TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HỒ CHÍ MINH KHOA CƠ KHÍ ĐỘNG LỰC BỘ MÔN ĐIỆN TỬ Ô TÔ  ĐỒ ÁN TỐT NGHIỆP ĐỀ TÀI: TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG GVHD: TS. LÊ THANH PHÚC SVTH: CAO ANH TÚ TRẦN NGỌC HOÀNG TP.HỒ CHÍ MINH – 07/2013 09105133 09105041 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP TRƯỜNG ĐHSP KỸ THUẬT CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM KHOA CƠ KHÍ ĐỘNG LỰC Độc Lập – Tự Do – Hạnh Phúc  BỘ MÔN ĐIỆN TỬ Ô TÔ NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP ĐỀ TÀI: TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG SINH VIÊN THỰC HIỆN: 1. CAO ANH TÚ 2. TRẦN NGỌC HOÀNG MSSV: 09105133 MSSV: 09105041 GIÁO VIÊN HƯỚNG DẪN: TS. LÊ THANH PHÚC I. II. III. NỘI DUNG Tìm hiểu về hệ thống điều khiển xe chạy tự động TRÌNH BÀY  Báo cáo đề tài: Một cuốn báo cáo  Một đĩa CD: Tìm hiểu về hệ thống điều khiển xe chạy tự động THỜI GIAN THỰC HIỆN  Ngày bắt đầu: 14/05/2013  Ngày hoàn thành: 10/07/2013  Ngày bảo vệ: 20/07/2013 TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 2 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM BỘ MÔN ĐIỆN TỬ Ô TÔ ĐỒ ÁN TỐT NGHIỆP Trường ĐH.SPKT, ngày tháng năm 2013 LỜI CẢM ƠN Sau ba tháng làm đồ án, nhận được sự giúp đỡ tận tình của các Thầy Cô trong khoa CƠ KHÍ ĐỘNG LỰC và các bạn cùng khóa cùng với sự nỗ lực của bản thân, nhóm thực hiện đề tài đã hoàn thành Đồ Án Tốt Nghiệp vào đúng thời hạn được giao. Có được kết quả này là nhờ sự giúp đỡ tận tình của thầy LÊ THANH PHÚC, người đã hết lòng hướng dẫn nhóm thực hiện trong suốt quá trình làm đồ án. Nhóm xin được gửi đến Thầy lòng biết ơn sâu sắc. Nhóm chúng em cũng xin chân thành cảm ơn quý Thầy Cô Trường ĐH Sư Phạm Kỹ Thuật nói chung và Khoa Cơ Khí Động Lực nói riêng đã hết lòng dạy dỗ, truyền đạt những kinh nghiệm và kiến thức cho chúng em trong suốt quá trình học tập và rèn luyện tại trường. Mội lần nữa xin chân thành cảm ơn! TP.HCM – Tháng 07 năm 2013. Nhóm SV thực hiện đề tài: Cao Anh Tú Trần Ngọc Hoàng TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 3 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… Tp. HCM, ngày……tháng……năm 2013 Giáo Viên Hướng Dẫn TS. Lê Thanh Phúc TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 4 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP NHẬN XÉT CỦA GIÁO VIÊN DUYỆT …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… …………………………………………………………………………… Tp. HCM, ngày ….. tháng…. năm 2013 Giáo viên duyệt ThS. Nguyễn Văn Thình TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 5 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP PHẦN MỞ ĐẦU........................................................................................................................................... 9 PHẦN NỘI DUNG ..................................................................................................................................... 11 CHƯƠNG I: CÁC THIẾT BỊ HỖ TRỢ CƠ BẢN ..................................................................................... 11 1.1. Lidar ................................................................................................................................................. 11 1.2. Cảm biến hình ảnh quang học .......................................................................................................... 12 1.3. Cảm biến khoảng cách Radar........................................................................................................... 14 1.4. Hệ thống định vị toàn cầu GPS ........................................................................................................ 15 1.5. Hệ thống phát hiện điểm mù ............................................................................................................ 16 1.6. Hệ thống cảnh báo va chạm CAS .................................................................................................... 18 CHƯƠNG II: CÁC PHẦN MỀM SỬ DỤNG TRÊN XE .......................................................................... 21 I. KHÁI QUÁT ....................................................................................................................................... 21 II. NỘI DUNG ........................................................................................................................................ 21 2.1 Sơ đồ xe tự lái ............................................................................................................................... 21 2.2. Nhận dạng làn đường ................................................................................................................... 22 2.3. Các phần mềm hỗ trợ ................................................................................................................... 23 2.3.1 Phần mềm bản đồ 3D ............................................................................................................. 23 2.3.2 Phần mềm GPS ...................................................................................................................... 25 2.3.3. Cách sử dụng dữ liệu cơ sở chung ........................................................................................ 26 2.3.4. Phần mềm nhận dạng biển báo ............................................................................................. 28 2.3.5. Phát hiện và theo dõi nhiều phương tiện sử dụng bộ lọc ...................................................... 30 2.3.6. Mạng lưới nơ-ron .................................................................................................................. 40 CHƯƠNG III: THỬ NGHIỆM TRÊN XE TALOS .............................................................................. 43 I. Thuật toán lập kế hoạch và điều khiển ................................................................................................ 44 1.1. Bộ định hướng.............................................................................................................................. 44 1.1.1 Ưu tiên giao nhau ................................................................................................................... 45 1.1.2. Vượt qua................................................................................................................................ 46 1.1.3. Tắc nghẽn và chế độ chuẩn đoán .......................................................................................... 47 1.2. Bản đồ khả năng lái...................................................................................................................... 48 1.3. Bộ lập kế hoạch chuyển động ...................................................................................................... 51 1.3.1. Lập kế hoạch trên vòng lặp động lực học ............................................................................. 52 1.3.2. Duy trì an toàn như một cài đặt bất biến ............................................................................... 54 1.3.3. Lấy mẫu lệch ......................................................................................................................... 54 1.4. Bộ điều khiển ............................................................................................................................... 55 TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 6 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.4.1. Bộ điều khiển lái ................................................................................................................... 56 1.4.2. Bộ điều khiển tốc độ ............................................................................................................. 57 II. KẾT QUẢ CUỘC THI ....................................................................................................................... 58 2.1. Hoạt động trong sự kiện vòng loại quốc gia NQE ....................................................................... 58 2.2. Hoạt động của xe Talos trong cuộc thi đô thị .............................................................................. 66 2.2.1 Đường hẻo lánh (Outback)..................................................................................................... 69 2.2.2 Sự va chạm ............................................................................................................................. 71 III. Thảo luận .......................................................................................................................................... 75 3.1 Nhận thức- Phương pháp tiếp cận ................................................................................................. 76 3.2. Xe di chuyển chậm....................................................................................................................... 76 3.3. Cải thiện mô phỏng ...................................................................................................................... 76 3.4. Kiểm tra phương pháp tiếp cận chuẩn đoán ................................................................................. 77 IV. Kết luận............................................................................................................................................. 77 PHẦN KẾT LUẬN ..................................................................................................................................... 78 TÀI LIỆU THAM KHẢO .......................................................................................................................... 79 TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 7 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP CÁC TỪ VIẾT TẮT Chương I Lidar Light Detection and Ranging CCD Chrage Coupled Device CMOS Complementary Metal Oxide Semiconductor Radar Radio Detection and Ranging GPS Global Positioning System BSD Blind Spot Detection CAS Collision Avoidance system TTC Time to Collision Chương II OpenGL Open Graphics Library TCP/IP Internet Protocol APD Avalanche Photodiode Detector HSV Hue Saturation Value Chương III DARPA Defense Advanced Research Projects Agency UCE Urban Challenge Event RNDF Route Network Definition File MDF Mission Definition File NQE National Qualifying Event MIT Massachusetts Institute of Technology RRT Randomized Tree PI Proportional Integral ADU Autonomous Driving Unit EMC Electronic Mobility Controls TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 8 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP PHẦN MỞ ĐẦU I. Dẫn nhập Thế kỉ XXI là thế kỉ của công nghệ. Xã hội con người bước vào kỉ nguyên mới, một kỉ nguyên phát triển công nghệ về mọi mặt cuộc sống, giúp cho con người phát triển và hoàn thiện hơn trong mọi lĩnh việc. “Cơ khí ô tô” cái tên này đã không còn phù hợp với xu thế phát triển như hiện nay mà thay vào đó là cái tên “Công nghệ ô tô”. Qua đó cho thấy công nghệ đã được ứng dụng vào ngành ô tô. Và chiếc xe hơi tự lái mà không cần sự trợ giúp của con người sẽ sớm trở thành hiện thực. Những chiếc xe hơi mới trong tương lai không chỉ sạch, thân thiện với môi trường mà còn được trang bị những công nghệ "trợ giúp lái xe" tối tân nhất. Công nghệ lái tự động không chỉ giúp con người bớt căng thẳng hơn trong những giờ cao điểm ùn tắc mà còn giúp giảm đáng kể lượng tai nạn giao thông. Trong tương lai, những chiếc xe hơi sẽ trở nên thông minh hơn. Chúng có thể tự tìm chỗ đỗ xe, tự đọc biển báo giao thông hay tự duy trì khoảng cách an toàn và tránh tai nạn. Không chỉ riêng ô tô, một số nhà sản xuất còn hứa hẹn sẽ áp dụng cả những công nghệ này cho người đi bộ và đi xe đạp. Theo đó, người điều khiển xe và phương tiện có thể tự động dừng trước khi xảy ra va chạm. Chỉ cần công nghệ của cảm biến và phần mềm hỗ trợ lái xe chứng minh được khả năng giảm thiểu tai nạn giao thông, chắc chắn các nhà quản lý sẽ yêu cầu các loại xe mới phải áp dụng những công nghệ này. Không giống như con người, máy tính không bao giờ lái xe khi say rượu hay vừa điều khiển vô lăng vừa nhắn tin gọi điện. Do đó, con người có thể an tâm hơn khi ngồi vào những chiếc xe lái tự động. Nếu công nghệ lái tự động được áp dụng rộng rãi, chắc chắn lợi ích mang lại sẽ rất lớn. Những chiếc xe tự lái không chỉ giúp người khỏe mạnh, thậm chí cả người già và người tàn tật cũng có thể điều khiển xe tới nơi mà họ muốn. Bên cạnh đó, mọi người cũng không cần phải đóng thêm phí bảo hiểm xe hơi vì tai nạn giao thông cũng giảm hẳn. Theo thống kê, mỗi năm có khoảng 1,2 triệu người chết vì tai nạn giao thông. Tại Mỹ, số ca nhập viện do tai nạn giao thông cũng lên tới 2 triệu lượt mỗi năm. Những chiếc xe tự động cũng góp phần giảm bớt tình trạng tắc nghẽn và tiết kiệm nhiên liệu hơn. Con người cũng trở nên thảnh thơi hơn, vừa có thể nghỉ ngơi, đọc báo hoặc giải trí sau một ngày làm việc mệt mỏi thay vì phải bực tức và căng thẳng khi lái xe vào giờ cao điểm. Đó cũng là những lý do mà nhóm chúng em nghiên cứu đề tài này. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 9 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP II. Mục đích nghiên cứu Mục đích của đồ án này là tìm hiểu một chiếc xe tự lái mà không cần con người điều khiển. Đề tài dựa trên nghiên cứu về lý thuyết nhằm tìm hiểu về những tính năng thay đổi trên một chiếc xe tự lái. Nêu lên cấu tạo cơ bản các thiết bị cần thiết cho một chiếc xe hơi tự lái. Tìm hiểu các thiết bị phần mềm hỗ trợ và nguyên lý hoạt động. III. Phương pháp nghiên cứu Với mục đích nghiên cứu trên cơ sở tìm hiểu lý thuyết về cấu tạo và cách điều khiển xe tự động. Vì thế phương pháp nghiên cứu chính ở đây là phương pháp tham khảo tài liệu liên quan, kết hợp với việc dịch thuật tài liệu liên quan đến lĩnh vực nghiên cứu đề tài. Từ đó, tiến hành chọn lọc, phân tích, hệ thống các tài liệu giúp người đọc có cái nhìn tổng quan về xe tự động. IV. Phạm vi nghiên cứu Hiện nay, các nghiên cứu về xe tự động không người lái dường như còn là điều mới mẻ trong nước ta, các nghiên cứu chủ yếu được phát triển bên nước ngoài, nhưng nó cũng chỉ phát triển tại các cuộc đua, các nhà sản xuất xe hơi danh tiếng. Do thời gian và kinh nghiệm thực tế còn nhiều hạn chế, chúng em chỉ nghiên cứu các hệ thống phần mềm hỗ trợ cơ bản cho một chiếc xe tự động và nhóm chúng em xin tập trung một số nội dung như sau:  Khái quát các thiết bị hỗ trợ.  Các phần mềm ứng dụng.  Nghiên cứu cách vận hành xe tự lái Talos. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 10 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP PHẦN NỘI DUNG CHƯƠNG I: CÁC THIẾT BỊ HỖ TRỢ CƠ BẢN 1.1. Lidar Lidar là thiết bị quan trọng nhất trong các phương tiện tự lái, được gắn trên nóc của xe. Lidar bao gồm một bộ phát, bộ thu và gương phản chiếu. Bộ phát sẽ phát ra một chùm tia Laser đến tấm gương phản chiếu quay cùng với giá đỡ hình trụ (10 vòng/phút). Các chùm tia này sau khi qua gương sẽ đập vào các đối tượng xung quanh và phản chiếu trở về gương và đi vào bộ thu. Bộ thu sẽ phân tích các dữ liệu nhận được. Từ đó, chiếc xe có thể tạo ra bản đồ khu vực xung quanh và sử dụng nó để tránh các đối tượng cũng như chướng ngại vật. [1] Hình 1.1. Cấu tạo và hoạt động của Lidar TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 11 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.2. Cảm biến hình ảnh quang học Bộ cảm biến hình ảnh quang học có nhiệm vụ chuyển đổi tín hiệu ánh sáng thành tín hiệu điện. Trên xe ô tô các cảm biến này còn được sử dụng trong nhiều hệ thống khác bao gồm: hệ thống cảnh báo làn đường, hệ thống phát hiện tín hiệu biển báo, hỗ trợ đậu xe và tránh va chạm. Cảm biến quang học thường dựa trên một trong hai công nghệ CCD hoặc CMOS. Cả hai loại cảm biến đều thể hiện một loạt các yếu tố về hình ảnh. CCD: Là thiết bị bao gồm nhiều bộ phận bán dẫn được nối với nhau. Trong đó tín hiệu ra của bộ phận này được sử dụng làm tín hiệu vào của bộ phận tiếp theo. Ví dụ như các thiết bị dò ánh sáng trong máy ảnh kỹ thuật số. Nguyên lí cơ bản là các tụ điện nhỏ có khả năng tập hợp lượng ánh sáng đập vào cảm biến. Sau khi các cảm biến tiếp xúc với hình ảnh sẽ được chuyển lần lượt từ tụ điện đầu tiên đến tụ điện cuối cùng trong mảng, sau đó nó đi vào bộ khuếch đại để chuyển đổi thành tín hiệu điện. Điện áp này tương ứng với cường độ sáng. Hình 1.2. Sơ đồ hệ thống CCD TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 12 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP CMOS: Là một chip sử dụng ít năng lượng, được chế tạo để thực hiện đúng các chức năng như các chip khác (chip ghi nhớ hoặc vi xử lí). Chíp CMOS được sử dụng trong các máy tính xách tay và trong các bộ phận máy yêu cầu ít tiêu hao điện. Chíp CMOS cũng được dùng làm đồng hồ đếm giờ trên bảng điều khiển, đồng thời cũng dùng để lưu trữ cấu hình cơ sở của hệ thống bao gồm các thông số về chủng loại ổ cứng và ổ mềm, dung lượng bộ nhớ đã lắp đặt và các thông số thiết lập về trạng thái chờ. Các thông số này sẽ được giữ lại khi tắt máy tính nhờ một bộ pin nuôi. Cảm biến hình ảnh CMOS có mạch kỹ thuật số bên cạnh mỗi điểm ảnh quang có thể chuyển đổi cường độ ánh sáng các điểm ảnh nổi bật với một điện áp tương tự. Hình 1.3 Sơ đồ hệ thống CMOS Cảm biến CCD là một công nghệ phát triển hơn và có nhiều ứng dụng hơn so với cảm biến CMOS về phạm vi hoạt động và độ phân giải. Tuy nhiên cảm biến CMOS chỉ cần ít năng lượng để hoạt động và có thể được xây dựng trên cùng một chất liệu silicon bằng cách sử dụng quá trình tương tự như các mạch kỹ thuật số điều khiển cảm biến. Nói cách khác cảm biến CMOS sẽ là đối thủ của cảm biến CCD về phạm vi hoạt động và độ phân giải. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 13 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.3. Cảm biến khoảng cách Radar Cảm biến Radar được trang bị trên xe để phát hiện khoảng cách giữa xe với các chướng ngại vật hoặc bất kỳ phương tiện nào đang lưu thông trên đường. Các cảm biến này sử dụng để kiểm soát hành trình và tránh va chạm. Hình 1.4. Ứng dụng trên xe có dùng cảm biến Radar. Có hai phương pháp chính để đo khoảng cách khi sử dụng Radar. Phương pháp đầu tiên là phương pháp truyền trực tiếp, là phương pháp liên quan đến việc làm chậm khả năng tiếp nhận tín hiệu hồi về, có thể tương quan với khoảng cách của đối tượng trả về như một chức năng của tốc độ ánh sáng và thời gian hay đúng hơn là thời gian trễ trong truyền và nhận sóng. Phương pháp thứ hai là phương pháp truyền gián tiếp hoặc tần số điều chỉnh sóng liên tục. Truyền gián tiếp là biến tần số được gửi đi và nhận về để tạo sự khác biệt trong tần số. Có thể sử dụng nó để trực tiếp xác định khoảng cách cũng như tốc độ tương đối của các đối tượng. Cảm biến Radar được ứng dụng rất tốt trong việc phát hiện các đối tượng phát ra bức xạ điện từ (như vật bằng kim loại). Bởi vì nó hoạt động ở bước sóng vào khoảng vài mm, Radar cũng phát hiện khá tốt các đối tượng nhỏ chỉ vài cm hoặc lớn hơn. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 14 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.4. Hệ thống định vị toàn cầu GPS GPS có nhiệm vụ xác định vị trí, địa điểm cụ thể và xác định con đường tốt nhất để di chuyển. GPS sử dụng hệ tọa độ và bản đồ Google để xác định vị trí hiện tại của xe. GPS cũng có thể truy cập thông tin về tốc độ và hướng của xe, để điều chỉnh hướng xe trong những tình huống tắc nghẽn hoặc gặp sự cố. Hình 1.5. Hệ thống định vị toàn cầu GPS Vệ tinh GPS quay xung quanh trái đất hai lần mỗi ngày với một quỹ đạo rất chính xác và truyền tín hiệu về trái đất. Máy thu GPS nhận tín hiệu này và sử dụng để tính toán chính xác vị trí của xe. Về cơ bản, các máy thu GPS so sánh thời gian tín hiệu được truyền bởi một vệ tinh với thời gian mà nó nhận được. Bấy giờ với các phép đo khoảng cách từ mộtvài vệ tinh có thể xác định được vị trí của xe và hiển thị nó trên bản đồ điện tử. Một máy thu GPS phải nhận tín hiệu của ít nhất ba vệ tinh để tính toán vị trí 2D (vĩ độ và kinh độ) và theo dõi chuyển động. Với bốn hoặc nhiều vệ tinh hơn nữa thì có thể xác định được vị trí 3D của xe (vĩ độ, kinh độ và cao độ). Một khi vị trí của xe được xác định, GPS có thể tính toán được các thông tin khác chẳng hạn như tốc độ, theo dõi con đường phía trước, khoảng cách đích đến. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 15 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.5. Hệ thống phát hiện điểm mù Hệ thống phát hiện điểm mù là một trong những công nghệ được sử dụng trên xe ô tô thông qua máy ảnh, cảm biến radar và các hệ thống siêu âm cảnh báo cho người lái xe. Khi bạn đang đi trong một con đường hẹp, bạn sẽ không thể thấy hết những gì đang xảy ra hoặc tiến tới xung quanh. Trong trường hợp này, BSD cho phép người lái xe biết về các đối tượng xung quanh. Hình 1.6. Cảm biến phát hiện xe ở đằng sau Mới đây Mercedes-Benz đã đưa vào các dòng S, Cl-Class hệ thống Blind Spot Assist có thể phát hiện các điểm mù, hỗ trợ cho tài xế khi chuyển làn đường. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 16 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 1.7. Cảm biến đặt tại kính chiếu hậu phát hiện khoảng cách các xe bên. Hệ thống này được trang bị 6 radar bố trí phía trước và sau xe để có thể phát hiện được các chướng ngại vật có thể gây va chạm khi chuyển làn đường. Khi xe cộ phía sau đi vào khu vực nhận biết của radar, đèn cảnh báo sẽ được báo phía gương chiếu hậu 2 bên sườn xe để cho tài xế biết có thể nguy hiểm khi chuyển làn. Các cảm biến phía trước làm việc trong tương quan của các cảm biến phía sau để đảm bảo rằng chiếc xe đang ở khoảng cách an toàn. Nó sẽ gửi trực tiếp tình trạng của chiếc xe cho màn hình hiển thị trong xe. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 17 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.6. Hệ thống cảnh báo va chạm CAS CAS là hệ thống được thiết kế để ngăn chặn va chạm từ phía trước cũng như phía sau với những xe khác đứng yên hoặc di chuyển trên cùng một hướng. Một vài nghiên cứu đã cho thấy rằng người lái xe mất tập trung hoặc không chú ý là một yếu tố trong phần lớn các tai nạn. Hệ thống có nhiệm vụ cảnh báo người lái xe sắp xảy ra va chạm ngay cả khi tốc độ thấp (như lái trong đô thị) và tốc độ cao (đường cao tốc). Hệ thống CAS xác định va chạm có thể xảy ra dựa trên điều kiện lái xe, khoảng cách và tốc độ với xe phía trước. CAS sử dụng sóng Radar milimet để phát hiện chiếc xe phía trước trong phạm vi 100m. Và sau đó nó tính khoảng cách với xe đó, tốc độ tương đối và dự kiến đoạn đường xác định khả năng va chạm. Nếu hệ thống phát hiện có khả năng va chạm, nó sẽ phát ra cảnh báo âm thanh và xúc giác (xiết giây an toàn) để cảnh báo người lái xe tai nạn. Hệ thống cũng kết hợp với một số chức năng giảm va chạm cho hành khách khi va chạm không thể tránh được. Như chức năng hỗ trợ phanh để bù đắp cho áp lực bàn đạp phanh không đủ, dây an toàn xiết chặt hơn đảm bảo người lái xe được giữ chặt. CAS cũng là hệ thống phanh khẩn cấp tự động. Ở tốc độ trên 30km/h những chiếc xe cố định hoặc di chuyển phía trước được phát hiện trong 100m. Khi hệ thống cảm nhận chiếc xe có khả năng đụng vào một trong những chướng ngại vật đó, hệ thống sẽ xử lí với 3 giai đoạn sau: Giai đoạn 1: Hình 1.8. Cảnh báo được đưa ra trước 3s có thể xảy ra va chạm TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 18 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Cảnh báo đầu tiên gồm âm thanh phát ra và tín hiệu đèn phanh trên màn hình hiển thị bảng điều khiển. Cảnh báo được đưa ra khi khoảng cách giữa 2 xe gần hơn khoảng cách an toàn đặt ra. Cảnh báo được đưa ra trước 3s va chạm. Tùy thuộc vào tình huống khoảng cách mà va chạm có thể tránh được bằng cách phanh chính xác. Trong giai đoạn này, hỗ trợ phanh sẽ không kích hoạt bởi vì tai nạn có thể tránh được khi phanh bình thường. Giai đoạn 2: Hình 1.9. Cảnh báo được đưa ra trước 2s có thể xảy ra va chạm Nếu khoảng cách giữa hai xe tiếp tục rút ngắn, CAS hỗ trợ phanh nhẹ và dây an toàn được xiết nhẹ hai đến ba lần bởi môt motor điện để cảnh báo xúc giác cho người lái xe. Cảnh báo âm thanh và hình ảnh cũng được lặp lại, cảnh báo lần hai được đưa ra khoảng 2s trước khi va chạm. Trong trường hợp này, thông số kích hoạt hỗ trợ phanh được thay đổi để dễ kích hoạt giảm tốc độ tối đa. Phụ thuộc tình huống va chạm có thể được tránh nếu người lái xe phanh thích hợp, tuy nhiên trong trường hợp tốc độ tương đối cao hoặc khoảng cách nhỏ thì không thể tránh được. Giai đoạn 3: Cuối cùng, khi va chạm không thể tránh được, thông thường trong 1s trước khi va chạm, giây an toàn xiết lại đủ chặt bù cho độ chùng của dây đai hoặc quần áo rộng, đảm bảo an toàn hơn so với giây đai bình thường chỉ hoạt động khi tai nạn xảy ra. CAS cũng hỗ trợ phanh mạnh để giảm tốc độ khi va chạm. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 19 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 1.10. Cảnh báo được đưa ra trước 2s có thể xảy ra va chạm TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 20 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP CHƯƠNG II: CÁC PHẦN MỀM SỬ DỤNG TRÊN XE I. KHÁI QUÁT 1.1 Mục tiêu Mục đích của việc sử dụng các phần mềm là tạo ra một chiếc xe tự lái mà không cần con người điều khiển. Để thực hiện điều này, một vài ứng dụng phần mềm sử dụng trí tuệ nhân tạo để tìm và đưa ra một con đường cho xe đi. [2] 1.2 Phương pháp Nguồn sử lí được cung cấp bởi 3 máy tính, sử dụng cho mục tiêu nhận dạng tín hiệu giao thông, làn đường, phương tiện giao thông. Các nhà sản phát triển dữ liệu từ Lidar, phối hợp sử dụng GPS và bộ lọc hạt để định vị chiếc xe trên bản đồ Google, quản lí cơ sở dữ liệu chung với tín hiệu giao thông, cảm biến từ, cảm biến gia tốc, một phần mềm phân phối, một hệ thống quan sát và phần mềm lái động cơ, quay vô lăng (tăng tốc và phanh) 1.3 Kết quả Phần mềm có thể nhận ra tín hiệu giao thông và lưu nó trong dữ liệu cơ sở chung sử dụng bản đồ Google và GPS. Phần mềm GPS ghi lại tín hiệu và hướng đi từ khu vực đó. Một phần mềm cấu thành khác có thể nhận ra vạch phân chia làn đường. Nó sử dụng 3 camera để tính toán chính xác vị trí xe trên đường và đưa ra một hướng đi mới mà không cần tín hiệu giao thông. II. NỘI DUNG 2.1 Sơ đồ xe tự lái Trong hình 2.1, ta có thể thấy thiết kế của chiếc xe tự lái gồm có hai camera được thiết kế để phát hiện làn đường từ bên trái và bên phải, camera thứ 3 được đặt tại vị trí người lái để phát hiện làn đường và biển báo giao thông từ vị trí người lái. Lidar được gắn trên mui xe để tạo ra một mô hình 3D. Thông tin 3D, làn đường và biển báo giao thông được gửi đến phần mềm giám sát để tính toán các va chạm và đường đi của chiếc xe. Các laptop đồng bộ sử dụng phần mềm giám sát. Phần mềm giám sát sẽ tổng hợp tất cả các dữ liệu đã được xử lí bởi các phần mềm khác để điều khiển vô lăng giữ chiếc xe di chuyển trên đường. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 21 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 2.1. Sơ đồ các phần mềm được xây dựng và thiết kế cho xe tự lái. 2.2. Nhận dạng làn đường Nhận ảnh từ Camera Khu vực màu xám Tạo dấu cho vạch màu trắng Kiểm tra xem những thành phần gần với đường dốc Tính toán độ dốc của đường Thêm các thành phần trong đó có một dòng rất gần độ dốc Kiểm tra xem thành phần này là đủ để được coi là một làn đường Tạo thành phần làn đường gần nhất Tạo ra phương trình đường thẳng từ vị trí làm dấu Cho ra dòng Hình 2.2. Sơ đồ phần mềm nhận dạng làn đường từ hình ảnh. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 22 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 2.3. Phần mềm này có khả năng nhận ra các làn đường giao thông từ hình ảnh và thay đổi các con đường, hướng của xe để giữ cho chiếc xe di chuyển trên đường. Phần mềm sử dụng ba camera để nhận dạng các làn đường. Ảnh được chụp từ camera trái và phải của xe và một ảnh được chụp từ vị trí của người lái. Phần mềm có thể tính toán khoảng cách giữa các làn đường và khoảng cách giữa bánh xe đến các làn đường. 2.3. Các phần mềm hỗ trợ 2.3.1 Phần mềm bản đồ 3D Một phần mềm khác được tính toán để tạo ra một bản đồ 3D sử dụng công nghệ OpenGL [3], sau đó sử dụng nó để sữa lỗi và giao tiếp với dữ liệu 3D từ Lidar. Phần mềm cũng kết nối với phần mềm giám sát và nhận thêm hướng dẫn từ nó. Khi Lidar chưa tiếp nhận đầy đủ thông tin, ta có thể thấy một bản đồ 3D ngẫu nhiên bằng cách sử dụng dữ liệu 3D ngẫu nhiên như hình 2.4. Trong hình, một chấm là một chướng ngại vật 3D có khoảng cách X. Khoảng cách của chướng ngại vật được mô tả bởi màu của nó. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 23 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Từ khi chiếc xe di chuyển, ta phải tính vị trí mới nhất vào mỗi 1/20s. Vị trí của xe được tính với dữ liệu thực tế lấy được từ máy đo gia tốc, nó không hiển thị trong sơ đồ. Dữ liệu phải được tính toán lại thông qua điều chỉnh, để chuyển động của chiếc xe không ảnh hưởng bởi khoảng cách của các chướng ngại. Hình 2.4. Đây là giao diện phần mềm và không gian được tạo ra. Màu của các đối tượng được chọn để mô tả khoảng cách giữa xe và đối tượng. Dữ liệu được tạo ra ngẫu nhiên. Có khoảng 180 điểm trên đường tròn. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 24 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 2.5. Trong hình trên là giao diện phần mềm và không gian được tạo ra bởi phần mềm sử dụng OpenGL. Màu của các đối tượng được chọn để mô tả khoảng cách giữa xe và đối tượng. Dữ liệu được tạo ngẫu nhiên. 2.3.2 Phần mềm GPS Đôi khi không thể phát hiện chính xác các biển báo giao thông vì bị các chướng ngại vật che khuất. Để tránh điều này và tăng khả năng nhận dạng biển báo, tất cả các xe tự lái phối hợp để tạo ra một dữ liệu cơ sở chung với tất cả các biển báo và vị trí GPS của chúng. Khi xe sử dụng dữ liệu cơ sở này, phần mềm GPS sẽ cập nhật dữ liệu cơ sở có biển báo mới và phần mềm giám sát sẽ nhận biển báo giao thông lưu trữ từ vị trí GPS đó. Biển báo giao thông từ dữ liệu cở sở chung có một đặc điểm rất quan trọng là phản hồi. Phản hồi là cho phép tạo ra khả năng chắc chắn cho việc lưu trữ biển báo trong dữ liệu cơ sở chung. Thông tin liên lạc giữa phần mềm giám sát, biển báo giao thông và phần mềm GPS được thực hiện bằng cách sử dụng các giao thức được xây dựng bởi chính nó. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 25 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 2.6. Trong hình trên là phần mềm GPS. Đường màu xanh lam là con đường chiếc xe sẽ đi. Biển báo giao thông được nhận dạng trong thực tế bởi phần mềm và dữ liệu cơ sở chung đang được lưu. 2.3.3. Cách sử dụng dữ liệu cơ sở chung Phần mềm dò tìm biển báo, nhận dạng các biển báo và gửi chúng đến phần mềm GPS. Phần mềm GPS nhận tín hiệu, nếu nó thực sự tìm thấy trong dữ liệu cơ sở, phần mềm sẽ nhận vị trí phản hồi. Nếu có các biển báo khác được lưu trong dữ liệu cơ sở nhưng không được nhận thấy từ phần mềm dò tìm, thì các biển báo đó sẽ nhận thông tin phản hồi và sử dụng các biển báo đó để tính toán con đường cho chiếc xe. Nếu thông tin phản hồi đó rất yếu, các biển báo sẽ tự động loại bỏ khỏi dữ liệu cơ sở. Thông tin liên lạc giữa hai phần mềm độc lập được thực hiện bằng cách sử dụng bộ giao thức TCP/IP [4]. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 26 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM Phần mềm phát hiện biển báo giao thông Thành phần phần mềm GPS ĐỒ ÁN TỐT NGHIỆP Sử dụng lập trình song song để nhận ra các biển báo giao thông No Nhận ra biển báo giao thông Yes Tọa độ GPS Tọa độ GPS Bất kỳ biển báo nào từ tọa độ GPS được lưu trữ trong cơ sở dữ liệu? Sử dụng tất cả biển báo giao thông từ phối hợp này. Phản hồi tiêu cực đến tất cả các biển báo giao thông từ tọa độ này trong cơ sở dữ liệu chung Thành phần phần mềm GPS Yes No Một biển báo tại tọa độ GPS này phối hợp được lưu trữ trong cơ sở dữ liệu? yes Lưu trữ biển báo giao thông trong cơ sở dữ liệu GPS Cho ý kiến phản hồi tích cực đối với cơ sở dữ liệu biển báo giao thông Loại bỏ tất cả các biển báo giao thông để có nhiều phản hồi tiêu cực Hình 2.7. Trong sơ đồ này ta thấy cơ sở dữ liệu chung GPS hoạt động và tính năng "phản hồi" được sử dụng để tính toán xác suất chắc chắn cho bất kỳ biển báo giao thông nào. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 27 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 2.3.4. Phần mềm nhận dạng biển báo Như một người lái xe, chiếc xe tự động cũng phải quen thuộc với tất cả các biển báo giao thông. Phần mềm nhận dạng biển báo giao thông hoạt động dựa trên hệ thống lọc màu quang phổ HSV, mạng lưới nơ-ron đa lớp, dữ liệu cơ sở sử dụng tọa độ GPS và bản đồ Google. Hình 2.8. Sơ đồ này minh họa cách thuật toán phát hiện tín hiệu có thể nhận dạng biển báo từ hình ảnh đơn giản. Nó được sử dụng giải pháp đa ngưỡng. Mỗi ảnh được thực hiện bằng cách cho mỗi core CPU sử dụng một ngưỡng HSV khác nhau. Các thuật toán chạy song song và được phát triển sử dụng một mô phỏng đa ngưỡng. Phần mềm tạo ra một ngưỡng cho mỗi core. Hình ảnh được chụp từ Camera người lái sẽ được chèn trong một hàng đồng bộ. Mỗi core CPU sau khi hoàn thành nhiệm vụ cuối TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 28 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP cùng, nó sẽ xác minh lại liệu có bất kì dấu hiệu gì trong hàng đồng bộ đó không. Nếu có, nó sẽ đưa ra một nhiệm vụ mới từ hàng đó. Nhận dạng biển báo sử dụng lưới nơ-ron đa lớp Phát hiện biển báo giao thông dựa vào mạng lưới nơ-ron đa lớp. Mạng lưới nơ-ron được tạo ra bằng cách sử dụng hình ảnh thực của biển báo giao thông và truyền ngược lại với thuật toán động lượng. Có hai mạng lưới nơ-ron cho các mẫu biển báo (xanh và đỏ). Với mỗi mẫu biển báo thì có một mạng lưới nơ-ron liên quan. Các mạng lưới được nạp trong phần mềm này. Hình 2.9. Sơ đồ này mô tả mạng lướ i nơ-ron được sử dụng để nhận dạng biển báo như thế nào. Phương pháp nơ-ron này sử dụng mạng lưới nơ-ron với 9 lớp. Mỗi mạng lưới nơ-ron được lan truyền ngược với động lượng hơn 350 ảnh biển báo. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 29 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM Màu biển báo Mẫu biển báo Đỏ Đỏ Đỏ Xanh lam Xanh lam Tròn Tam giác Tam giác đảo ngược Tròn Hình chữ nhật ĐỒ ÁN TỐT NGHIỆP Số biển báo khác nhau có thể nhận dạng 15 13 1 23 20 Bảng 2.3.4. Bảng này cho thấy số lượng biển báo khác nhau có thể nhận ra bởi phần mềm mạng lưới đa tầng. 2.3.5. Phát hiện và theo dõi nhiều phương tiện sử dụng bộ lọc Một hệ thống quan sát thực tế được phát triển, có thể phân tích video màu được lấy từ camera đặt tại vị trí người lái. Hệ thống sử dụng một ô hình chữ nhật có màu sắc và thông tin di chuyển để nhận dạng và theo dõi các phương tiện trên đường. Thuật toán dựa trên bộ lọc hạt. Hình 2.10. Phần mềm sử dụng các ô hình chữ nhật để nhận dạng xe. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 30 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Nguyên tắc của thuật toán dựa trên một biểu đồ. Trong lí thuyết xử lí ảnh, biểu đồ hình ảnh liên quan đến biểu đồ tần suất giá trị cường độ điểm ảnh. Biểu đồ tần suất là một đồ thị hiển thị tất cả các điểm ảnh của một hình ảnh ở mỗi giá trị cường độ khác nhau được tìm thấy trong hình. Ví dụ, trong một ảnh màu xám 8-bit, chỉ có 256 cường độ có Hình 2.11. Biểu đồ tần suất hiển thị tất cả các điểm ảnh của một hình ảnh ở mỗi giá trị cường độ khác nhau được tìm thấy trong hình. Hình 2.12. Sơ đồ thể hiện hiệu suất của việc phát hiện dựa trên biểu đồ theo dõi sử dụng bộ lọc Kalman [5]. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 31 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP thể khác nhau, vì vậy biểu đồ sẽ hiển thị đồ họa 256 con số cho thấy sự phân bố của các điểm ảnh (cường độ của các điểm ảnh) trong những giá trị màu xám. Biểu đồ cũng được tính toán cho màu sắc ảnh - biểu đồ riêng màu đỏ, xanh lục, lam và độ sáng tại mỗi điểm ứng với số điểm ảnh. Theo tính toán của biểu đồ, phần mềm xử lí và sử dụng số liệu thống kê để xác định các hạt và tính toán trọng lượng của mỗi hạt. Mô tả thuật toán phát hiện xe sử dụng bộ lọc hạt 1. Ban đầu, thuật toán tìm kiếm những hình dạng lớn được cấu tạo gần như từ một màu vì hầu hết những chiếc xe được sơn bằng một màu cơ bản. Trong hình 2.12 dễ dàng để xác định 4 chiếc xe (2 chiếc xe màu xanh lam, 1 chiếc xe màu đen và một chiếc xe màu lam đậm). Sử dụng các giới hạn màu sắc khác nhau để có thể xác định được đâu là một chiếc xe. Hình 2.12. Phần mềm nhận dạng 5 chiếc xe được vẽ hoàn toàn với màu như nhau. 2. Để biết có bao nhiêu hình dạng màu đen lớn có trong ảnh cần thực hiện phân đoạn. Phân đoạn chỉ là một cách tô màu đơn giản. Sau khi phân đoạn nó sẽ kiểm tra lại xem hình dạng màu đen đã đủ và phù hợp với hình dạng chiếc xe. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 32 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 2.13. Hình ảnh chiếc xe được chụp khi chưa phân đoạn. Hình 2.14. Hình ảnh chiếc xe rõ rang hơn sau khi thực hiện phân đoạn. Trong nhiều trường hợp khi hình dạng của chiếc xe nhận được sẽ bị nhiễu. Hình 2.15, trong ảnh trước, ta có thể thấy màu của xe thì giống với một “đám mây” với độ nhiễu nhỏ, nhưng ảnh sau thì giống kết quả xử lí lọc màu hơn. Có thể nhận thấy được rằng, hình dạng chiếc xe luôn bị nhiễu so với những hình ảnh ban đầu. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 33 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 2.15. Hình dạng chiếc xe luôn bị nhiễu so với hình ảnh ban đầu. Để loại bỏ vấn đề này, các thuật toán xử lí hình ảnh được hình thành bằng cách làm một chức năng có hình thái “mở” 4 lần. 3. Hình thái mở và đóng là hai bộ điều khiển thao tác chính xác. Hình thái mở được bắt nguồn từ bộ hoạt động giãn nở. Hình thái mở xử lý trong tầm nhìn máy tính và xử lí ảnh cho việc loại bỏ sự nhiễu. Ảnh hưởng của bộ điều khiển được dự định để giữ khu vực gần, nó có hình dạng tương tự các yếu tố cấu trúc (hình dạng xe), hoặc hoàn toàn chứa các yếu tố cấu trúc, khi loại bỏ tất cả các khu vực khác của điểm ảnh gần (độ nhiễu xung quanh). Trong hầu hết các ứng dụng, chức năng mở thì được sử dụng để xóa những đối tượng nhỏ xung quanh hình ảnh. Công nghệ này cũng có thể sử dụng để tìm những hình dạng đặc biệt trong ảnh. Hình 2.16. Các điểm nhiễu được loại bỏ, hai hình được tách riêng. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 34 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Ảnh hưởng của hoạt động hình thái mở như sự cắt bỏ trong nó có xu hướng loại bỏ một vài điểm ảnh cận cảnh từ viền của vùng cận cảnh. Trong hình 2.16, ta có thể thấy rằng sau khi bộ điều khiển mở hai đối tượng sẽ được tách riêng và chức năng phân chia sẽ trở lại với hai đối tượng khác. Hình 2.17. Hình dạng chiếc xe dần được khắc phục sau một vài hoạt động hình thái mở. 4. Sau khi sử dụng một vài hoạt động điều khiển hình thái mở, hình dạng chiếc xe sẽ dần khắc phục so với hình ảnh bị nhiễu ban đầu. Mục tiêu của việc phân chia ảnh là để Hình 2.18. Xác suất nhận được chiếc xe từ ảnh lấy ra sau nhiều phần chia nhỏ là rất lớn. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 35 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP các cụm ảnh nổi bật trong ảnh sẽ được phát hiện trước (tương ứng với những bề mặt riêng lẻ, các đối tượng, các thành phần tự nhiên). Trong bước này, mục tiêu việc phân chia ảnh được sử dụng để nhận dạng tất cả các vùng trong ảnh. 5. Để kiểm tra xem liệu chiếc xe được chọn ra có phải từ việc phân chia hay không, thuật toán sử dụng một mạng lưới nơ-ron đa lớp. Bởi vì độ phân giải của ảnh cắt là rất cao, thuật toán được hình thành bằng cách thu nhỏ ảnh về 30x30. Hình 2.19. Ảnh được thu nhỏ về 30x30 6. Nguồn chuyển tiếp mạng lưới nơ-ron sẽ phân loại và nhận dạng xem liệu trong ảnh đó có xe hay không, vì vậy các màu sắc là để dự phòng. Trong hình 2.20 ta có thể thấy sự chuyển tiếp cấu trúc liên kết của mạng lưới nơ-ron. Mỗi ngõ ra của mạng lưới nơ-ron nằm giữa hai giá trị [0÷1]. Nếu giá trị gần 1 hơn, có nghĩa nó là một xác suất lớn trong cụm đó (cụm của những chiếc xe hoặc không phải chiếc xe). Hình 2.20. Mỗi ngõ ra của mạng lưới nơ-ron nằm giữa hai giá trị [0÷1]. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 36 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 7. Nếu kết quả của mạng lưới nơ-ron là thỏa đáng, thì thuật toán bộ lọc sẽ theo dõi chiếc xe trong cấu trúc tiếp theo. Nguyên tắc đơn giản là: chiếc xe không bị mất đi trong những cấu trúc tiếp theo. Bộ lọc hạt Kalman được sử dụng, ban đầu khối lượng cụm còn ít, nhưng nếu trong nhiều cấu trúc hình liên tục, ta có thể nhận ra chiếc xe và vị trí của chiếc xe bị thay đổi, sau đó khối lượng bộ lọc sẽ tiếp tục tăng lên. Để tính toán xác suất và theo dõi những chiếc xe, thuật toán sử dụng các biểu đồ. Giả thuyết rằng phần mềm có thể theo dõi chiếc xe sử dụng biểu đồ là: các màu của chiếc xe không được thay đổi đáng kể trong các cấu trúc liên tiếp. Tính toán các biểu đồ khác nhau Trong ảnh dưới có thể thấy sự khác nhau giữa hai biểu đồ liên tiếp (những điểm ảnh màu đen trong hình). Trong kết luận, ta có thể hiểu tại sao nhiều bộ lọc ảnh sử dụng một biểu đồ sẽ có thể nhận dạng và theo dõi xe. Hình 2.21. Thể hiện sự khác nhau giữa hai biểu đồ lien tiếp. Mô tả sơ đồ thuật toán Sơ đồ hình 2.22 mô tả thuật toán dò tìm, nhận dạng và theo dõi xe sử dụng bộ lọc Kalman. Ban đầu, thuật toán cố gắng nhận dạng hình dạng chiếc xe. Nếu nhiều hình dạng được phát hiện bộ lọc theo dõi sẽ được kích hoạt. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 37 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM Hình ảnh sử dụng ngưỡng màu sắc khác nhau Phân loại: Nhập vào các hình ảnh khác nhau để lấy các đối tượng riêng biệt trong hình ảnh ĐỒ ÁN TỐT NGHIỆP Hình ảnh Webcam từ người lái: Hình ảnh nhận được từ webcam Phân tích hình ảnh bằng cách sử dụng toán tử hình thái mở Khôi phục khu vực phía trước Phân tích hình ảnh bằng cách sử dụng toán tử hình thái mở Phân tích hình ảnh bằng cách sử dụng toán tử hình thái mở Phân tích hình ảnh bằng cách sử dụng toán tử hình thái mở Khôi phục khu vực phía trước Khôi phục khu vực phía trước Khôi phục khu vực phía trước Kiểm tra các khía cạnh tỷ lệ hoặc các đối tượng. Nó phải theo tỷ lệ của một hình vuông Thay đổi kích thước hình ảnh được cắt vào một kích thước 30x30 Tái tạo hạt Phân loại: Nhập vào các hình ảnh khác nhau để lấy các đối tượng riêng biệt trong hình ảnh Mạng truyền thẳng: Phân loại hình đã được cắt để kiểm tra xem nó là một chiếc xe hay không Tính toán khối lượng hạt Tạo ra các điểm ngẫu nhiên Tính toán biểu đồ hạt Hình 2.22 Sơ đồ mô tả thuật toán dò tìm, nhận dạng theo dõi xe sử dụng bộ lọc Kalman TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 38 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Bộ lọc màu HSV Tất cả các biển báo giao thông đều được bao quanh bởi các hình đơn giản như hình tròn, tam giác… Để nhận dạng biển báo từ các hình ảnh, bước đầu tiên là xác định vị trí màu của các biển báo, sử dụng gam màu R-G-B (đỏ, lục,lam) đại diện cho các màu. Từ hình ảnh camera, ta cần nhận ra các màu sắc cơ bản. Sử dụng HSV thì dễ hơn vì các thành phần màu sắc, độ bão hòa và độ sáng được lặp lại với cường độ của màu. Hình 2.24. Trong chương trình dưới, sơ đồ cho thấy giải pháp đa hướng được thực hiện bởi bộ lọc HSV. Nó được sử dụng để tìm màu biển báo. Ban đầu, ảnh được chụp từ Camera sẽ được xử lí màu bởi bộ lọc HSV. Hình 2.23 Ảnh chụp các biển báo từ Camera TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 39 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM Sử dụng HSV để lọc sau ngưỡng màu đỏ ĐỒ ÁN TỐT NGHIỆP Sử dụng HSV sau ngưỡng màu xanh Hình 2.24. Kết quả của một khung được lọc sử dụng chỉ một ngưỡng HSV. 2.3.6. Mạng lưới nơ-ron Mạng lưới nơ-ron là hệ thống xử lý thông tin bao gồm các đơn vị xử lí đơn giản, được kết nối và hoạt động song song với nhau. Chức năng của mạng lưới được xác định bởi việc kết nối giữa các yếu tố mạng. Khối lượng kết nối giữa các hình ảnh để ghi nhớ các thông tin đã cài đặt bởi mạng lưới thần kinh. Các mạng lưới được đào tạo bằng cách điều chỉnh trọng lượng của chúng, theo một thuật toán được nạp ở trên. Ứng dụng của mạng lưới nơ-ron đa lớp Phương pháp nơ-ron có thể được ứng dụng thành công trong phần mềm với dữ liệu không đầy đủ, các giá trị sai xung quanh các cụm. Nó là một lớp trực quan cho phép tạo ra mạng lưới nơ-ron đa lớp. Các mạng lưới được đào tạo với một số đại diện của các cụm. Trên mô phỏng, mạng lưới cũng có thể nhận dạng các giá trị khác gần các cụm. Mạng lưới nơ-ron quản lí việc phân loại đầu vào các cụm. Điều này không phải là một TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 40 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP mô hình phù hợp nhưng là một cách để làm việc với dữ liệu không chắc chắn với mô hình perceptron [6]. Đào tạo các mạng lưới nơ-ron Để đào tạo các mạng lưới nơ-ron, ta sử dụng phương pháp Lan Truyền Ngược với động lượng. Trong hầu hết các trường hợp, ta cũng sử dụng Thuật toán Di Truyền để tìm cấu trúc lien kết tốt nhất của mạng lưới. Lan truyền ngược với động lượng Thuật toán di truyền - cho các mạng thần kinh Phát triển với cấu trúc liên kết (mạng lưới thần kinh) Phát triển mạng lưới thần kinh cho nhiều thời gian Mạng lưới thần kinh tốt nhất Hình 2.25. Sơ đồ thể hiện phương pháp Lan truyền ngược với động lượng Các số liệu thuật toán ghi lại Hình 2.26. Biểu đồ thể số lượng biển báo giao thông trên thực tế và khi được nhận dạng. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 41 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Các thành phần phần mềm được thiết kế để có thể lưu các hình ảnh cho mô phỏng. Để lưu dữ liệu mô phỏng cho các biển báo và phát hiện làn đường sử dụng nhiều máy tính và lập trình song song (gồm 3 Camera và 2 máy tính khác nhau). Một máy tính lưu hình ảnh từ vị trí của người lái xe với độ phân giải 800x300 và máy tính còn lại lưu 2 ảnh khác có độ phân giải 352x288. Hình 2.14. Sơ đồ này cho thấy các ứng dụng phần mềm được thiết kế để lưu các hình ảnh bằng cách sử dụng lập trình phân phối và song song. Để đạt được hiệu xuất tối đa từ các máy tính, các phần mềm thành phần được thiết kế sử dụng lập trình song song. Các thuật toán phát hiện biển báo, làn đường và lưu dữ liệu (hình ảnh Camera và dữ liệu GPS) được xây dựng sử dụng các giải pháp đa hướng. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 42 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP CHƯƠNG III: THỬ NGHIỆM TRÊN XE TALOS Vào tháng 11 năm 2007 cơ quan nghiên cứu phát triển quốc phòng Mỹ DARPA đã tiến hành tổ chức cuộc thi thử thách đô thị UCE, đó là lần thứ 3 trong một loạt các cuộc thi nhằm thúc đẩy nghiên cứu và phát triển phương tiện đường bộ tự lái cho lực lượng quốc phòng. Cuộc thi này đã rất thành công và tập hợp đông đảo các nhà nghiên cứu. Cuộc thi thử thách đô thị là một kịch bản đô thị và tương tác giao thông vào trong cuộc thi. Cuộc thi thử thách đô thị năm 2007 là lần đầu tiên chiếc xe tự lái được yêu cầu phải tuân thủ luật giao thông bao gồm: đi đúng làn đường, đi qua ngã tư ưu tiên, chuyển làn đường, vượt xe, tương tác với phương tiện giao thông khác. [7] Tất cả các xe tự lái tham gia cuộc thi đồng thời, vì vậy cuộc thi như một cuộc đua thông thường, ngoài ra mỗi xe đều được giao nhiệm vụ riêng biệt. Những nhiệm vụ này được đưa ra bởi DARPA, yêu cầu mỗi đội hoàn thành 60 dặm trong 6 giờ để kết thúc cuộc đua. Hình thức phạt với những lỗi sai hoặc gây nguy hiểm sẽ đổi thành hình phạt thời gian. DARPA cung cấp cho tất cả các đội tham dự một tập tin hệ thống đường đi RNDF 24 giờ trước khi diễn ra cuộc đua. RNDF như một bản đồ đường phố sử dụng hệ thống định vị toàn cầu GPS được dùng trong xe hơi. Tập tin này để xác định vị trí đường, số làn xe, ngã tư, thậm chí cả không gian đậu xe bằng cách phối hợp với GPS. Vào ngày thi, mỗi đội được cung cấp tập tin thứ hai rất quan trọng là một nhiệm vụ xác định thông tin MDF. Tập tin này bao gồm chỉ một danh sách các điểm kiểm soát hoặc các địa điểm trong RNDF mà yêu cầu chiếc xe phải vượt qua. Mỗi chiếc xe tham gia đã được UCE yêu cẩu phải hoàn thành 3 nhiệm vụ riêng biệt. Hình 3.1 Xe Talos trong vòng loại quốc gia NQE TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 43 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Xe Talos được nhóm nghiên cứu MIT phát triển cho sự kiện UCE. Chiếc xe được thiết kế để nhận thức thông tin ưu tiên cục bộ có khả năng không chính xác so với dữ liệu trên bản đồ trong hệ thống thong tin đường bộ trong khi phải tuân thủ luật giao thông. Ba trong số các tính năng mới quan trọng của hệ thống là: (1) nhận thức dựa trên chiến lược chuyển hướng; (2) thống nhất cấu trúc lập kế hoạc và điều khiển; (3) một cơ sở hạ tầng phần mềm mới mạnh mẽ. Nhóm nghiên cứu MIT là một trong 35 đội tham gia trong vòng loại quốc gia NQE và là 1 trong 11 đội đủ điều kiện cho cuộc thi thử thách đô thị UCE. Xe Talos là 1 trong 6 chiếc đã hoàn thành cuộc đua và kết thúc ở vị trí thứ 4. I. Thuật toán lập kế hoạch và điều khiển Phần này sẽ giải thích thuật toán lập kế hoạch và điều khiển được phát triển trên xe Talos. Bộ định hướng áp đặt hành vi cấp nhiệm vụ cho chiếc xe. Các bộ lập kế hoạch di chuyển, bản đồ khả năng lái và hệ thống điều khiển kết hợp hoạt chặt chẽ để đạt được những chuyển động cần thiết và kiểm soát mục tiêu đặt ra bởi bộ định hướng. Mặc dù môi trường lái xe thường rất phức tạp và khó lường. 1.1. Bộ định hướng Bộ định hướng có nhiệm vụ lập kế hoạch hành vi cấp cao cho chiếc xe, bao gồm:        Chọn con đường ngắn nhất đến trạm kiểm soát tiếp theo. Sự ưu tiên, băng qua và gia nhập vào giao lộ. Vượt qua. Lập lại kế hoạch tắc nghẽn. Tạo ra mục tiêu cho bộ lập kế hoạch chuyển động. Tạo ra thời gian cho bộ đếm giờ chuẩn đoán. Bật tín hiệu. Sự thay đổi quan trọng của bộ định hướng là nhiệm vụ lập kế hoạch cấp cao, nó được tách hoàn toàn từ nhiệm vụ lập kế hoạch cấp thấp bằng cách thay đổi một thông tin dạng nén. Bộ định hướng cho phép bộ lập kế hoạch chuyển động bằng cách điều chỉnh vị trí của mục tiêu (xem phần 3.3), đó là một điểm trong khung cục bộ mà bộ định hướng dự định chiếc xe đi qua trong tầm 40-50 mét. Sau đó, bộ lập kế hoạch chuyển động chịu trách nhiệm tránh chướng ngại vật, các xe và đi theo làn đường trong khi di chuyển đến các mục tiêu này. Những yếu tố đầu vào chính của bộ định hướng là thông tin làn đường, khung phân phối chính và tình trạng chiếc xe. Hai lần mỗi giây, bộ định hướng tính lại làn đường gần chiếc xe nhất và sử dụng nó như điểm khởi đầu để tìm trạm kiểm soát tiếp theo. Việc tìm kiếm mạng lưới đường bộ này sử dụng thuật toán A* [8] để tìm con đường tiếp theo với TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 44 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP thời gian thấp nhất. Giới hạn tốc độ của mỗi đoạn đường được sử dụng để ước lượng khoảng thời gian này và thêm thời gian chậm trễ cho mỗi lần chuyển làn đường và giao nhau. Vì việc tìm kiếm được thực hiện liên tục tại tần số 2 Hz. Đầu ra chính của bộ định hướng là điểm mục tiêu, nó được gửi đến bộ lập kế hoạch chuyển động. Mục tiêu thường được đặt tại nút đường trong mạng lưới đường bộ vì các điểm này được đảm bảo nằm trên đường. Mục tiêu được di chuyển đến nút tiếp theo trước khi chiếc xe đến quá gần, do đó chiếc xe cần phải di chuyển chậm lại để tránh vượt qua mục tiêu. Bằng cách này, mục tiêu hoạt động như một điều kiện để thúc đẩy bộ lập kế hoạch hoạt động. Nếu bộ định hướng muốn xe dừng lại ở một giao lộ, nó giữ mục tiêu cố định trên vạch dừng. Sau đó, bộ lập kế hoạch chuyển động sẽ đưa chiếc xe đến điểm dừng được kiểm soát. Một khi giao lộ trống vắng, mục tiêu được chuyển sang nút đường tại lối ra của giao lộ. 1.1.1 Ưu tiên giao nhau Hình 3.2. Tầm quan sát của bộ định hướng tại giao lộ ưu tiên. PX là xe ưu tiên tại lối vào của nó, PC là xe tại vạch dừng không ưu tiên hoặc không có xe. IX là một đối tượng di chuyển trong giao lộ. Xe Talos sẽ di chuyển qua giao lộ khi xe tại vị trí PX di chuyển sang PC và tại IX cũng di chuyển sang PC. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 45 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Thuật toán điều khiển cho việc ưu tiên tại điểm giao nhau, băng qua giao lộ và gia nhập giao thông được nằm hoàn toàn trong bộ định hướng. Như mô tả ở trên, mục tiêu di chuyển là cơ chế mà bộ định hướng ảnh hưởng đến bộ lập kế hoạch chuyển động trong các tình huống. Sự tách biệt này làm giảm đáng kể sự phức tạp của bộ lập kế hoạch. Khi chiếc xe đến một giao lộ, các lối vào giao lộ khác được kiểm tra với những chướng ngại vật lớn. Nếu hiện tại có một chướng ngại vật lớn, nó sẽ được xem như một chiếc xe và nhường sự ưu tiên. Trong khi xe Talos đợi, nếu một trong ba điều kiện sau đúng, lúc này các xe khác không còn được ưu tiên: (1) Xe bắt đầu di chuyển vào giao lộ. (2) Chướng ngại vật đó biến mất hơn 4 giây. (3) Bộ đếm thời gian vật cản hết giờ. Bất kỳ lúc nào xe Talos cũng đợi nếu có một chướng ngại vật đang di chuyển trong giao lộ mà quỹ đạo của nó không mang nó ra ngoài trong vòng 1 giây. Hình 3.2 Cho thấy ảnh chụp tại một ngã tư với những thử nghiệm đang thực hiện. Logic thời gian va chạm được sử dụng để thực hiện hành vi băng qua và nhập vào. Khi đến giao lộ, nếu tiến về phía trước sẽ băng qua hoặc nhập vào bất kỳ làn đường nào không có tín hiệu dừng, thì xe Talos sẽ đến một điểm dừng. Đối với mỗi làn đường, xe Talos tìm điểm giao nhau với làn đường khác và đo thời gian va chạm với bất kỳ phương tiện nào đi vào từ làn đường đó. Nếu thời gian va chạm dưới 9 giây, thì xe Talos nhường cho phương tiện giao thông đó di chuyển trước. Xe Talos đến một điểm dừng bất kỳ khi nào chiếc xe đã ở trên một "lối ra" để băng qua mà cả hai đều không có tín hiệu dừng. Trên thực tế là định dạng trong tập tin RNDF không có gì khác biệt giữa các lối ra, xe Talos có thể tiếp tục di chuyển mà không cần dừng. Nhưng một điểm dừng trên các lối ra thì cần thiết. 1.1.2. Vượt qua Bộ định hướng có thể sử dụng một tình trạng bổ sung để điều khiển vượt qua và nó gửi đến bộ lập kế hoạch chuyển động. Bên cạnh mục tiêu, bộ định hướng thông báo liên tục cho bộ lập kế hoạch chuyển động cho phép di chuyển trên làn đường hiện tại hay được di chuyển trên cả làn đường đối diện. Khi xe Talos xếp hàng phía sau một chiếc xe đã dừng, đầu tiên bộ định hướng xác định liệu vượt qua thì được cho phép hay là không (ví dụ trên một con đường hai làn xe và không nằm trong khu vực an toàn). Trường hợp được phép, bộ định hướng kiểm tra làn đường ngược chiều là thông thoáng thì nó sẽ gửi tín hiệu đến bộ lập kế hoạch chuyển động để cho phép chiếc xe di chuyển vào làn đường TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 46 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP đối diện. Vị trí mục tiêu sẽ không thay đổi nếu bộ lập kế hoạch chuyển động có thể tìm thấy một con đường vòng qua chiếc xe dừng. 1.1.3. Tắc nghẽn và chế độ chuẩn đoán Để xử lý những tình huống không mong muốn hoặc không thể đoán trước có thể xảy ra trong môi trường đô thị, cần sử dụng bộ đếm giờ chuẩn đoán và bộ đếm giờ tắc nghẽn. Bộ đếm giờ chuẩn đoán đếm từ số 0 khi chiếc xe dừng lại. Khi di chuyển, bộ đếm giờ sẽ chuyển về 0. Khi đạt đến 80s, chế độ chuẩn đoán được tăng lên và thiết lập lại về 0. Do đó, hoạt động bình thường là chế độ chuẩn đoán 0. Khi xe Talos ở chế độ chuẩn đoán 1, chiếc xe phải đi qua một khoảng cách định trước trong RNDF trước khi trả về chế độ 0. Khi chiếc xe bắt đầu di chuyển, việc kết hợp giữa bộ đếm giờ và các chế độ chuẩn đoán đảm bảo rằng các hành vi chuẩn đoán được loại bỏ dần dần khi xe Talos bắt đầu tiến tới hơn là lùi lại. Các đơn vị khác trong hệ thống có thể thay đổi trạng thái của nó dựa trên giá trị của chế độ chuẩn đoán và bộ đếm giờ để đảm bảo chiếc xe "không mắc kẹt". Sau đây tóm tắt logic chuẩn đoán được thực hiện trong các đơn vị khác nhau:  Chế độ chuẩn đoán 0: 10 giây: Nới giãn giới hạn cho phép vạch trung tâm của đường. 10 giây: Thu nhỏ khoảng cách xung quanh chướng ngại vật từ 30-15 cm. 15 giây: Kích hoạt chế độ chuyển động lùi. 20 giây: Thu nhỏ khoảng cách xung quanh chướng ngại vật từ 15-0 cm. 30 giây: Cho phép chạy được lên các lề đường thay vì không vượt qua được. 35 giây: Không giới hạn khu vực xung quanh mục tiêu. 80 s: Chuyển sang chế độ chuẩn đoán 1.  Chế độ chuẩn đoán 1: 0 s: Không quan sát khoảng cách đến chướng ngại vật cố định. 0 s: Cho phép băng qua vạch phân cách bất cứ khu vực nào. 80 s: Chuyển sang chế độ chuẩn đoán 2.  Chế độ chuẩn đoán 2: 0 s: Không theo dõi khoảng cách tắc nghẽn từ chướng ngại vật di động. 0 s: Không tính giới hạn làn đường và lúc này điều hướng như thể khu vực là một chướng ngại vật. 0 s: Thu nhỏ khoảng cách được sử dụng để kiểm tra tính khả thi, khi chiếc xe di chuyển về trước nó bỏ qua phần khoảng cách phía sau, và ngược lại, bỏ qua một phần khoảng cách phía trước. 80 s: Chuyển sang chế độ chuẩn đoán 3. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 47 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP  Chế độ chuẩn đoán 3: 0 s: Khởi động lại tất cả các quá trình ngoại trừ lịch trình, đơn vị điều khiển xe tự lái và quản lý tiến trình. Xe Talos sẽ chạy ở chế độ chuẩn đoán 0 sau khi khởi động lại vì bộ định hướng cũng được khởi động lại. Thêm vào đó, ở các chế độ chuẩn đoán cao hơn, các tín hiệu phát hiện chướng ngại vậy của máy dò sẽ được nới giãn, nhưng không nới giãn đến điểm mà xe Talos lái vào một chướng ngại vật nhìn thấy rõ. Bộ đếm thời gian tắc nghẽn hoạt động tương tự như bộ đếm thời gian chuẩn đoán nhưng chỉ đếm nếu xe Talos đang trên con đường hai chiều có thể quay đầu. Nếu bộ đếm đạt đến 50s xe Talos bắt đầu quay đầu bằng cách di chuyển mục tiêu đến một điểm phía sau xe nằm trong làn đường đối diện. Khi thực hiện các thao tác như quay đầu và vượt qua trong không gian hẹp, có thể mất nhiều thời gian mà xe không tiến nhiều về phía trước. Để đảm bảo rằng thao tác đang được thực hiện không bị gián đoạn, bộ đếm thời gian chuẩn đoán và tắc nghẽn tăng chậm để bộ lập kế hoạch chuyển động tìm thấy một giải pháp để thực hiện. 1.2. Bản đồ khả năng lái Để kích hoạt thuật toán lập kế hoạch đường đi giao tiếp với môi trường đã nhận biết, dữ liệu nhận thức được hoàn lại thành một bản đồ khả năng lái. Hình 3.3 Bản đồ khả năng lái bao gồm: (a) Vùng không khả thi: khu vực không đi vào vì gần chướng ngại vật hoặc vị trí không mong muốn. (b) Khu vực chi phí cao: lập kế hoạch chuyển động nên tránh nếu có thể. (c) Khu vực hạn chế: có thể đi vào chỉ khi chiếc xe có thể dừng lại ở một khu vực không bị hạn chế xa hơn phía trước. Khu vực hạn chế được sử dụng để cho phép những vi phạm nhỏ ranh giới đường nếu xe đi tới. Khu vực giới hạn cũng được sử dụng sau những chiếc xe khác để đảm bảo khoảng cách yêu cầu giữa xe Talos và một phương tiện khác.Nếu có đủ không gian để vượt qua một chiếc xe mà không cần vượt qua ranh giới đường thì xe Talos sẽ đi vào khu vực bị hạn chế và tiếp tục trong khu vực không hạn chế ở phía trước. Nếu các phương tiện giao thông chặn làn đường, xe Talos sẽ không đi vào khu vực hạn chế vì không có khoảng trống không hạn chế ở phía trước. Chiếc xe sẽ dừng phía sau khu vực bị hạn chế TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 48 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP trong trạng thái xếp hàng cho đến khi phương tiện giao thông di chuyển hoặc bắt đầu một thao tác vượt qua. Hình 3.3. Bản đồ khả năng lái hình mũi tên (bên trái): Vị trí mục tiêu ngắn hạn. Vùng màu đỏ: khu vực không khả thi giới hạn cho xe. Vùng màu lam: khu vực hạn chế, xe có thể đi vào chỉ khi nó có thể dừng lại ở một khu vực không bị hạn chế xa hơn phía trước. Vùng màu xám: vùng chi phí cao thể hiện khu vực tiếp cận với chiếc xe. Như đã thảo luận trước đó, bộ định hướng chứa một chuỗi các sự kiện được kích hoạt bởi một quá trình tiến triển. Ví dụ, sau 10 giây xếp hàng sau một chiếc xe đứng yên, bộ định hướng sẽ chuyển sang chế độ vượt qua. Chế độ này nới giãn giới hạn vạch trung tâm. Sau đó bản đồ khả năng lái sẽ quét làn đường hiện tại đến khi xe chạy được. Nếu không nhận thấy chướng ngại vật, xe Talos sẽ lập một quỹ đạo vòng qua chiếc xe đang dừng. Những chướng ngại vật cố định được đưa vào bản đồ khả năng lái như một vùng không khả thi được mở rộng bằng cách thêm biên độ an toàn 30cm. Nếu chiếc xe dừng trong một thời gian dài, biên độ này giảm về 0 để kích hoạt chiếc xe chen qua khoảng trống phù hợp mà chiếc xe vẫn không va vào chướng ngại vật. Việc phát hiện chính xác một chiếc xe là không thể, thay vào đó chướng ngại vật di động được đưa vào bản đồ khả năng lái như một khu vực không khả thi được dự báo ở phía trước chiếc xe tỷ lệ thuận với vận tốc tức thời của xe đó. Hình 3.4 (a), nếu chướng ngại vật di động ở trên một làn đường thì khu vực không khả thi được dự báo theo hướng làn đường. Nếu chướng ngại vật di động ở trong khu vực không định hướng rõ ràng, khu vực đó được dự báo theo hướng vận tốc. Trong một giao lộ, hướng vận tốc chướng ngại vật được so sánh với hướng ra giao lộ. Nếu một lối ra tốt được tìm thấy, khu vực không có định hướng rõ ràng được dự báo từ chướng ngại vật đến điểm đường lối ra. Ban đầu, để tìm quỹ đạo tối ưu chỉ sử dụng đoạn đường không va chạm với chướng ngại vật. Điều này có thể chọn con đường rất gần với chướng ngại vật. Một cải tiến quan TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 49 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP trọng của phương pháp tiếp cận mới là các khái niệm về rủi ro. Trong cách tiếp cận chọn lọc này, khi ước lượng tính khả thi của một quỹ đạo, bản đồ khả năng lái cũng quy về một giới hạn chướng ngại vật và ranh giới đường. Dựa vào số liệu tổng hợp này, quỹ đạo tốt nhất có xu hướng tránh xa những chướng ngại vật và ranh giới làn đường mà vẫn cho phép chiếc xe đến gần với giới hạn trên một con đường hẹp. Đối tượng theo dõi là con đường dự định không được biết trước (chẳng hạn như trong giao lộ hoặc các khu vực). (a) (b) Hình 3.4. (a) Một khu vực không khả thi được dự báo theo hướng làn đường. (b) Giới hạn trong một giao lộ, một khu vực không khả thi được tạo ra giữa chướng ngại vật di động và lối ra theo hướng vận tốc. Điều chỉnh ranh giới làn đường Khi sử dụng hệ thống quan sát làm cơ sở để ước lượng làn đường, sự khác biệt giữa làn đường trong RNDF và làn đường dựa trên quan sát có thể rất quan trọng. Khi hệ thống quan sát đột nhiên mất làn đường theo dõi hoặc tìm được một làn đường mới, khoảng ước lượng làn đường có thể thêm hơn một mét. Để cung cấp cho bộ lập kế hoạch một giới hạn ranh giới làn đường trơn tru, ranh giới làn đường được điều chỉnh bằng cách sử dụng hình dạng xe hiện tại. Hình 3.5 cho thấy trường hợp chiếc xe không nằm trong ranh giới làn đường ước lượng. Bằng cách tạo khu vực từ cấu hình hiện tại đến một vài TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 50 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP điểm ở phía trước trên làn đường giải quyết các vấn đề bất khả thi ban đầu. Điều này cũng rất hữu ích khi xe vượt qua ranh giới đường, vì bộ lập kế hoạch sẽ không hãm phanh quá cứng chỉ vì chiếc xe đã vi phạm giới hạn ranh giới đường. Hình 3.5. Điều chỉnh “co giãn” làn đường. Khi chiếc xe ra khỏi làn đường, làn đường được điều chỉnh để chiếc xe không phanh như kết quả của việc vượt qua ranh giới đường. Một điều chỉnh tương tự cũng được thực hiện khi hệ thống quan sát không phát hiện ra bất kỳ tín hiệu nào của làn đường nhưng lề đường được phát hiện bởi Lidar. Trong trường hợp như vậy, làn đường được điều chỉnh phù hợp với lề đường để tránh mâu thuẫn cho lề đường và làn đường. Mỗi vòng lặp của bộ lập kế hoạch chuyển động thực hiện kiểm tra nhiều lần quỹ đạo đối lập với bản đồ khả năng lái. Do đó, hiệu suất tính toán bản đồ khả năng lái chạy trên một chuỗi độc lập bên trong bộ lập kế hoạch chuyển động. 1.3. Bộ lập kế hoạch chuyển động Bộ lập kế hoạch nhận mục tiêu từ bộ định hướng. Đầu ra của bộ lập kế hoạch được xem như là một con đường và một lệnh tốc độ được gửi đến bộ điều khiển ở mức độ thấp tại tần số10 Hz. Phương pháp tiếp cận được dựa trên RRT, quỹ đạo khả thi của cây kinodynamically[9] được xây dựng bằng cách lấy nhiều điểm ngẫu nhiên. Ý tưởng cơ bản là tạo ra một mẫu và chạy mô phỏng hệ thống điều khiển xe tiến về phía trước. Các quỹ đạo mô phỏng được kiểm tra với bản đồ khả năng lái và các mẫu được loại bỏ hoặc thêm vào cây dựa trên tính khả thi. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 51 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.3.1. Lập kế hoạch trên vòng lặp động lực học Mở rộng đầu tiên là lấy mẫu đầu vào cho bộ điều khiển và chạy mô phỏng vòng lặp. Phương pháp tiếp cận RRT lấy mẫu đầu vào điển hình cho chiếc xe. Tuy nhiên, nếu chiếc xe không ổn định, rất khó lấy mẫu ngẫu nhiên để xây dựng quỹ đạo ổn định. Hơn nữa, đầu vào cho chiếc xe phải thay đổi để đạt được hoạt động tổng thể, yêu cầu mẫu được thực hiện theo tỉ lệ rất cao hoặc một quá trình làm trơn tru tùy ý được sử dụng. Bằng cách kết thúc vòng lặp đầu tiên trên xe với bộ điều khiển ổn định và sau đó lấy mẫu đầu vào cho hệ thống điều khiển xe, cách tiếp cận dễ dàng xử lý các phương tiện có động thái không ổn định. Hành vi tiếp theo của chiếc xe được dự đoán bằng cách sử dụng mô phỏng hướng tới. Các mô phỏng bao gồm mô hình chiếc xe và thực hiện chính xác như bộ điều khiển thực hiện (xem mục 3.4). Vì bộ điều khiển theo dõi các tham chiếu, các lỗi dự đoán của vòng lặp tiếp cận này nhỏ hơn nhiều so với dự đoán vòng hở, nó chỉ sử dụng động lực học chiếc xe trong một mô phỏng về phía trước. Trong hình 3.6 cây dự đoán bao gồm đầu vào cho các bộ điều khiển (thiết lập các điểm kết nối đường) và quỹ đạo được dự đoán (bổ sung cài đặt đường cong). Hình 3.6. Minh họa kế hoạch chuyển động. Mỗi lá của cây tượng trưng cho một vị trí dừng. Các điểm kiểm soát chuyển động được chuyển thành một con đường dự đoán. Con đường dự đoán được kiểm tra khả năng lái (đường cong). Vòng lặp RRT có thêm một vài thuận lợi. Thứ nhất, mô phỏng về phía trước có thể dễ dàng kết hợp bất kỳ bộ điều khiển phi tuyến hoặc chiếc xe động lực phi tuyến nào. Thứ TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 52 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP hai, đầu ra của bộ mô phỏng vòng lặp xây dựng tính khả thi năng động. Thứ ba, bởi vì bộ điều khiển theo dõi ở mức thấp nên có thể hội tụ vào hành vi vĩ mô bằng cách gửi cho bộ điều khiển một con đường thẳng đến mục tiêu hoặc một con đường theo làn đường trung tâm. Điều đó làm đơn giản đáng kể sự lan rộng của cây và phù hợp với thời gian lập kế hoạch thực tế. Thuật toán 2: thuật toán lập kế hoạch dựa trên RRT 1. Repeat 2. Nhận tình trạng xe và môi trường hiện tại 3. Tình trạng lan truyền bằng cách giới hạn thời gian tính toán 4. Repeat 5. Lấy một mẫu đầu vào cho bộ điều khiển 6. Chọn một nút trên cây sử dụng chuẩn đoán 7. Lan truyền từ nút đã chọn đến mẫu 8. If con đường lan truyền khả thi với bản đồ khả năng lái then 9. Thêm nút nhánh trên con đường 10. Thêm mẫu và nút nhánh trên cây 11. For mỗi nút v mới được thêm do 12. Lan truyền đến mục tiêu 13. If con đường lan truyền khả thi với bản đồ khả năng lái then 14. Thêm con đường vào cây 15. Đặt chi phí con đường được lan truyền như ràng buộc trên của chi phí để đi tại v 16. End if 17. End for 18. End if 19. Until đạt đến thời gian giới hạn 20. Chọn quỹ đạo tốt nhất trên cây và kiểm tra tính khả thi với bản đồ khả năng lái mới nhất 21. If quỹ đạo tốt nhất không khả thi then 22. Xóa phần không khả thì từ cái cây và thực hiện lại bước 2 23. End if 24. Gửi quỹ đạo tốt nhất đến bộ điều khiển 25. Until chiếc xe đạt được mục tiêu TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 53 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.3.2. Duy trì an toàn như một cài đặt bất biến Đảm bảo an toàn cho chiếc xe trong một môi trường khắc nghiệt và không chắc chắn là tính năng quan trọng của hệ thống lập kế hoạch. Trong điều kiện lái xe bình thường, khi một chiếc xe đến một điểm dừng, nó có thể ở đó một khoảng thời gian không xác định mà vẫn an toàn. Sử dụng trạng thái dừng này như một trạng thái an toàn bất biến, RRT yêu cầu một vị trí dừng tại điểm cuối của tất cả các nhánh. Các hình tròn lớn trong hình hiển thị các nút dừng trong cây và mỗi mô phỏng kết thúc khi chiếc xe đến một điểm dừng. Sự tồn tại của các nút dừng đảm bảo rằng luôn luôn có một cách khả thi để đến một điểm dừng an toàn khi xe đang di chuyển. Nếu không có một nút dừng an toàn ở cuối con đường thì xe Talos sẽ không thực hiện nó. 1.3.3. Lấy mẫu lệch . Samples ____ 1- line (a) (b) Hình 3.7. (a) Lấy mẫu lệch Gaussian. Trục x, y đơn vị mét. (b) Lần lượt lấy mẫu lệch cho ba điểm, vị trí xe Talos sau lượt quay đầu tiên của lần quay. Một phần mở rộng khác từ thuật toán RRT là nó sử dụng môi trường theo cấu trúc vật lý và logic để lấy mẫu lệch. Các mẫu được lấy trong hai kích cỡ và chúng được sử dụng để làm mẫu đầu vào bộ điều khiển lái. Để lấy một mẫu (xsample,ysample), sử dụng phương trình sau: , , , Trong đó: và là các biến ngẫu nhiên của phân phối Gaussian, và là đường kính và chu vi có giá trị là 1-σ, và là đường song song và ( , ) là tâm của đám mây Gaussian. Hình 3.7 (a) cho thấy 100 mẫu và đường 1-σ, với các giá trị tham số sau: TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 54 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP = 10, = π / 4, = 5, = π / 3, và ( , ) = (0, 0). Những giá trị lệch khác nhau được sử dụng dựa trên vị trí xe (một làn đường, một giao lộ hoặc một bãi đậu xe). Các thông tin tình huống từ bộ định hướng (như giới hạn tốc độ, cho phép vượt qua và cho phép quay đầu) cũng được sử dụng để tạo ra mẫu lệch khác nhau. Hình 3.7 (b) cho thấy các mẫu được tạo ra trong khi thiết kế một thao tác quay đầu. Để thực hiện N điểm quay đầu tổng quát trong môi trường thực tế, việc lấy mẫu bao gồm cả phía trước và phía sau. Một mẫu hình nón được tạo ra ở phía trước bên trái của xe để bắt đầu quay (nó xuất hiện ở phía trên bên trái của con đường được hiển thị). Một tập hợp các mẫu nghịch đảo cũng được tạo ra, xuất hiện ở bên phải của đường hiển thị. Những mẫu này sẽ được sử dụng sau khi thực hiện lượt quay đầu tiên về phía trước. Sau đó, một tập các mẫu khác được tạo ra phía trước bên trái vị trí chiếc xe hiện tại (nó xuất hiện ở phía dưới bên trái của con đường hiển thị), để sử dụng khi hoàn thành vòng quay. Ví dụ, các giá trị tham số được sử dụng cho một trong ba cài đặt xác định thao tác quay đầu, tương ứng là: = 8, = π/10, = 3, và = 4π / 9; = 10, = π/10, = 5, và =-π / 4 và = 12, = π/10, = 7, và = π. Mẫu cho lượt đầu tiên của thao tác quay đầu được định vị tương đối so với xe. Mẫu cho mỗi lượt tiếp theo trong thao tác quay đầu được vẽ nhưng vẫn tôn trọng vị trí mẫu trước. Việc sử dụng các cấu trúc tình huống hoặc môi trường có xu hướng tăng đáng kể xác suất tạo ra quỹ đạo khả thi, làm cho RRT phù hợp với thời gian ứng dụng thực tế. Nhóm nghiên cứu MIT đã sử dụng một kế hoạch duy nhất cho toàn bộ cuộc đua, cho thấy tính linh hoạt và khả năng mở rộng của thuật toán lập kế hoạch này. 1.4. Bộ điều khiển Bộ điều khiển nhận kế hoạch chuyển động và điều khiển tăng tốc, phanh, lái và lệnh chuyển số (gọi chung là tín hiệu điều khiển), nó theo dõi kế hoạch chuyển động mong muốn. Kế hoạch chuyển động chứa các thông tin giống như đầu vào bộ điều khiển được sử dụng trong việc dự đoán kế hoạch và bao gồm một danh sách điểm (x, y) để xác định đường dẫn tài liệu tham khảo từng phần cho bộ điều khiển lái và tốc độ liên quan. Bộ điều khiển có hai thành phần: một bộ điều khiển giúp đuổi theo chiếc xe khác và một bộ điều khiển tốc độ PI. Một bộ điều khiển PI đơn giản được thực hiện để theo dõi tốc độ được yêu cầu. Hai đơn vị trung tâm được đặt trong bộ điều khiển thực thi, nhưng cũng nằm trong bộ lập kế hoạch chuyển động để dự đoán quỹ đạo. Tín hiệu điều khiển tạo ra được gửi đến ADU để thực thi và bộ điều khiển chạy vòng lặp tại tần số 25Hz. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 55 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.4.1. Bộ điều khiển lái Điều khiển lái ở mức độ thấp sử dụng một phiên bản sửa đổi của quy luật về điều khiển đuổi theo, để lái chiếc xe dọc theo con đường mong muốn. Quy luật điều khiển lái được đưa ra bởi: , Trong đó L là chiều dài cơ sở chiếc xe, là khoảng cách cố định giữa việc theo đuổi điểm neo thuần khiết và trục sau, η là góc giữa hướng xe và hướng đường tham khảo, và là tầm nhìn về phía trước trên con đường tham khảo mà bộ điều khiển nhắm đến. Một khoảng cách nhìn về phía trước nhỏ hơn tạo ra một bộ điều khiển có lợi ích cao và thực hiện theo dõi tốt hơn. Tuy nhiên, để đảm bảo sự ổn định chống lại sự chậm trễ hệ thống, phải được mở rộng theo tốc độ. Hình 3.8 đồ thị thể hiện mối quan hệ giữa và tốc độ yêu cầu. có giá trị tối thiểu để đảm bảo rằng bộ điều khiển ổn định ở tốc độ thấp. cũng được giới hạn trên, để đảm bảo rằng các điểm nhìn từ phía trước vẫn nằm trên con đường và trong phạm vi đáng tin cậy. Hình 3.8. Khoảng cách L1 như một chức năng của tốc độ điều khiển. Để nâng cao việc thực hiện theo dõi quỹ đạo, bộ điều khiển quy mô như một chức năng yêu cầu tốc độ. được xác định như một tính năng để đo được tốc độ xe. Kết quả là bất kỳ lỗi nào trong việc dự đoán tốc độ có thể chuyển thành một khác được sử dụng bởi các dự báo lập kế hoạch chuyển động và thực hiện điều khiển, mà hiệu quả thay đổi bộ điều khiển lái tăng. Trong phương pháp tiếp cận cuối cùng, bộ lập kế hoạch RRT TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 56 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP xác định thông tin tốc độ điều khiển, với kết quả để bộ điều khiển tốc độ và lái được tách riêng. 1.4.2. Bộ điều khiển tốc độ Hình 3.9. Đồ thị chuyển đổi giữa đầu ra bộ điều khiển tốc độ và điện áp yêu cầu. Bộ điều khiển tốc độ là một bộ điều khiển băng thông thấp với những lợi ích sau: , Đầu ra của bộ điều khiển tốc độ u nhận một giá trị tiêu chuẩn [-1 ÷ 1]. Sử dụng một phần bản đồ tuyến tính thể hiện trong hình 3.4.2, u được chuyển đổi thành lệnh điện áp đến ADU. Lưu ý rằng việc kiểm tra ban đầu cho thấy rằng giao diện xe EMC có một đoạn “chết” từ 1.850 và 3.200 mV. Để đạt được một hành vi dịch chuyển trơn tru, khi đầu ra bộ điều khiển tiêu chuẩn là nhỏ (ví dụ, | u | ≤ 0,05), không được tăng tốc hoặc phanh. Để bỏ qua đoạn “chết” và nhanh chóng đáp ứng các lệnh điều khiển, đầu ra dương (u = 0,05) tương ứng với giới hạn trên của đoạn chết 3.200 mV và đầu ra âm (u = -0.05) tương ứng với giới hạn dưới của đoạn chết, 1.850 mV. Để giúp làm giảm lỗi dự báo, lệnh tốc độ được gắn với vị trí xe được dự đoán hơn là thời gian. Các tham chiếu dựa theo thời gian hướng một mắc nối giữa bộ điều khiển lái TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 57 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP và điều khiển tốc độ, ngay cả khi được lên kế hoạch như một chức năng của tốc độ điều khiển. Ví dụ, nếu tốc độ xe thực tế tăng chậm hơn so với dự đoán thì một lệnh điều khiển tốc độ được thay đổi, điều khiển tốc độ theo thời gian sẽ làm lớn hơn so với được dự đoán khi đạt đến vị trí tương tự. Sự khác biệt này của có thể dẫn đến một lỗi lái xe quan trọng. Sự tham chiếu dựa trên không gian làm cho việc thực hiện lái tương đối không nhạy cảm với các loại lỗi dự đoán tốc độ. II. KẾT QUẢ CUỘC THI Xe Talos đã vượt qua vòng loại quốc gia thành công đầu tiên để sau đó hoàn thành cuộc thi đô thị DARPA. 2.1. Hoạt động trong sự kiện vòng loại quốc gia NQE Sự kiện này bao gồm ba khu vực kiểm tra. Khu vực A thử nghiệm băng qua và sáp nhập vào giao thông. Khu vực B thử nghiệm chuyển hướng, đậu xe và vượt qua phương tiện đang dừng. Khu vực C kiểm tra giao nhau ưu tiên và lập kế hoạch khi đường tắc nghẽn. Sự kiện này cũng là cơ hội đầu tiên kiểm tra xe Talos trong một khóa kiểm tra được DARPA thiết kế. Ngày đầu tiên, chúng tôi đã kiểm tra khả năng của xe Talos không chỉ hoàn thành nhiệm vụ mà còn tương thích với các hệ thống tọa độ và quy ước RNDF. Nhóm nghiên cứu MIT đã hoàn thành nhiệm vụ trong một ngày cho vòng loại 3 ngày đầu tiên và một chuỗi thử nghiệm gồm năm nhiệm vụ vào ngày thứ tư. Bảng: Kết quả cho tất cả các bài kiểm tra NQE của Talos. STT 1 2 Ngày T7-27-10 CN-28-10 3 T2-29-10 4 T3-30-10 5 T4-31-10 Lịch trình NQE Kết quả Thử nghiệm 1 khu vực B Hoàn thành Thử nghiệm 1 khu vực C Hoàn thành, nhưng đã đi xung quanh các rào cản. Thử nghiệm 1 khu vực A Hoàn thành: an toàn, nhưng chậm (7 vòng trong 24 phút). Thử nghiệm 2 khu vực B Vẫn còn thực hiện, nhưng đã hết thời gian Thử nghiệm 2 khu vực C Vượt ra ngoài đường sau 2 lượt quay tại nơi tắc nghẽn. Thử nghiệm 2 khu vực A Hoàn thành: an toàn và nhanh hơn (10 vòng trong 12 phút). Thử nghiệm 3 khu vực B Hoàn thành. Thử nghiệm 3 khu vực C Hoàn thành sau khi kết thúc lượt quay tại khu tắc nghẽn đầu tiên. --------- TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 58 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Vượt qua thành công bài kiểm tra vòng loại và sau đó cuộc đua đã yêu cầu điều chỉnh lên cấp độ vĩ mô để quản lý chiếc xe trong các tình huống không chắc chắn:  Không tiến tới do tắc nghẽn đường so với lỗi nhận thức (như một lề đường không được phát hiện).  Không tiến tới do một chiếc xe đang xếp hàng phía sau vượt qua so với lỗi nhận thức (ví dụ như một lỗi vị trí làn xe).  