Luận văn Ðịnh vị cho xe lăn tự hành (Phần 1)

Nội dung text: Luận văn Ðịnh vị cho xe lăn tự hành (Phần 1)

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ PHẠM PHUỚC NGUYÊN ÐỊNH VỊ CHO XE LĂN TỰ HÀNH NGÀNH: KỸ THUẬT ÐIỆN TỬ - 60520203 S K C0 0 5 0 4 5 Tp. Hồ Chí Minh, tháng 4/2016
2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ PHẠM PHƯỚC NGUYÊN ĐỊNH VỊ CHO XE LĂN TỰ HÀNH NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Tp. Hồ Chí Minh, tháng 4/2016
3. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ PHẠM PHƯỚC NGUYÊN ĐỊNH VỊ CHO XE LĂN TỰ HÀNH NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Hướng dẫn khoa học: TS NGÔ VĂN THUYÊN Tp. Hồ Chí Minh, tháng 4/2016
4. LÝ LỊCH KHOA HỌC I. Lý Lịch Sơ Lược: Họ và tên: Phạm Phước Nguyên Giới tính: Nam Ngày, tháng, năm sinh: 10/02/1991 Nơi sinh: Trà Vinh Quê quán: Trà Vinh Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: số 255, đường Nguyễn Thị Minh Khai, khóm 6, phường 7, thành phố Trà Vinh. Điện thoại cơ quan: Điện thoại nhà riêng: 094 969 1002. Fax: Email: phamnguyen1991@gmail.com II. Quá Trình Đào Tạo: 1. Trung học chuyên nghiệp: Hệ đào tạo: Thời gian đào tạo từ / đến / Nơi học (trường, thành phố): Ngành học: 2. Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 9/2009 đến 9/2013 Nơi học (trường, thành phố): Đại học Trà Vinh, thành phố Trà Vinh. Ngành học: Điện Tử Tự Động Hóa. Tên đồ án, luận án hoặc môn thi tốt nghiệp: Thiết Kế Cánh Tay Robot Phân Loại Màu Sắc Sản Phẩm. Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: Đại học Trà Vinh, thành phố Trà Vinh, tỉnh Trà Vinh. Người hướng dẫn: ThS. Văn Quốc Kiệt. III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm i
5. LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Tp. Hồ Chí Minh, ngày tháng 4 năm 2016 (Ký tên và ghi rõ họ tên) ii
6. LỜI CẢM ƠN Để đạt được những kết quả quan trọng trong luận văn này trước tiên tôi xin gửi lời cảm ơn chân thành đến thầy Ngô Văn Thuyên, vì sự hướng dẫn tận tình, sự thân thiện của thầy. Thầy cũng đã hỗ trợ tôi rất nhiều từ các thiết bị, phòng thực nghiệm đến những tài liệu quan trọng, thầy luôn chỉ cho tôi những hướng đi đúng đắn. Thầy là người giúp tôi nối tiếp niềm đam mê robot của mình. Tôi cũng xin gửi lời cảm ơn đến trường Đại học Sư phạm Kỹ thuật đã tạo điều kiện cho tôi học tập, nghiên cứu và hoàn thành luận văn của mình. Sau cùng tôi xin cảm ơn gia đình đã luôn ủng hộ và động viên tôi trong quá trình học tập. iii
7. TÓM TẮT Xe lăn tự hành là một lĩnh vực nghiên cứu khá mới ở Việt Nam. Vấn đề định vị cho xe lăn tự hành là một việc cần thiết để giúp cho nó có thể tự hành trong môi trường mà không cần sự can thiệp của con người, một khi đã xác định được vị trí của mình xe lăn tự hành có thể tìm đường đi đến vị trí yêu cầu hoặc thực hiện các công việc yêu cầu di chuyển khác. Trong đề tài này, người thực hiện trình bày giải thuật Kalman mở rộng trong định vị trí cho xe lăn tự hành dựa trên dữ liệu thu được từ cảm biến laser SICK LMS 291. Xe lăn sử dụng giải thuật Incremental để trích xuất các điểm mốc từ dữ liệu thu được. Giải thuật tìm đường D-star cũng được áp dụng để xe lăn có thể tự tìm đường di chuyển và tránh các vật cản bằng phương pháp Vector Field Histogram. Quá trình thực nghiệm các giải thuật được thực hiện trên một mô hình xe lăn tự hành. Kết quả thực nghiệm cho thấy xe lăn có khả năng tìm đường chính xác, ước lượng vị trí bằng giải thuật Kalman mở rộng chính xác hơn so với dùng phương trình di chuyển thông thường. iv
