trong quá trình hoạt động, bản đồ thu được chỉ có thể được thay đổi cục bộ (tức là tại các

khu vực nằm trong FOV của lần quét gần nhất).

Độ phức tạp Cao hơn đáng kể do kỹ thuật lọc hạt phức tạp và thực tế là nó sử dụng cả scan và odometry trong tính toán Không thể cập nhật bản

đồ với tốc độ nhanh.

Thấp hơn đáng kể do thuật toán (GaussNewton) đơn giản hơn Đối sánh quét được sử dụng để ước tính tư thế và chỉnh sửa cục bộ bản đồ.

Tư thế ước tính Đầu ra đặt tư thế điều chỉnh thay vì tư thế thực Chỉnh sửa được cập nhật sau mỗi 5 đến 6 giây Do đó, trong khoảng thời gian,

odometry phải được sử dụng để ước tính tư thế.

Trực tiếp xuất ra tư thế ước tính Tốc độ cập nhật nhanh hơn đáng kể so với Gmapping; gần với tốc độ cập nhật của quá trình quét đầu vào.

Trang 26

Trực quan quá trình xây dừng bản đồ bằng Hector SLAM.

360 điểm tương ứng với 360 độ khi quét

Quá trình tiền xử lí đưa ra bản đồ lưới

Quá trình Scan Matchinng

Bản đồ được hoàn thành

Không có laser scan

Có laser scan

Trang 27

8 Định vị xe trong bản đồ

Định vị ( localization ).

Thuật toán định vị Monte-Carlo

Monte-Carlo là một bộ lọc dạng PF (Partial Filter) dùng để xác định vị trí của robot trong không gian với một bản đồ đã biết trước Bộ lọc Monte-Carlo có hai bước chính là lấy mẫu vị trí từ mô hình chuyển động, đánh giá trọng số bằng mô hình quan sát và tiến hành lấy mẫu lại các mẫu quan trọng

Trang 28

9 Tìm đường đi đến đích (Navigation)

So sánh giữa global planner và local planner

Quá trình tìm đường đi ngắn nhất từ điểm tới điểm, được xác định qua

hai chức năng: global planner và local planner.

Trang 29

a) Kế hoạch đường đi toàn cục (global planner)

Thuật toán Dijkstra

Giới thiệu thuật toán Dijkstra, A*

Nó có một hàm chi phí, là giá trị chi phí thực từ nguồn đến từng nút

f(x) = g(x)

Nó tìm thấy con đường ngắn nhất từ nguồn đến mọi nút khác bằng cách chỉ xem xét chi phí thực

Nó có hai chức năng chi phí

g(x): giống như Dijkstra Chi phí thực sự để đạt được một nút x.h(x): chi phí gần đúng từ nút x đến nút mục tiêu Đó là một chức năng heuristic Hàm heuristic này không bao giờ nên đánh giá quá cao chi phí Điều đó có nghĩa là, chi phí thực tế để đạt được nút mục tiêu từ nút x phải lớn hơn hoặc bằng h(x)

Trang 30

C 9 (A-B) ü 7(A-D) 21

(A-C-E)

16 (A-C-F) A-D

(7)

(A-C-E)

16 (A-C-F) A-B

(9)

(A-B-E)

16 (A-C-F)

A-C-F (16)

20 (A-B-E)

ü

25 (A-C-F-Z)

A-B-E (20)

25 (A-C-F-Z)

Các bước thực hiện thuật toán

• Tìm đường đi ngắn nhất

từ A đến tất cả các nút

Thuật toán Dijkstra

Trang 31

a) Kế hoạch đường đi toàn cục (global planner)

Thuật toán A*

Trang 32

b) Kế hoạch đường đi cục bộ (local planner)

Có hai thuật toán thường được sử dụng trong tìm đường đi cục bộ là thuật toán cửa sổ động (DWA)

và thuật toán Time Elastic Band (TEB)

So sánh hai thuật toán DWA và TEB

Trang 33

Costmap 2D

Là một dạng bản đồ 2D hoặc 3D của phần không gian bị ngăn trở bởi vật cản hoặc tường ngoài môi trường và lan rộng nó ra trong bản đồ dựa trên bản đồ dạng lưới và độ rộng của vùng lan.

• Global costmap: bản đồ chi phí dựa trên những vật cản tĩnh đã có từ bản đồ gốc.

• Local costmap: bản đồ chi phí có thể xác định vật cản động, giúp điều hướng robot linh

hoạt tránh va chạm

Trang 34

Khối Navigation trong ROS

Trang 35

10 Giao diện điều khiển trung tâm

Giao diện điều khiển trung tâm

Trang 36

PHẦN IV: THỰC

NGHIỆM VÀ

ĐÁNH GIÁ KẾT

QUẢ

Trang 37

PHẦN V:

KẾT LUẬN VÀ HƯỚNG PHÁT

TRIỂN

Trang 38

V Kết luận

• Với đề tài “Xe tự hành vận chuyển hành lí đa tầng”, chúng em đã đạt được những kết quả nhất định:

• Tính toán, thiết kế được mô hình robot, đảm bảo độ vững chắc, hình dáng phù hợp trong không gian hoạt động

• Ghép nối, kết hợp điều khiển các module, linh kiện điện tử hoạt động ổn định

• Thiết kế bộ điều khiển PID, hiệu chỉnh thông số phù hợp với mỗi động cơ Xe có thể lập bản đồ cho môi trường chưa xác định trước, tự lập kế hoạch đường đi, tránh vật cản

• Thiết lập giao diện Python trực quan tương tác trực tiếp với người quản lí

• Tuy nhiên do kiến thức còn nhiều thiếu sót nên còn tồn tại một số nhược điểm:

• Hình dáng của xe còn khá thô, chưa có tính thẩm mĩ cao

• Thời gian sử dụng xe còn ngắn

• Vẫn còn sai lệch về hướng và vị trí của xe

PHƯƠNG HƯỚNG PHÁT TRIỂN

• Cải thiện mô hình robot, nâng cao tính thẩm mỹ, hạ giá thành sản phẩm

• Tăng tốc độ di chuyển của robot, nâng cao số lượng đồ ăn phục vụ

• Thiết kế thêm bộ sạc tự động sau mỗi phiên làm việc

• Xây dựng hệ thống hoàn toàn tự động gồm nhiều xe phục vụ để giảm thiểu tối đa nhân lực

Trang 39

TÀI LIỆU THAM KHẢO

• [1] Pritesh Shah & Sudhir Agashe, “Review of fractional PID controller” ElsevierLtd 20 June 2016.

• [2] Lentin Joseph, “Mastering ROS for Robotics Programming” Pack Publishing Ltd December 2015.

• [3] Ming-Yi Ju, Yu-Jen Chen, and Wei-Cheng Jiang, “Implementation of Odometry with EKF in Hector SLAM Methods”, March 1, 2018.

• [4] S Thrun, W Burgard, D Fox, "Robot Motion," in Probabilistic Robotics, The MIT Press, 2005, pp 91-119

• [5] S Thrun, W Burgard, D Fox, "Measurements," in Probabilistic Robotics, The MIT Press, 2005, pp 121-157

• [6] S Thrun, W Burgard, D Fox, "The Particle Filter," in Probabilistic Robotics, The MIT Press, 2005, pp 77-89.

• [7] S Thrun, W Burgard, D Fox, "Monte Carlo Localization," in Probablilistic Robotics, The MIT Press, 2005,

Trang 40

THANK YOU !

Định dạng
Số trang	40
Dung lượng	8,35 MB