An toàn so với hành vi quá thận trọng. (a) (b) (c) (d) Hình 3.10. Thử nghiệm đầu tiên khu B. (a) bản đồ đường nguy hiểm hiển thị địa hình nguy hiểm ngang con đường ở cuối khu vực. Dốc đứng trên làn đường thử thách được phát hiện như là một cái rãnh. (b) Vị trí làn đường không chắc chắn giữa các điểm kiểm soát thể hiện bằng cách nới giãn làn đường. (c) Vị trí mục tiêu đậu xe bên dưới phía trước. (d) Sự tắc nghẽn ảo được sử dụng để thực hiện hành vi vượt qua dẫn đến kết quả không mong muốn. Sau khi rời khỏi dốc khởi hành, ranh giới từ khu vực khởi hành được nâng lên 15cm thành dốc đứng tạo nên làn đường thử thách. Dốc đứng này được chiếc xe phát hiện như một cái rãnh được hiển thị trong hình 3.10 (a). Để lái xe xuống dốc, chiếc xe đã tìm một TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 59 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP tuyến đường khác để đi nhưng không thể thực hiện, cuối cùng việc chuẩn đoán đã nới giãn những ràng buộc để tránh xảy ra lỗi. Sau đó chiếc xe đã lái xuống con đường thử thách. Hình 3.10 (b) Cho thấy cách hệ thống dựa trên nhận thức vị trí để định vị dữ liệu bản đồ RNDF. Làn đường phía trước của chiếc xe được nới giãn ra, sự giãn nở dừng lại tại những điểm điều khiển nhất định của làn đường. Trong khi xe Talos cố gắng đậu, chúng tôi nhắm vào sự khác biệt đầu tiên trong cách giải thích RNDF của đội MIT và DARPA. Hình 3.10 (c) Cho thấy điểm mục tiêu của chiếc xe đang cố gắng di chuyển đến bãi đậu xe ở phía trước. Đối với các điểm đậu xe và các trạm kiểm soát khác, chúng tôi đã cố gắng đưa trung tâm chiếc xe vượt qua trạm kiểm soát. Để thực hiện điều này, chúng tôi đã đặt vị trí mục tiêu phía trước trạm kiểm soát để làm chiếc xe vượt qua trạm kiểm soát. Các vị trí của xe và các điểm đỗ xe cho thấy rằng DARPA chỉ đơn giản yêu cầu chiếc xe lái đến trạm kiểm soát trong thử nghiệm này. Phương thức lấy mẫu của kế hoạch RRT là giả định rằng điểm đậu xe thì trống. Các chỗ đậu xe đã chặn lại làm cho nhiều mẫu bị loại vì phần cuối của quỹ đạo không khả thi. Đây là lý do tại sao xe Talos mất hơn một phút trong khu vực đậu xe. Trong cuộc đua cuối cùng, một chiến lược lấy mẫu mới đã được phát triển để xe Talos đến càng gần trạm kiểm soát trong chỗ đậu xe càng tốt, nó có thể được thực hiện nhanh hơn nhiều. Hình này cũng cho thấy một vài phát hiện chướng ngại vật ảo nhất thời được tạo ra trong khu vực đậu xe. Để đảm bảo rằng xe Talos sẽ xếp hàng sau một chiếc xe đang di chuyển chậm nhưng vẫn vượt qua một chiếc xe cố định hoặc chướng ngại vật, hệ thống được thiết kế để tạo ra một con đường bên cạnh chướng ngại vật trên làn đường. Vì sau đó xe Talos sẽ tiến tới, nó sẽ đợi 10 giây để xác định liệu chướng ngại vật là một chiếc xe đang di chuyển chậm hay là một đối tượng đứng yên. Nếu đối tượng vẫn còn đứng yên, xe Talos sẽ bắt đầu thực hiện vượt qua. Hình 3.10 (d) cho thấy chiếc xe đang chờ để vào chế độ vượt qua bên cạnh một chiếc xe đã đậu. Độ cong của đường là nguyên nhân trực tiếp xuất hiện chướng ngại vật trên làn đường hơn là trường hợp thực sự. Xe Talos vào chế độ chuẩn đoán, giới hạn ranh giới đường đã nới giãn. Sau đó xe Talos vượt qua các phần còn lại của thử thách và hoàn thành nhiệm vụ. Lưu ý rằng những chiếc xe đã đậu và những chướng ngại vật vẫn còn xuất hiện sẽ được xem như những khu vực không khả thi ngoài giới hạn của chiếc xe. Khu vực C thử nghiệm ưu tiên giao nhau và lập lại kế hoạch tắc nghẽn. Chiếc xe đã thực hiện rất tốt tại ngã tư , xử lý trong nhiều tình huống khác nhau. Hình 3.11 (a) cho thấy xe Talos nhận ưu tiên chính xác từ ba phương tiện giao thông trước khi đi về phía TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 60 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP phương tiện thứ hai. Hình 3.11 (b) cho thấy xe Talos xếp hàng phía sau một phương tiện trước khi nhận ưu tiên tại giao lộ. (a) (c) (b) (d) Hình 3.11. Thử nghiệm đầu tiên khu C. (a) Giao điểm ưu tiên với bốn phương tiện giao thông. (b) Xếp hàng trước một ngã tư. (c) Cố gắng đi vòng qua tắc nghẽn. (d) Chế độ chuẩn đoán 1 cho phép chiếc xe đi vòng qua tắc nghẽn. Lập lại kế hoạch tắc nghẽn sẽ là thách thức hơn. Xe Talos phát hiện và dừng chính xác tại vạch dừng [xem hình 3.11(c)]. Sau đó, nó lập trình cho chiếc xe lái vòng qua vùng tắc nghẽn. Sau một thời gian nhất định không thực hiện tiến tới, hệ thống sẽ nới giãn một vài giới hạn (tính toán khả năng vị trí đường được ước lượng kém) hoặc xác định tắc nghẽn thực sự và thực hiện quay đầu. Tại thời điểm thử nghiệm, các logic được thiết lập để nới giãn những giới hạn làn đường trước khi xác định tắc nghẽn, giả định rằng tắc nghẽn thực sự không vượt qua được. Phần 1.3 chứa logic chuẩn đoán này. Hình 3.11 (d) cho thấy không gian được nhận thức trong chế độ chuẩn đoán. Khi những giới hạn làn đường được giãn, con đường vòng qua tắc nghẽn là khó thực hiện nhưng vẫn có thể đi qua được, vì vậy xe Talos lái vòng qua tắc nghẽn và kết thúc nhiệm vụ. Thử nghiệm khu vực A là kiểm tra khả năng gia nhập với các phương tiện giao thông do con người lái. Thử nghiệm chú trọng nhiều về khoảng cách an toàn. Vì vậy vào buổi TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 61 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP chiều trước khi thử nghiệm, đội MIT đã xem xét lại, kiểm tra và sửa chữa. Logic được sử dụng để xác định an toàn khi gia nhập vào dòng giao thông. Hình 3.12 (a) thể hiện việc theo dõi một chiếc xe đang tiếp cận từ phía bên phải với vận tốc 3,5 m/s, mặc dù được chắn bởi một chiếc xe nhưng việc theo dõi vẫn được thực hiện bởi các Radar và Lidar với vận tốc tương ứng là 3,9 và 4,3 m/s. Mặc dù chế độ chuẩn đoán cho phép xe Talos hoàn thành thử nghiệm đầu tiên tại khu vực B, nhóm nghiên cứu đã quyết định sửa chữa các lỗi kỹ thuật để xe Talos kết thúc trong chế độ này và chỉ sử dụng nó như là một phương án cuối cùng. Trên thử nghiệm thứ hai tại khu vực B, rất nhiều lỗi được tìm thấy trong thử nghiệm đầu tiên đã được cố định, bao gồm cả độ dốc dẫn ra khỏi khu vực khởi hành và bãi đậu xe tại chỗ vị trí trước trạm kiểm soát. Hình 3.12. Thử nghiệm đầu tiên khu vực A, (a) thực hiện phương pháp tiếp cận chiếc xe bên phải, (b) mật độ phương tiện cao làm xe chờ lâu. Trên đường qua thử thách, xe Talos bị mắc kẹt do gặp phải làn đường hẹp, các đối tượng ảo được sử dụng tác động đến hành vi vượt qua của chiếc xe và lỗi này không cho phép xe Talos thực hiện chế độ vượt qua vì xe không nằm hoàn toàn trong làn đường ước tính, thể hiện trong hình 3.13 (e). Xe Talos sau đó lên kế hoạch quay đầu và tiếp cận từ hướng ngược lại. Hình 3.13 (a) và (b) hiển thị tuyến đường dự kiến ban đầu và các tuyến đường thay thế thông qua các thử thách từ hướng ngược lại. Xe Talos hoàn thành thử thách theo hướng ngược lại và sau đó vòng lại lần nữa để kiểm tra vị trí va chạm ban đầu. Hình 3.13 (c) cho thấy các tuyến đường dự định vì lúc này tắc nghẽn đã được loại bỏ. Trên đường đi, xe Talos phát hiện một tắc nghẽn thực sự thể hiện trong hình 3.13 (f). Xe Talos hoàn toàn quay đầu và thực hiện kế hoạch thay đổi thể hiện trong hình 3.13 (d). Xe Talos tiếp tục hành trình nhưng với khoảng cách xa hơn và nó đã hết thời gian trước khi hoàn tất hành trình. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 62 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM (a) (b) ĐỒ ÁN TỐT NGHIỆP (c) (e) (d) (f) Hình 3.13. Khu vực B thử nghiệm lần hai, (a), (b,) (c) và (d) cho thấy kế hoạch định hướng xếp hàng. Sau khi một tắc nghẽn được công khai trong cuộc đua, xe Talos cố gắng đạt đến trạm kiểm soát từ hướng đối diện. (e) xe Talos không thể vào chế độ vượt qua bởi vì kết quả ước lượng làn đường kém và xe không nằm hoàn toàn trong làn. (f) xe Talos phát hiện tắc nghẽn là thực sự và quay đầu hoàn toàn. Trong thử nghiệm thứ hai ở khu vực C, một tắc nghẽn thực sự được đưa vào làm xe Talos quay đầu hoàn toàn thay vì lái xe vòng qua tắc nghẽn. Tuy nhiên trong lượt quay thứ hai một ước lượng làn đường kém và khu vực hạn chế được tạo ra ở phía bên hông của tắc nghẽn bởi các chướng ngại vật. Cuối cùng, xe Talos cũng vào chế độ chuần đoán và thực thi với một khu vực hạn chế đã giảm và giới hạn làn đường cũng nới giãn. Thật không may, khi xe Talos quay đầu thành công, bộ đếm giờ dừng lại đã kích hoạt và xe Talos cân nhắc lại sự lựa chọn tắc nghẽn. Nó quyết định dừng con đường hiện tại và thử tuyến đường ban đầu. Trong việc phục hồi chế độ, xe Talos đã kích hoạt lái xe trên lề đường để hoàn thành nhiệm vụ [thể hiện trong hình 3.14(b)]. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 63 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM (a) ĐỒ ÁN TỐT NGHIỆP (b) Hình 3.14. Khu vực C thử nghiệm thứ hai. (a) tiến trình bị cản trở trong lần quay vòng thứ hai bởi các ước lượng làn đường kém và vùng hạn chế. (b) vào chế độ chuẩn đoán và quay vòng thành công. Đối với thử nghiệm thứ hai tại khu vực A, làn đường an toàn để xe hòa vào giao thông đã giảm xuống còn 9 giây (ban đầu là 13s dẫn đến lương thời gian chờ đáng kể). Trình tự lập kế hoạch cũng được sửa đổi để bộ lập kế hoạch RRT có thể chuẩn bị con đường để xe Talos đi theo trong khi bộ định hướng chờ đợi các giao lộ vắng xe. Điều này cải thiện thời gian phản ứng của xe và kết quả tổng thể tốt hơn nhiều, thực hiện 10 vòng chỉ trong 12 phút. Hình 3.15 cho thấy một bức ảnh xe Talos và một ảnh chụp màn hình trong nhiệm vụ này. (a) (b) Hình 3.15. Khu vực A thử nghiệm lần hai, (a) xe Talos đang tìm khoảng trống nhỏ hơn thử nghiệm đầu. (b) bộ lập kế hoạch RRT đang làm việc trong khi đợi các xe đang lưu thông. Hình 3.16 minh họa việc thực hiện của xe Talos trong thử nghiệm thứ ba tại khu vực B. Trong thử thách, các nút thắt được tạo trên đường đã được gỡ bỏ và việc đi qua đã TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 64 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP không còn là trở ngại lớn. Xe Talos đã bị mắc kẹt trên lề đường một vài lần, có thể là do ước lượng đường không chính xác, nhưng cuối cùng cũng đã thực hiện tốt nhiệm vụ. Trong trường hợp tốt nhất, bộ lập kế hoạch chuyển động sẽ tìm ra một quỹ đạo mới để mục tiêu nằm trong vòng lặp kế hoạch tiếp theo. Nếu kế hoạch tiến triển không được tìm thấy, chiếc xe bắt đầu phanh khẩn cấp. Thỉnh thoảng chiếc xe được đặt quá gần lề đường, vết xe đi ra khỏi lề đường không khả thi nhưng khu vực xung quanh chiếc xe không thay đổi. (a) (b) (c) (d) Hình 3.16. Thử nghiệm lần ba tại khu vực B, (a) không cần theo dõi làn đường vì thuật toán khoảng trống lề đường đã định vị làn đường. (b) quan sát theo dõi làn đường phục hồi thường xuyên, cung cấp một ước lượng làn đường luôn cải thiện. (c) không cần một chướng ngại vật thực tế, việc vượt qua vẫn sẽ xảy ra khi đối tượng chiếm đủ làn đường. Ở đây, chiếc xe đã đậu vẫn gây ra một hành vi vượt qua. (d) trong chế độ vượt qua, đối với những chiếc xe đã đậu thì dễ dàng thực hiện thao tác đi vòng. Nếu lề đường TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 65 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP cản trở quá trình di chuyển, chiếc xe sẽ như “con thuyền đắm”. Sau đó, bộ đếm thời gian đạt đến giới hạn định trước,lúc này lề đường được sử dụng với một chi phí cao thay cho tính không khả thi của đường và xe sẽ di chuyển được. Hình 3.16 (a), (b) chỉ cách ước lượng có thể thay đổi dựa trên dữ liệu mới nên phương pháp tiếp cận (lề đường và chướng ngại vật) đơn giản hơn được sử dụng. Hình 3.17 Hoạt động của xe Talos trong thử nghiệm thứ ba. Sau khi phát hiện chính xác các rào cản, thời gian đầu khi thực hiện quay đầu, xe lái ra ngoài đường và ban điều hành yêu cầu đặt lại vị trí xe, sau sự can thiệp này, xe Talos đã hoàn thành mục tiêu thành công. (a) (b) Hình 3.17. Khu vực C thử nghiệm thứ ba. (a) Sau khi phát hiện chính xác các rào cản, Xe Talos bắt đầu quay vòng. Kế hoạch của bộ điều hướng được thay đổi. Xe Talos vào chế độ chuẩn đoán, lái ra ngoài đường. (b) sau khi can thiệp, xe Talos phục hồi lại và quay vòng lần hai trở nên tốt hơn. 2.2. Hoạt động của xe Talos trong cuộc thi đô thị Nhìn chung, xe Talos đã thực hiện rất tốt trong cuộc thi này. Hình 3.18 hiển thị một vài hoạt động nổi bật. Hình 3.18 (b) xe Talos đang đi với vận tốc được giới hạn 25 dặm/giờ, đây là tốc độ cao nhất được đặt trên xe. Hình 3.18 (d) xe Talos chờ sau một cổng ngăn cách với giao lộ, cổng này được gỡ bỏ sau đó. Hình 3.18 (c) xe Talos giảm tốc độ để đi vào làn đường, nó được gộp lại từ hai làn đường. Hình 3.18 (e) xe Talos nhường một phương tiện giao thông đang di chuyển với tốc độ hơn 35dặm/giờ. Việc phát hiện sớm bởi Radar giúp chiếc xe tránh được vụ va chạm tại cuối cuộc đua. Hình 3.18 (f) xe Talos hoàn thành nhiệm vụ cuối cùng và băng qua vạch đích. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 66 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP (a) (b) (c) (d) (e) (f) Hình 3.18. Các điểm nổi bật trong cuộc thi UCE. (a) xe Talos vượt qua phương tiện giao thông. (b) xe Talos đạt tốc độ mục tiêu là 25 mph. (c) xe Talos giảm tốc độ để đi vào TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 67 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP làn đường Cornell an toàn. (d) xe Talos chờ đợi sau một cánh cổng ngăn cách với giao lộ. (e) Một chiếc xe di chuyển nhanh được phát hiện sớm bởi radar. (f) Hoàn thành nhiệm vụ. Cuộc đua bao gồm ba nhiệm vụ. Trong hình 3.19 thể hiện các giai đoạn không tiến triển trong nhiệm vụ. Thực hiện phân tích các giai đoạn này cho phép kiểm tra các chế độ hư hỏng chủ yếu. Nhiệm vụ đầu tiên, chế độ chuẩn đoán 1 được thực hiện hai lần, một lần tại 750s vì mắc kẹt hàng rào vành đai. Lần hai, chế độ chuẩn đoán thay đổi xảy ra tại 7.200s vì ước lượng xấu trên con đường sỏi. Nhiều lần khác khi xe thực hiện nhiệm vụ đầu tiên, xe Talos như "con tàu đắm" và không thực hiện tiến triển trong 30 giây cho đến khi giới hạn lề đường được nới lỏng. Trong nhiệm vụ thứ hai, lỗi hàng rào vành đai xảy ra tại 4.000s. Nhiệm vụ thứ ba yêu cầu thực hiện trên ba đoạn ngoằn ngoèo của đường sỏi TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 68 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 3.19. Bộ đếm thời gian không tiến triển trong cuộc đua. Bộ đếm thời gian bị chặn trong chế độ tạm dừng DARPA. Trục X biểu diễn thời gian đồng hồ, trục Y biểu diễn thời gian của bộ đếm chuẩn đoán. (a) Trong nhiệm vụ đầu tiên, chế độ chuẩn đoán 1 (80s không có tiến triển) được vào hai lần, tại 750s: lỗi hàng rào vành đai khu vực, tại 7.200s: ước lượng làn đường xấu trên đường sỏi và một lần khác xe Talos như "con tàu đắm" và đứng yên trong 30s cho đến khi hạn chế lề đường được nới lỏng. (b) Nhiệm vụ 2, tại 4.000s: lỗi hàng rào vành đai khu vực. (c) Nhiệm vụ 3, tại 7.200s: ước lượng xấu trên đường sỏi. nó gây ra một lượng lớn khoảng thời gian không tiến triển 30s cho đến khi giới hạn lề đường được nới lỏng. Khi tại 7.200s ước lượng xấu trên đường sỏi làm cho xe Talos vào chế độ chuẩn đoán 1. 