8. ABSTRACT Autonomous wheelchairs are a new field of research in Vietnam. The localization is a necessary feature for the autonomous wheelchairs to be self- propelled without human intervention. When the wheelchairs identify their positions, they can navigate to the required position or perform other moving tasks. This thesis presented "Extended Kalman Filter" in locate autonomous wheelchairs basing on data collected by the laser range finder SICK LMS 291. The Incremental algorithm was used to extract landmarks from the data collected. The D- star algorithm was also applied to wheelchairs in conjunction with the Vector Filed Histogram method in order to help them find the optimal path and avoid obstacles. Experimental processes were tested on an autonomous wheelchair model. The results show that the wheelchair has the ability to find the path correctly, and that the position estimation algorithm using Extended Kalman Filter is more accurate than using the motion model. v
9. MỤC LỤC  Trang tựa TRANG LÝ LỊCH KHOA HỌC i LỜI CAM ĐOAN ii LỜI CẢM ƠN iii TÓM TẮT iv ABSTRACT v MỤC LỤC vi DANH MỤC CÁC CHỮ VIẾT TẮT viii DANH MỤC CÁC HÌNH ix DANH MỤC CÁC BẢNG xiii Chương 1 TỔNG QUAN 1 1.1. Tổng quan chung về lĩnh vực nghiên cứu, các kết quả nghiên cứu trong và ngoài nước đã công bố 1 1.2. Mục tiêu đề tài 5 1.3. Giới hạn của đề tài 6 1.4. Phương pháp nghiên cứu 6 1.5. Nội dung đề tài 6 Chương 2 CƠ SỞ LÝ THUYẾT VỀ ĐỊNH VỊ XE LĂN 8 2.1. Mô hình động học của xe lăn 8 2.2. Vấn đề định vị cho xe lăn 10 2.2.1. Những thông tin dùng cho việc định vị 10 2.2.2. Định vị vị trí tương đối 12 2.2.3. Định vị vị trí tuyệt đối 13 2.3. Thuật toán định vị 17 2.3.1. Bộ lọc Kalman 19 2.3.2. Bộ lọc hạt 23 vi
10. Chương 3 ĐỊNH VỊ CHO XE LĂN TỰ HÀNH SỬ DỤNG BỘ LỌC KALMAN MỞ RỘNG 26 3.1. Phương pháp xác định vật mốc 26 3.2. Triển khai thuật toán lọc Kalman mở rộng cho xe lăn 32 3.2.1. Bước dự đoán 32 3.2.2. Bước cập nhật 34 Chương 4 QUY HOẠCH QUỸ ĐẠO DI CHUYỂN CHO XE LĂN 38 4.1. Tìm đường đi bằng giải thuật D-star 38 4.2. Phương pháp tránh vật cản bằng Vector Field Histogram 49 Chương 5 CẤU TRÚC PHẦN CỨNG VÀ PHẦN MỀM CỦA XE LĂN 55 5.1. Cấu trúc phần cứng của xe lăn 55 5.1.1. Các cảm biến dùng cho xe lăn 57 5.1.2. Cơ cấu chuyển động của xe lăn 61 5.1.3. Mạch điều khiển trung tâm 61 5.2. Cấu trúc phần mềm của xe lăn 62 Chương 6 KẾT QUẢ THỰC NGHIỆM 64 6.1. Thực nghiệm thứ nhất 64 6.2. Thực nghiệm thứ hai 73 6.3. Thực nghiệm thứ ba 78 Chương 7 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 81 7.1. Những kết quả đạt được của đề tài 81 7.2. Hướng phát triển của đề tài 81 TÀI LIỆU THAM KHẢO 83 PHỤ LỤC 85 vii
