Đang tải... (xem toàn văn)
SỬ DỤNG BỘ LỌC KALMAN TRONG BÀI TOÁN BÁM MỤC TIÊU Với sự phát triển của khoa học kỹ thuật. Nhu cầu sử dụng hệ thống định vị và dẫn đường đã trở thành một nhu cầu không thể thiếu trong cuộc sống ngày nay. Từ nguồn gốc đó việc theo dõi bám sát mục tiêu hiện đại ngày nay là sự kết hợp của các khoa học kỹ thuật nhận dạng mục tiêu và phương pháp theo dõi đối tượng.
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG LƯU VĂN QUYỀN SỬ DỤNG BỘ LỌC KALMAN TRONG BÀI TOÁN BÁM MỤC TIÊU CHUYÊN NGÀNH: KỸ THUẬT VIỄN THÔNG Mãsố: 60.52.02.08 TÓM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI - NĂM 2013 Luận văn được hoàn thành tại: HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG Người hướng dẫn khoa học: GS.TSKH. NGUYỄN NGỌC SAN Phản biện 1:……………………………………………. Phản biện 2:……………………………………………. Luận văn sẽ được bảo vệ trước hội đồng chấm luận văn thạc sĩ tại Học viện Công nghệ Bưu chính Viễn thông Vào lúc:….giờ… ngày….tháng….năm… Có thể tìm hiểu luận văn tại: - Thư viện của Học viện Công nghệ Bưu chính Viễn thông 1 MỞ ĐẦU Với sự phát triển của khoa học kỹ thuật. Nhu cầu sử dụng hệ thống định vị và dẫn đường đã trở thành một nhu cầu không thể thiếu trong cuộc sống ngày nay. Từ nguồn gốc đó việc theo dõi bám sát mục tiêu hiện đại ngày nay là sự kết hợp của các khoa học kỹ thuật nhận dạng mục tiêu và phương pháp theo dõi đối tượng, bao gồm vị trí, kích thước, hình dáng v ận tốc của đối tượng. Bám mục tiêu sử dụng cho nhiều mục đích khác nhau như vệ tinh giám sát không gian được sử dụng theo dõi các chuyển động của mục tiêu nhất định. Thời gian gần đây việc ứng dụng bộ lọc Kalman để ước lượng quỹ đạo của đối tượng qua các khung hình được sử dụng nhiều trong các thiết bị điện tử dân dụng như Camera giám sát, điều hướng Robot, dò tìm mìn, thiết bị kiểm tra hành lý…. Cho đến nay đã có nhiều công trình nghiên cứu về lĩnh vực bám bắt mục tiêu trên cơ sở xử lý ảnh và các thuật toán bám theo đối tượng chuyển động như: So khớp mẫu, Mean- shift, Camshift, Particle, Kalman… Mỗi phương pháp có các ưu điểm và nhược điểm khác nhau và cho hiệu quả nhất định với từng loại đối tượng và mục tiêu theo dõi khác nhau. Nội dung của lu ận văn được cấu trúc thành các phần như sau: Chương I. Tổng quát về lý thuyết bám mục tiêu Chương II. Sử dụng bộ lọc Kalman trong bài toán bám mục tiêu Chương III. Ví dụ minh hoạ 2 CHƯƠNG I: TỔNG QUÁT VỀ LÝ THUYẾT BÁM MỤC TIÊU 1.1. Những khái niệm cơ bản. 1.1.1 Định nghĩa về bài toán bám mục tiêu Cho một đối tượng (S) có đầu ra là y(t) trước tác động của đầu vào u(t) Hình 1.1. Sơ đồ của đối tượng điều khiển với đầu vào và đầu ra Bài toán bám mục tiêu cần phải tìm tín hiệu điều khiển ở đầu vào sao cho tín hiệu ở đầu ra ˆ ()yt bám theo mục tiêu. 1.1.2 Định nghĩa về