11. DANH MỤC CÁC CHỮ VIẾT TẮT VFH Vector Field Histogram SLAM Simultaneous Localization and Mapping EKF Extended Kalman Filter PF Particles Filter LMS Laser Measurement System R&D Research and Development RFID Radio Frequency Identification viii
12. DANH MỤC CÁC HÌNH HÌNH TRANG Hình 1.1: Xe lăn tự hành và bài toán định vị 2 Hình 1.2: Xe lăn TinMan II 4 Hình 1.3: Xe lăn tự hành Wheelesley 4 Hình 1.4: Xe lăn tự hành UBIRO 5 Hình 2.1: Mô hình động học của xe lăn 9 Hình 2.2: Bản đồ môi trường dạng hình học 11 Hình 2.3: Bản đồ môi trường dạng cây 11 Hình 2.4: Ví dụ về vật mốc nhân tạo 15 Hình 2.5: Ví dụ về vật mốc tự nhiên trong nhà 16 Hình 2.6: Minh họa của thuật toán Kalman, a) Độ tin cậy ban đầu. b) Thực hiện một phép đo (in đậm). c) Độ tin cậy sau khi tích hợp các phép đo bằng cách dùng thuật toán lọc Kalman. d) Độ tin cậy sau khi xe lăn tiếp tục di chuyển. e) Thực hiện một phép đo tiếp theo. f) Độ tin cậy kết quả 21 Hình 3.1: Biểu đồ dữ liệu thô của cảm biến 26 Hình 3.2: Biểu đồ dữ liệu cảm biến sau khi xử lý 27 Hình 3.3: Vị trí các điểm mốc 28 Hình 3.4: Dữ liệu laser thu được 28 Hình 3.5: Các đường thẳng tìm được theo chiều y 29 Hình 3.6: Các đường thẳng tìm được theo chiều x 30 Hình 3.7: Mô tả giải thuật Incremental 31 Hình 3.8: Các vật mốc tìm được 32 Hình 3.9: Vị trí của điểm mốc thực và điểm mốc điểm mốc ước lượng so với vị trí xe lăn 36 Hình 3.10: Sơ đồ mô tả hoạt động của giải thuật Kalman mở rộng 37 Hình 4.1: Bản đồ đường đi và xe lăn 40 Hình 4.2: Bản đồ đường đi dạng ma trận 40 ix
13. Hình 4.3: Khởi đầu với điểm mục tiêu 41 Hình 4.4: Mở rộng điểm mục tiêu 41 Hình 4.5: Mở rộng các nút 42 Hình 4.6: Mở rộng các nút cho đến khi gặp điểm xuất phát 42 Hình 4.7: Tìm được đường đi tối ưu 43 Hình 4.8: Đường đi tìm được thể hiện trên bản đồ 43 Hình 4.9: Phát hiện vật cản mới 44 Hình 4.10: Lập danh sách Open list cho vật cản mới 44 Hình 4.11: Chọn ô có giá trị k thấp nhất 45 Hình 4.12: Tính toán ô (5,4) 45 Hình 4.13: Tính toán các ô còn lại trong Open list 46 Hình 4.14: Xem xét các ô xung quanh ô (3,2) 46 Hình 4.15: Tính toán mở rộng từ ô (4,1) 47 Hình 4.16: Tính toán hoàn tất ô xuất phát 47 Hình 4.17: Tìm được đường đi mới 48 Hình 4.18: Đường đi thay thế được tìm ra 48 Hình 4.19: Bản đồ ô lưới 50 Hình 4.20: Gộp bản đồ các tế bào hoạt động vào biểu đồ cực 50 Hình 4.21: Biểu đồ cực một chiều 52 Hình 4.22: Dựa vào mức ngưỡng trên sơ đồ cực để chọn hướng di chuyển 53 Hình 4.23: Xác định vùng an toàn 53 Hình 4.24: Xác định vùng an toàn cho xe lăn trong ví dụ áp dụng D-star 54 Hình 5.1: Sơ khối cấu trúc phần cứng của xe lăn 55 Hình 5.2: Mô hình xe lăn tự hành 56 Hình 5.3: Sơ đồ kết nối phần cứng của xe lăn 56 Hình 5.4: Nguyên tắc hoạt động của cảm biến siêu âm 57 Hình 5.5: Các trường hợp không nhận dạng được khoảng cách 58 Hình 5.6: Cảm biến laser SICK LMS 291 59 Hình 5.7: Cách hoạt động của cảm biến laser SICK LMS 59 x
14. Hình 5.8: Cách hoạt động của encoder 60 Hình 5.9: Bố trí encoder trên xe lăn 60 Hình 5.10: Các trường hợp điều khiển vận tốc của cơ cấu lái vi sai 61 Hình 5.11: Sơ đồ khối cấu trúc phần mềm của xe lăn. 63 Hình 5.12: Lưu đồ giải thuật của chương trình 63 Hình 6.1: Bản đồ môi trường thực nghiệm 64 Hình 6.2: Vị trí điểm đặt thứ nhất của xe lăn, điểm mục tiêu và vật cản 65 Hình 6.3: Bản đồ đường đi dự kiến 65 Hình 6.4: Đường đi và vị trí của xe lăn 66 Hình 6.5: Xe lăn điều chỉnh đường đi khi gặp vật cản 66 Hình 6.6: Biểu đồ sai số vị trí theo phương x 67 Hình 6.7: Biểu đồ sai số vị trí theo phương y 67 Hình 6.8: Kết quả thực nghiệm từ giây 0 đến giây 86 68 Hình 6.9: Vị trí điểm đặt thứ hai của xe lăn, điểm đích và vật cản 69 Hình 6.10: Bản đồ đường đi dự kiến 69 Hình 6.11: Sơ đồ di chuyển của xe lăn trong thực nghiệm 2 70 Hình 6.12: Xe lăn điều chỉnh đường đi khi gặp vật cản thứ 1 70 Hình 6.13: Xe lăn điều chỉnh đường đi khi gặp vật cản thứ 2 71 Hình 6.14: Biểu đồ sai số vị trí theo phương x 71 Hình 6.15: Biểu đồ sai số vị trí theo phương y 72 Hình 6.16: Kết quả thực nghiệm từ giây 0 đến giây 115 72 Hình 6.17: Bản đồ trong thực nghiệm thứ hai 73 Hình 6.18: Vị trí xe lăn, điểm đích và các vật cản trong thực nghiệm hai 73 Hình 6.19: Đường đi dự kiến của xe lăn 74 Hình 6.20: Sơ đồ di chuyển của xe lăn trong thực nghiệm 2 74 Hình 6.21: Xe lăn điều chỉnh đường đi khi gặp vật cản thứ 1 75 Hình 6.22: Xe lăn điều chỉnh đường đi khi gặp vật cản thứ 2 75 Hình 6.23: Xe lăn điều chỉnh đường đi khi gặp vật cản thứ 3 76 Hình 6.24: Biểu đồ sai số vị trí theo phương x 76 xi
15. Hình 6.25: Biểu đồ sai số vị trí theo phương y 77 Hình 6.26: Kết quả thực nghiệm từ giây 0 đến giây 60 77 Hình 6.27: Bản đồ trong thực nghiệm thứ ba 78 Hình 6.28: Sơ đồ di chuyển của xe lăn trong thực nghiệm 3 78 Hình 6.29: Biểu đồ sai số vị trí theo phương x 79 Hình 6.30: Biểu đồ sai số vị trí theo phương y 79 xii
16. DANH MỤC CÁC BẢNG BẢNG TRANG Bảng 2.1: Thuật toán lọc Bayes 18 Bảng 2.2: Thuật toán lọc Kalman 19 Bảng 2.3: Thuật toán lọc EKF 22 Bảng 2.4: Sự khác nhau giữa thuật toán lọc KF và EKF 22 Bảng 2.5: Thuật toán lọc hạt 24 Bảng 6.1: Bảng so sánh sai số vị trí trong quá trình thực nghiệm 80 xiii
17. 1. Tổng Quan Chương 1 TỔNG QUAN 1.1. Tổng quan chung về lĩnh vực nghiên cứu, các kết quả nghiên cứu trong và ngoài nước đã công bố Những năm gần đây, các ứng dụng robot thông minh để phục vụ con người ngày càng phát triển mạnh. Với tốc độ phát triển công nghệ như hiện nay, nhu cầu đối với các hệ thống robot trợ giúp cho con người dự kiến sẽ tăng. Đây là một lĩnh vực ứng dụng dường như là chính của các robot phục vụ trong tương lai gần. Vì vậy, con người tìm cách biến đổi các robot để có những biến thể mới phục vụ cho con người, khái niệm xe lăn tự hành (autonomous wheelchair) từ đó cũng ra đời. Một chiếc xe lăn là một chiếc ghế được trang bị bánh xe. Thiết bị này có thể chia làm 2 loại là tự hành và không tự hành. Những loại không tự hành thường có người đẩy ở phía sau hoặc trên xe có trang bị bộ phận vận hành thủ công bằng tay để người ngồi có thể vận hành. Loại thứ hai là bánh xe được kết nối với động cơ giúp cho việc di chuyển thoải mái và tiện lợi hơn, ngoài ra nó còn có thể tích hợp thêm cả máy tính để điều khiển. Việc điều khiển cho xe lăn tự hành có nhiều điểm giống với điều khiển robot tự hành. Vì vậy, ta có thể xem một xe lăn tự