sai số Hầu như các phương pháp đánh giá, ước lượng tham số mô hình được xây dựng trên cơ sở áp dụng nguyên lý về kỹ thuật tham chiếu, trong đó xác định một hàm sai số để phản ánh sự khác lệch giữa mô hình và hệ động học thực. 1.1.2.1 Phương pháp sai số đầu ra Hàm sai số được định nghĩa: 0 ˆ () () ()et yt yt=− (1.1) 1.1.2.2 Phương pháp sai số đầu vào Trong phương pháp sai số đầu vào không sử dụng trực tiếp dữ liệu đo lường về đạo hàm các bậc theo thời gian của tín hiệu đầu vào hệ động học nên không cần phải quan tâm đến đặc tính kích thích liên tục nên bài toán ước lượng tham số mô hình nói riêng, nhận dạng hệ động học nói chung bao giờ cũng có nghiệm. 1.1.2.3 Phương pháp sai số phương trình. Sai số phương trình được định nghĩa trực tiếp từ phương trình động học của mô hình như sau: ˆˆ ˆ () ( ) () ( ) () c et Hsyt Ksut=− (1.2) 3 1.1.2.4 Phương pháp sai số dự báo Sai số dự báo được định nghĩa như sau: ˆ () () ˆ () () () ˆ () () pe Cs Ks et yt ut Hs Ds ⎡⎤ =− ⎢⎥ ⎣⎦ (1.3) 1.1.3 Sử dụng tiêu chí tối ưu 1.1.3.1 Khái niệm Chỉ tiêu chất lượng J của một hệ thống có thể được đánh giá theo sai lệch của đại lượng điều khiển, thời gian quá độ hay theo một chỉ tiêu hỗn hợp trong điều kiện làm việc như hạn chế về công suất, tốc độ, gia tốc… 1.1.3.2 Tiêu chí tối ưu tác động nhanh (thời gian tối thiểu) Đối với bài toán tối ưu tác động nhanh thì chỉ tiêu chất lượng J có dạng. 0 1 T JdtT== ∫ (1.6) 1.1.3.3 Tiêu chí năng suất tối ưu. Năng suất ở đây được xác định bởi chất lượng của hệ thống bám theo mục tiêu trong thời gian T nhất định. Khi đó chỉ tiêu chất lượng J có dạng. 0 00 [ ( ), ), ] TT T J L x t ut t dt tdt ϕ ϕφ ==−= ∫∫ (1.7) 1.1.3.4 Tiêu chí năng lượng tối ưu. Chỉ tiêu chất lượng J đối với tiêu chi năng lượng tối thiểu có dạng. 2 0 () T Jutdt= ∫ (1.10) 1.1.4 Xây dựng khâu phản hồi. Xét một hệ thống được mô tả bởi các phương trình đầu ra và trạng thái: x Ax Bu yCx =+ ⎧ ⎨ = ⎩ & (1.11) Chọn một luật điều khiển có dạng: ()urKx = − (1.12) 4 x & Hình 1.3: Điều khiển sử dụng phản hồi biến trạng thái 1.1.5 Xây dựng điều khiển bám bằng phản hồi trạng thái. Bài toán đặt ra là điều khiển đối tượng được mô tả: A T dx x bu dt ycx =+ = (1.17) 01 1 12 0 0 0 0 0 0 0 0 1 () n n dx zu dt aaa ycccz − ⎛⎞ ⎛⎞ ⎜⎟ ⎜⎟ ⎜⎟ ⎜⎟ =+ ⎜⎟ ⎜⎟ ⎜⎟ ⎜⎟ −−− ⎝⎠ ⎝⎠ = M MMM %% % L (1.18) T a z Hình 1.4 Điều khiển bám với đối tượng (1.18) Đối tượng (1.17) S T a z x ω uy Hình 1.5 Điều khiển bám với đối tượng (1.17) 5 1.1.6 Bài toán tổng hợp hệ thống Bài toán tổng hợp hệ thống là toàn bộ quá trình tính toán, lựa chọn bổ sung thêm các khâu phù hợp vào hệ thống. Để hệ thống đó khi hoạt động đạt được những yêu cầu chất lượng đã đề ra về độ sai lệch, thời gian đáp ứng quá độ…. 1.2 Phương pháp bám mục tiêu truyền thống. 1.2.1 Thảo luận phương pháp Điều khiển truyền thống sử dụng thông tin, dữ liệu của tín hiệu đầu ra của đối tượng điều khiển làm tín hiệu đầu vào để đưa ra tín hiệu điều khiển đối tượng. Hệ thống này được biểu diễn bởi các phương trình sau: () () () () () x tAtxtBtut=+ & (1.25) ' () () ()yt C txt= (1.26) Hình 1.8 Hệ thống điều khiển cổ điển 1.2.2 Bộ điều khiển PID: (Proportional-Integral-Derivative) Tên gọi PID là chữ viết tắt của ba thành phần cơ bản có trong bộ điều khiển (hình 1.10a) gồm khâu khuếch đại (P), khâu tích phân (I), khâu vi phân (D). s D T 1 I Ts Hình 1.10 Điều khiển với bộ điều khiển PID Bộ điều khiển PID được mô tả có dạng tổng quát sau. 0 1() () [ () ( ) ] t PD I de t ut k et e d T Tdt ττ =+ + ∫ (1.28) Từ mô hình vào – ra tổng quát ta có được hàm truyền của bộ điều khiển PID 6 1 () [1 s] PD I R sk T Ts =++ (1.29) 1.2.3 Chọn tham số PID tối ưu theo sai lệch bám Bài toán có nhiệm vụ xác định các tham số của bộ điều khiển PI, gồm k p , T I trong công thức (1.29) hoặc k p , T I , T D trong công thức (1.31) sao cho tín hiệu ra y(t) “bám” được vào hiệu lệnh ω(t) một cách tốt nhất theo nghĩa. 22 () () () minQtytet ω =− = → (1.32) Và bài toán thiết kế bộ điều khiển PID tối ưu trở thành arg min ( ) p fp ∗ = (1.34) 1.3. Phương pháp bám mục tiêu hiện đại. 1.3.1. Thảo luận phương pháp. Lý thuyết điều khiển hiện đại sử dụng mô tả không gian trạng thái trong miền thời gian, một mô hình toán học của một hệ thống vật lý như là một cụm đầu vào, đầu ra và các biến trạng thái quan hệ với phương trình trạng thái bậc một. Xuất phát từ quan điểm dễ triển khai đó là trường hợp luật điều khiển tuyến tính, được cho b ởi: u(t) = K’(x(t),t) (1.36) Hình 1.12: Mô hình phương pháp điều khiển hiện đại. 7 1.3.2. Bộ quan sát trạng thái. B ∫ C A B ∫ C A L System u + + x & x y x & + + Observer ˆ y ˆ x ˆ x Hình 1.14 Bộ quan sát trạng thái Luenberger bậc đầy đủ Hệ thống trong hình 1.14 được định nghĩa bởi: x Ax Bu=+ & (1.38) yCx= (1.39) 1.3.3 Điều chỉnh trạng thái (LQR) (Linear Quadratic Regulator) Khảo sát vấn đề duy trì trạng thái của hệ thống ở giá trị là 0, chống tác động nhiễu, đồng thời với cực tiểu tiêu hao năng lượng 0 ,(0) x Ax Bu x x=+ = & (1.43) yCx= 0 1 min , 2 TT JxQxuRudt ∞ ⎡ ⎤ =+ ⎣ ⎦ ∫ (1.44) Chọn luật điều khiển hồi tiếp trạng thái u = - Kx, K là hằng số, thay vào biểu thức của J 0 1 () 2 TT JxQKRKxdt ∞ =+ ∫ (1.45) 1.3.4 Giải thuật thiết kế LQG (Linear Quadratic Gausian) Giả sử phương trình đo lường ngõ ra được cho bởi. 8 wxAxBu γ = ++ & (1.57) yCxv = + Giả sử phương trình hồi tiếp có trạng thái đầy đủ. u = -Kx + r (1.58) Nếu K được chọn sử dụng phương trình Riccati LQR và L được chọn bởi sử dụng phương trình Riccati của bộ lọc Kalman. Điều này được gọi là thiết kế LQG. Điều quan trọng của các kết quả này là trạng thái hồi tiếp của K và độ lợi của bộ quan sát L có thể được thiết kế riêng rẽ .