hành giống như một robot tự hành có thể vận chuyển người ngồi ở trên. Định vị cho xe lăn tự hành là một việc cần thiết và cơ bản. Đối với môi trường trong một căn phòng nếu xe lăn đã được cung cấp sẵn bản đồ thì nó có thể tự định vị và tìm đến nơi người sử dụng cần, ví dụ như người sử dụng gọi nó đến vị trí của mình, hoặc di chuyển tự động đưa người sử dụng đến vị trí cần thiết theo lệnh. Các thuật toán cho việc tự định vị được phát triển dựa trên cơ sở của toán học xác suất. Hình 1.1 mô tả một xe lăn được đặt trong một căn phòng và đang thắc mắc về vị trí hiện tại của nó. Năm 1960 Rudolf Emil Kalman đã cho xuất bản bài báo nổi tiếng “A new approach to linear filtering and prediction problems” [10] trong đó công bố thuật toán sử dụng chuỗi giá trị đo lường có ảnh hưởng nhiễu hoặc sai số, để ước đoán biến số nhằm tăng độ chính xác. Thuật toán này còn được gọi là bộ lọc Kalman, được sử Trang 1
18. 1. Tổng Quan dụng rộng rãi trong kỹ thuật, phổ biến trong các ứng dụng định hướng, định vị và điều khiển các phương tiện di chuyển. Việc công bố thuật toán đã mở ra hướng tiếp cận cho vấn đề định vị robot tự hành. Sau bộ lọc Kalman thì bộ lọc hạt (Particle filter) hay còn được gọi là phương pháp Sequential Monte Carlo được phát triển, thuật ngữ bộ lọc hạt được Del Moral đặt ra năm 1996 [11]. Thuật toán lọc hạt được sử dụng để giải quyết vấn đề lọc phi tuyến trong xử lý tín hiệu và trong thống kê. Đề tài này sử dụng bộ lọc Kalman mở rộng để ước lượng vị trí và hướng của xe lăn trong một bản đồ được cung cấp sẵn thông qua các dữ liệu thu được từ các cảm biến. Xe lăn có khả năng tìm đường đi đến vị trí yêu cầu và tránh vật cản trên đường. Hình 1.1: Xe lăn tự hành và bài toán định vị Tình hình nghiên cứu trong và ngoài nước Tình hình nghiên cứu trong nước: Tại Việt Nam tình hình nghiên cứu xe lăn tự hành còn khá mới, chủ yếu là xe lăn điện được thêm cơ cấu động cơ điện và cần điều khiển bằng tay. Các kết quả nghiên cứu thường đến từ các trường Đại học lớn. Năm 2013, nhóm sinh viên trường Đại học Bách khoa Đà Nẵng cũng đã nghiên cứu thành công xe lăn thông minh điều khiển bằng tay hoặc bằng chuyển động đầu. Tuy nhiên như đã nói ở trên ta hoàn toàn có thể áp dụng các nghiên cứu về robot tự hành để áp dụng cho xe lăn tự hành, vì vậy sẽ mở rộng đáng kể những kết quả nghiên cứu và ứng dụng. Trang 2
19. 1. Tổng Quan Luận văn thạc sĩ của tác giả Nguyễn Đặng Phúc Nguyên hoàn thành năm 2011 tại trường Đại học Sư phạm Kỹ thuật [12] nói về việc định vị cho robot tự hành sử dụng giải thuật Monte Carlo để định vị robot. Kết quả được mô phỏng bằng phần mềm Player/Stage. Robot mô phỏng là một robot được trang bị 14 cảm biến siêu âm xung quanh robot. Luận văn thạc sĩ của tác giả Lê Hoàng Anh hoàn thành năm 2012 tại trường Đại học Sư phạm Kỹ thuật [2] đã đề cập đến vấn đề định vị cho robot tự hành. Nội dung của luận văn nói đến việc sử dụng dữ liệu thu thập được từ camera Kinect trong việc xác định các vật mốc, thuật toán định vị được sử dụng là bộ lọc Kalman và thuật toán tìm đường được sử dụng là A-star, các vật cản trong môi trường đã được biết trước. Điểm mới trong luận văn này là việc người thực hiện sử dụng cảm biến laser thay vì camera, để xác định các vật mốc trong môi trường. Cảm biến laser có khoảng cách đo xa, chính xác, vấn đề xử lý dữ liệu từ cảm biến laser cũng nhanh hơn camera. Ngoài ra, cảm biến laser có thể sử dụng ngay cả trong bóng tối hoặc trong môi trường ánh sáng mạnh, khắc phục được hạn chế cơ bản của camera. Đề tài sử dụng thuật toán Kalman mở rộng để định vị vị trí cho xe lăn, thuật toán tìm đường được sử dụng là thuật toán D-star giúp cho xe lăn có thể tìm đường đi thay thế nhanh chóng khi gặp vật cản ngẫu nhiên xuất hiện trong môi trường và tránh các vật cản bằng giải thuật Vector Field Histogram. Quá trình thực nghiệm được thực hiện trên mô hình xe lăn thực sử dụng cơ cấu lái vi sai. Xe lăn được trang bị 7 cảm biến siêu âm và một cảm biến laser SICK LMS 291. Tình hình nghiên cứu ngoài nước: Trên thế giới việc nghiên cứu xe lăn tự hành đã diễn ra khá lâu và đã có nhiều thành tựu được công bố, các nghiên cứu cũng tập trung vào các vấn đề như tránh vật cản hoặc định vị cho xe lăn. Dưới đây là một số mô tả về các nghiên cứu xe lăn tự hành đã được tiến hành và vẫn đang diễn ra: Trang 3
20. 1. Tổng Quan Viện KISS Institute for Practical Robotics tọa lạc tại Virginia là một tổ chức giáo dục phi lợi nhuận R&D trong các công nghệ hỗ trợ robot, robot không gian, thiết bị tự hành dưới nước, các robot trong giáo dục David Miller và Marc Slack thuộc viện KISS đã phát triển TinMan I và TinMan II (Hình 1.2). Đây là một xe lăn được tích hợp điều khiển joystick, kết hợp với các cảm biến giúp nó tránh vật cản [7]. Wellesley (Hình 1.3) là tên được đặt cho chiếc xe lăn được phát triển thử nghiệm bởi Holly Yanco lần đầu tại Wellesley College và bây giờ là tại MIT. Chiếc ghế được thiết kế để có thể xoay tại chỗ. Nó có 12 cảm biến tiệm cận, 6 cảm biến siêu âm, 2 encoder. Một máy tính 68332 được tích hợp và giao diện điều khiển chạy trên máy Macintosh PowerBook [7]. Hình 1.2: Xe lăn TinMan II Hình 1.3: Xe lăn tự hành Wheelesley Trang 4
21. 1. Tổng Quan UBIRO (UBIquitous RObot) (Hình 1.4) mặc dù có tên robot nhưng nó là một xe lăn tự hành. UBIRO được phát triển vào năm 2009 dựa trên nền một chiếc xe lăn điện [EMC-230] cho người già và người tàn tật. UBIRO bao gồm 3 phần chính: máy tính điều khiển, hệ thống RFID để thu thập thông tin vị trí của xe lăn và bộ phận điều hướng. Máy tính đóng vai trò là bộ xử lý trung tâm của xe lăn giúp nó điều khiển các bộ phận thu thập dữ liệu cũng như ra các lệnh điều khiển dựa trên các thuật toán có sẵn hoặc theo ý muốn người sử dụng [14]. Hình 1.4: Xe lăn tự hành UBIRO 1.2. Mục tiêu đề tài Đề tài thực hiện xây dựng giải thuật định vị cho xe lăn di động. Xe lăn có khả năng xác định vị trí dựa trên dữ liệu thu thập được từ cảm biến laser khi biết trước bản đồ môi trường. Xe lăn có khả năng lập kế hoạch đường đi di chuyển đến vị trí yêu cầu và tránh vật cản trên đường đi. Xe lăn được cho biết trước vị trí đặt, vị trí điểm đích. Các giải thuật được áp dụng trên mô hình xe lăn thực, sử dụng cơ cấu lái vi sai. Trang 5
22. S K L 0 0 2 1 5 4