[4] 1.3.5 Mô tả bộ ước lượng trạng thái giảm bậc Cho một hệ động học S tuyến tính bậc n mô tả bởi (S) nnnnn x Ax Bu=+ & (1.62) nnn yCx= Với , bậc của phần đồng thời điều khiển và quan sát được của S, các vector và ma trận có kích thước phù hợp. Hãy xác định bộ đánh giá trạng thái (SE) bậc e, (SE) eeeee x Ax Bu=+ & (1.63) eee yCx= 1.3.6 Giảm bậc phần tử điều khiển Các bài toán liên quan đến phần tử điều khiển dựa vào tín hiệu phản hồi để làm cơ sở đề ra chiến lược điều khiển và cần phải xử lý trong khâu khép kín. Từ vị trí xuất phát của tín hiệu phản hồi mà trong lý thuyết hệ thống chia ra thành điều khiển truyền thống và điều khiển hiện đại 1.4. Vai trò của bộ lọc Kalman 1.4.1 Đặt vấn đề. Phương trình trạng thái của đối tượng wxAxBu γ = ++ & (1.72) yCxv = + (1.73) [...]... bộ lọc Kalman được bắt nguồn từ các yêu cầu của ước lượng trạng thái 1.5 Kết luận chương Trong chương này luận văn nêu ra được các khái niệm cơ bản về bài toán bám mục tiêu, trên những khái niệm cơ bản đó nêu ra được phương pháp bám mục tiêu truyền thống, phương pháp bám mục tiêu hiện đại Từ đó tìm ra vai trò của bộ lọc Kalman trong bài toán bám mục tiêu 11 CHƯƠNG II: SỬ DỤNG BỘ LỌC KALMAN TRONG BÀI... vector nhiễu trong quá trình chuyển động và sai số phép đo 2.4 Kết luận chương Trong chương này luận văn nêu tổng về các biến thể của bộ lọc Kalman Ứng dụng thuật toán mạch lọc Kalman trong bài toán bám mục tiêu theo phương pháp phân đoạn, bám mục tiêu theo quy trình đồng thời Đưa ra giải pháp ứng dụng thuật toán lọc Kalman theo vết đối tượng, từ file video thực hiện từng bộ lọc Kalman để bám theo người... lọc Kalman vẫn là lựa chọn tối ưu cho quá trình bám mục tiêu xuất phát từ các ưu nhược điểm của nó * Về mặt thực tiễn Luận văn đã đưa ra hướng tiếp cận ứng dụng mạch lọc Kalman trong bài toán bám mục tiêu cụ thể như sử dụng phương pháp nhận dạng hình ảnh của phương pháp trừ ảnh nền, trích chọn đặc trưng, sử dụng thuật toán mạch lọc Kalman để bám mục tiêu chuyển động Đưa ra kết quả mô phỏng, đánh giá... Bayes cho bài toán phân đoạn video 2.3 Bám mục tiêu theo quy trình đồng thời Trong phần này đề cập hệ thống giám sát mục tiêu 3D như hình 2.2 Hệ thống giám sát mục tiêu, mục tiêu theo dõi là người di chuyển trước ống kính camera, thu ảnh, lưu thành file avi và đưa vào hệ thống nhận dạng và theo vết sử dụng từng mạch lọc Kalman để bám theo đối tượng cần theo dõi Hình 2.2 Hệ thống bám mục tiêu Mô tả... đổi bằng cách sử dụng biến đổi Unscent để đưa ra một ước lượng mới cho biến trạng thái Biến trạng thái sau đó được hiệu chỉnh bằng cách biến đổi các điểm sigma thông qua các mô hình đo lường để tính toán độ lợi Kalman Cuối cùng, ước lượng được hiệu chỉnh sử dụng độ lợi Kalman 2.2 Lọc Kalman trong bài toán bám mục tiêu theo phương pháp phân đoạn 2.2.1 Thảo luận bài toán 2.2.2 Mô hình bài toán Đầu vào... VÍ DỤ MINH HOẠ 3.1 Bài toán bám mục tiêu 3.1.1 Đặt vấn đề Một hệ thống bám mục tiêu bằng hình ảnh là một tập hợp các bài toán nhỏ Đầu vào của hệ thống sẽ là hình ảnh thu được tại các điểm quan sát Đầu ra của hệ thống sẽ là thông tin về chuyển động của các đối tượng được giám sát Mô hình khái quát chung cho hệ thống bám mục tiêu Hình 3.1 Hệ thống bám mục tiêu tổng quát 3.1.2 Bài toán phát hiện đối tượng... sát mục tiêu: Quá trình ghi hình được thực hiện bằng Webcam của máy Laptop thông qua chức năng hỗ trợ Image Acquistion của phần mềm matlab và lưu lại với dạng avi hoặc mat Sau đó sử dụng file này input cho module nhận dạng ảnh và bám theo vết mục tiêu được thực hiện bằng bộ lọc Kalman Chương trình mô phỏng quá trình nhận dạng và bám mục tiêu thực hiện theo lưu đồ hình 3.6 17 3.2.2 Bám mục tiêu sử dụng. .. BÀI TOÁN BÁM MỤC TIÊU 2.1 Các biến thể của bộ lọc Kalman 2.1.1 Nguyên tắc cơ bản Trong ứng dụng giám sát, bám mục tiêu di động, mạch lọc Kalman là quá trình lặp đi lặp lại bước dự đoán và hiệu chỉnh trạng thái của hệ thống [13] Xét một hệ thống đại diện bởi một không gian trạng thái như phương trình (2.1) và (2.2) xk = Fxk-1 + vk (2.1) zk = Hxk + ek (2.2) 2.1.2 Mạch lọc Kalman tuyến tính Mạch lọc Kalman. .. tổng quan về bám mục tiêu, các khái niệm liên quan đến xử lý hình ảnh trong bám mục tiêu, phân tích các loại nhiễu trạng thái và mô hình ảnh hưởng đến quá trình theo dõi mục tiêu di chuyển Các phương pháp bám mục tiêu như So khớp mẫu, dòng quang, Meanshift, Camshift, trừ ảnh nền, lọc Particle, ước lượng Kalman Mỗi phương pháp có những điểm mạnh và hạn chế khác nhau Tuy nhiên mạch lọc Kalman vẫn là... mục tiêu dựa trên mô hình - Theo vết mục tiêu dựa trên miền - Theo vết mục tiêu dựa tên đường viền - Theo vết mục tiêu dựa vào đặc trưng * Chính xác hoá đối tượng tương ứng (Object matching): * Dự đoán chuyển động Nếu giải quyết bài toán bám theo mục tiêu đạt hiệu quả và độ tin cậy cao, có thể ứng dụng trong rất nhiều lĩnh vực 3.2 Chương trình mô phỏng bám mục tiêu 3.2.1 Qúa trình thu nhận và nhận . pháp bám mục tiêu truyền thống, phương pháp bám mục tiêu hiện đại. Từ đó tìm ra vai trò của bộ lọc Kalman trong bài toán bám mục tiêu. 11 CHƯƠNG II: SỬ DỤNG BỘ LỌC KALMAN TRONG BÀI TOÁN. Kalman. Cuối cùng, ước lượng được hiệu chỉnh sử dụng độ lợi Kalman 2.2. Lọc Kalman trong bài toán bám mục tiêu theo phương pháp phân đoạn. 2.2.1. Thảo luận bài toán. 2.2.2 Mô hình bài toán. . và mục tiêu theo dõi khác nhau. Nội dung của lu ận văn được cấu trúc thành các phần như sau: Chương I. Tổng quát về lý thuyết bám mục tiêu Chương II. Sử dụng bộ lọc Kalman trong bài toán bám