2.2.1 Đường hẻo lánh (Outback) Đường Outback là điểm yếu của xe Talos khi thực hiện nhiệm vụ. Như đã trình bày ở trên, nhiệm vụ thứ ba trong cuộc thi yêu cầu thực hiện trên ba đoạn ngoằn ngoèo của đường sỏi được xem như đường hẻo lánh. Hình 3.20 cho thấy lý do tại sao ba đoạn đường ngoằn ngoèo được yêu cầu để đạt đến các trạm kiểm soát. Trong số 35 trạm kiểm soát trong nhiệm vụ, các trạm 4, 32 và 34 yêu cầu xe Talos hoàn thành theo chiều từ đường Outback đi qua đường Phantom East đến trạm kiểm soát và hoàn thành nhiệm vụ. Hình 3.21 cung cấp các ảnh chụp hoạt động của xe khi lái xuống đường đất; rõ ràng hệ thống đã gặp các khó khăn trong phần này của khóa kiểm tra. Nằm ngoài hồ sơ thông tin nên con đường được phát hiện như một lề đường ảo hoặc một mương rãnh. Khi phía trước xe là đoạn đường dốc, máy dò cạnh đường (dò hai bên đường) thỉnh thoảng sẽ phát hiện các đồi núi như một cạnh đường (máy dò cạnh đường TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 69 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP được dự định để phát hiện các bờ bảo vệ như lề đường). Các hệ thống bên cạnh đường kết hợp với công trình xung quanh được thiết kế để chống lại vấn đề này: Các cạnh đường thẳng đứng vững chắc hướng về phía đường bị loại bỏ (được chứng tỏ bởi RNDF). Chúng tôi mong đợi tính năng này để giải quyết vấn đề này, nhưng đã không có. Một con đường bằng phẳng chỉ uốn cong theo hướng di chuyển sẽ được phát hiện như một cạnh đường vuông góc với đường. Tuy nhiên, đường đất được nâng lên (có một đoạn uốn cong từ bên này sang bên kia) nó gây ra độ cong lớn nhất để không xuất hiện con đường ngang qua trực tiếp và thay vào đó làm xuất hiện như hai đường chéo giao nhau xa hơn. Độ dốc của những đường này đủ song song với hướng đi để không bị loại bỏ. Do đó xe sẽ bị mắc kẹt trên đường đất cho đến khi hết thời gian chờ (tại điểm mà các cạnh đường được). Hình 3.20. Để hoàn thành nhiệm vụ thứ ba, ba đoạn uốn cong ngoằn ngoèo của đường hẻo lánh đã được yêu cầu. Một lần nữa, như mô tả ở trên, phương pháp tiếp cận sử dụng dữ liệu lề đường trong ước lượng làn đường được dự định. Nếu hoàn thiện, đã đi được một đoạn đường dài hướng tới giải quyết vấn đề này. (a) (b) TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 70 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP (c) (d) (e) (f) Hình 3.21. Con đường sỏi dốc. (a) và (b) Xe Talos không gặp vấn đề gì với những con đường sỏi đường dốc. (c) Bên ngoài con đường sỏi xuất hiện nguy hiểm trong các bản đồ lề đường. (d) Một lề đường ảo được phát hiện tại các gợn sóng của đường. (e) và (f) lề đường ảo bóp méo của hành lang đường làm tắt nghẹn vùng chạy được. 2.2.2 Sự va chạm Xe Talos đã có hai sự cố với chiếc xe Caroline của đội CarOLO trong cuộc thi UCE. Trong lần đụng độ đầu tiên, xe Talos dừng lại như khi nó đi vào một giao lộ. Xe Caroline đã thử thực hiện rẽ trái hướng về con đường của Talos. Hệ thống đã bắt đầu "kế hoạch dừng" trước khi DARPA ban hành một lệnh dừng lại cho cả hai xe. Những sự kiện này được minh họa trong hình 3.22. (a) (b) TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 71 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM (c) ĐỒ ÁN TỐT NGHIỆP (d) Hình 3.22. Đầu tiên của đội CarOLO Caroline-Talos gần hụt. (a) xe Talos dừng lại khi vào giao lộ. (b) xe Talos phát hiện các đối tượng di chuyển trên đường đi của nó và bắt đầu lập kế hoạch một con đường xung quanh nó. (c) xe Talos bắt đầu thực hiện dừng khẩn cấp. (d) xe Talos đến một điểm dừng. Xe Caroline không còn di chuyển và được xem như là một đối tượng tĩnh. Trong sự cố thứ hai với chiếc xe của đội CarOLO, xe Talos đã cố gắng lái về phía lối ra, nằm giữa một hàng rào bên trái và một số đối tượng cố định bên phải. Xe Caroline đã lái về phía xe Talos, xe Talos đã hãm cứng phanh nhưng vẫn không dừng đúng thời điểm dẫn để tránh va chạm. Chúng tôi không biết tại sao xe Caroline đã không chọn con đường trống bên phải xe Talos, hoặc lý giải tại sao nó lại tiếp tục tăng tốc vượt về phía trước khi xe Talos đang ở phí trước của nó. Chúng tôi đã thực hiện một cấu trúc phần mềm không cố gắng phát hiện một cách rõ ràng những chiếc xe cho thử thách. Thay vào đó, xe Talos chỉ đơn giản xử lý những chướng ngại vật di chuyển chậm như những chướng ngại vật cố định và chướng ngại vật di chuyển nhanh như những chiếc xe. Xe Talos xem xe Caroline không di động và đã liên tục lập lại hoạch con đường vòng qua nó (bên trái Talos và phải Caroline). Ngay trước khi va chạm, hệ thống thực hiện "kế hoạch dừng khẩn cấp" khi Caroline đã đủ gần. Thật không may hành vi của xe Caroline (tăng tốc, dừng lại, và khởi hành) đã gây ra khó khăn cho chương trình của chúng tôi. Vì tốc độ và quỹ đạo của Caroline làm cho xe Talos không thể ngăn cản một va chạm. Những sự kiện này được minh họa trong hình 3.23. Va chạm giữa xe Talos với xe Skynet của đội Cornell là một sự cố đáng chú ý khác trong cuộc thi UCE, được minh hoạ hình 3.24 và hình 3.25. Như đã mô tả trong báo cáo này, xe Talos sử dụng một hệ thống nhận thức vượt trội. Nó được thiết kế để sử dụng các trạm kiểm soát trong RNDF. Khi đến gần giao lộ, xe Talos nhận thấy một chiếc xe bám theo xe Skynet đang di chuyển chậm bên vệ đường và được xem như chướng ngại vật cố định (một cây hoặc hàng rào ở phía bên đường) như trong hình 3.24 (a). Vì vậy xe Talos chọn con đường phía bên trái của chiếc xe này để đi vào giao lộ Hình 3.24 (c) Xe Talos TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 72 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 3.23. Thứ hai sự cố Caroline-Talos. (a) Xe Talos lái vòng qua chiếc xe Caroline để đuổi theo chiếc xe. (b) Xe Talos vòng qua xe Caroline, nó di chuyển rất chậm và được coi như là một chướng ngại vật cố định. (c) Xe Talos tiếp tục lập lại kế hoạch vòng qua xe Caroline, nó được coi như một đối tượng tĩnh tại một vị trí khác. (d) Xe Talos tiếp tục lái qua xe Caroline và sau đó dừng khẩn cấp, nhưng nó không thể dừng trong khoảng trống bên trái và đã va chạm với xe Caroline. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 73 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP bắt đầu đi vào giao lộ và nhường đường cho xe Skynet. Vì xe Skynet và xe theo sau đã dừng lại nên lần nữa xe Talos xem chúng như chướng ngại vật cố định. Hình 3.25 (a) Xe Talos lái qua giao lộ và đã cố gắng đi về lối ra của giao lộ khi xe Skynet đã bắt đầu di chuyển. Hình 3.25 (b) Tốc độ của xe Skynet vẫn thấp hơn giới hạn để được xem như là một chiếc xe đang di chuyển vì vậy dẫn đến sự cố va chạm được thể hiện trong hình 3.25 (c). Như trong vụ va chạm với xe Caroline, xe Talos cũng vào phanh khẩn cấp khi nó va chạm với xe Skynet. Nguyên nhân cơ bản là do thất bại trong dự đoán hành vi bất ngờ từ một robot đang dừng hoặc di chuyển chậm trong khu vực hoặc giao lộ. Hình 3.24. Sự cố Skynet-Talos. (a) xe Talos ban đầu xếp hàng phía sau chiếc xe theo sau xe Skynet. (b) Xe Talos tìm thấy một con đường xung quanh chiếc xe phía trước. (c) Xe Talos nhường đường tại giao lộ. Không có phương tiện nào di chuyển vì vậy nó đi qua. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 74 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 3.25. Sự cố Skynet-Talos. (a) Xe Talos lập kế hoạch con đường vòng qua xe Skynet được xuất hiện như một đối tượng tĩnh. (b) Trong khi xe Talos đi qua, xe Skynet bắt đầu tăng tốc. (c) Xe Talos vào phanh khẩn cấp vì xe Skynet tăng tốc. III. Thảo luận Hoạt động của chiếc xe Talos qua sự NQE và cuộc thi UCE là rất tốt. Bằng cách tạo ra một hệ thống lái xe tự động có mục đích chung hơn là một hệ thống điều chỉnh các trường hợp thử nghiệm cụ thể được đặt ra bởi DARPA, đội của chúng tôi đạt được tiến triển đáng kể hướng tới việc giải quyết một số vấn đề cơ bản trong lái xe tự động trong đô thị. Ví dụ trong sự kiện NQE và UCE đã có rất nhiều lưu lượng giao thông và trường hợp giao nhau mà chúng tôi đã chưa bao giờ được thử nghiệm trước đây, nhưng phần mềm đã có thể xử lý các tình huống đó với ít hoặc không có điều chỉnh. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 75 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 3.1 Nhận thức- Phương pháp tiếp cận Trong cuộc đua cuối cùng, đội MIT đã thêm khoảng 100 điểm đường để các điểm đường RNDF kết hợp chặt chẽ hơn với dữ liệu hình ảnh ăng ten được cung cấp bởi DARPA. Hệ thống của chúng tôi được thiết kế để xử lý mô tả đường đi ban đầu của một hệ thống đường bộ và điều hướng với mô tả thưa thớt và xe Talos đã chứng minh được khả năng thực hiện bằng cách hoàn thành vòng loại NQE mà không làm tăng mật độ RNDF. Khi nó trở nên quá rõ ràng để khả năng này không được kiểm tra trong UCE, chúng tôi đã thêm cột mốc để hoàn thiện khả năng cạnh tranh.Tuy nhiên, trong UCE, Talos vẫn cho ưu tiên cho nhận thức đánh giá dựa trên làn đường hơn là GPS (hệ thống định vị toàn cầu) và RNDF có nguồn gốc từ làn xe, phù hợp với chiến lược thiết kế tổng thể của chúng tôi. 3.2. Xe di chuyển chậm Một bài học quan trọng được rút ra khi xử lí các đối tượng di chuyển chậm. Đội của MIT đã cố gắng để tránh quá trình phân loại các lỗi dễ xảy ra một cách rõ ràng các trở ngại như xe.Thay vào đó, chương trình của đội MIT chỉ xử lý cơ bản những chướng ngại vật tĩnh và di chuyển. Mặc dù chiến lược này đã làm việc rất tốt trong vòng loại NQE, cuộc đua UCE, các va chạm hoặc gần va chạm liên quan đến xe Talos bởi vì những khó khăn trong việc xử lí các phương tiện giao thông có hành vi thay đổi hoặc di chuyển chậm. 3.3. Cải thiện mô phỏng Đầu tư thêm các công cụ mô phỏng cho việc tương tác với robot phức tạp được bảo đảm. Đối với dự án này, họ đã phát triển một mô phỏng hữu ích cho một chiếc xe robot duy nhất trong một môi trường phức tạp (bao gồm cả phương tiện giao thông với quỹ đạo được xác định trước). Một mô phỏng phức tạp hơn cũng đã được thảo luận, nó sẽ cho phép kiểm tra “robot chống lại robot” (chạy hệ thống của chúng tôi "chống lại chính nó"), nhưng đã quyết định loại bỏ vì hạn chế về thời gian. Nhìn nhận lại thì khả năng này sẽ hữu ích khi hoàn thành. Trong khi đó, chiếc xe thường hoạt động trong vùng giao thông chịu yếu tố con người mà không có sự cố, các vấn đề gặp phải khi tương tác với các xe tự động khác ở tốc độ thấp. Những tương tác đó có thể phát sinh do một số giả định ngầm trong thuật toán, đã được đưa ra để giải quyết theo quy tắc của DARPA. Những tình huống này có thể đã được phát hiện từ mô phỏng của nhiều xe tự động chạy nhiệm vụ chống lại với mỗi xe khác trên cùng một tiến trình. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 76 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 3.4. Kiểm tra phương pháp tiếp cận chuẩn đoán Một tiềm năng quan trọng cho hoạt động tự động lâu dài là việc tạo ra các chế độ chuẩn đoán toàn diện. Việc sử dụng chính xác bộ đếm giờ chuẩn đoán cho phép hệ thống giảm giới hạn và tự nó giải thoát trong những tình huống khó khăn, chẳng hạn như khi đánh giá các lề đường không phù hợp với thực tế. Trong bất kỳ kiểu hệ thống phức tạp nào, các giả định của nhà thiết kế sẽ luôn luôn bị vi phạm bởi những tình huống không thể đoán trước. Việc phát triển và thẩm định cách tiếp cận theo nguyên tắc và mạnh mẽ để phục hồi từ những lỗi là một vấn đề quan trọng đối với nghiên cứu. IV. Kết luận Chương này mô tả cấu trúc của một chiếc xe đã phát triển cho việc nhận thức xe tự động trong môi trường đô thị. Hệ thống đã sử dụng một thuật toán lập kế hoạch mạnh mẽ để hoàn thành tất cả các thao tác tự động. Phương pháp tiếp cận duy nhất này đã được "cuộc đua chứng minh", hoàn thành nhiệm vụ trong cuộc thi Thử Thách Đô Thị và lái xe tự động khoảng 55 dặm dưới 6 giờ. So sánh với nhiều đội khác, các quyết định tự động được thực hiện dựa trên dữ liệu của các cảm biến trên xe, các dữ liệu bản đồ được xác định trước bất cứ khi nào có thể. Hệ thống được thiết kế để xử lý những mô tả ban đầu về nhận thức và điều hướng một mạng lưới đường bộ với những mô tả bằng hình ảnh. Một khía cạnh sáng tạo của phương pháp tiếp cận là sử dụng một kế hoạch RRT dựa trên sức mạnh và mục đích chung là thuật toán điều khiển, đạt được các yêu cầu của lái xe trong làn xe, bãi đậu xe, và di chuyển thông qua các trở ngại bằng cách tiếp cận thống nhất. Hệ thống đã nhận biết thông qua việc tạo ra một bộ công cụ phần mềm mới để tự nghiên cứu phương tiện, công cụ đã được tạo sẵn cho công việc nghiên cứu. Đổi mới của nhóm nghiên cứu MIT là cung cấp một nền tảng vững chắc cho tương lai trong nghiên cứu xe tự động. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 77 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP PHẦN KẾT LUẬN KẾT QUẢ ĐẠT ĐƯỢC VÀ HƯỚNG PHÁT TRIỂN I. Đánh giá kết quả đạt được Qua quá trình tìm hiểu và nghiên cứu đề tài, chúng em đã đưa ra một số khái niệm cơ bản và ứng dụng đạt được cho “ Hệ thống điều khiển xe chạy tự động”  Các thiết bị hỗ trợ cơ bản cho một chiếc xe điều khiển tự động.  Phần mềm hỗ trợ: Phân tích hình ảnh, chướng ngại vật, làn đường, biển báo giao thông, định vị GPS …  Cách xác định các chướng ngại vật, cảnh báo va chạm khi tai nạn có thể xảy ra.  Thuật toán điều khiển khi xe vào những giao lộ trong đô thị.  Duy trì khoảng cách an toàn với các xe lưu thông.  Phân tích, điều chỉnh làn đường theo hướng tốt nhất. II. Hướng nghiên cứu phát triển.  Cập nhật các cải tiến mới nhất một số chức năng chưa hoàn chỉnh trong hệ thống.  Mô phỏng hệ thống bằng các phần mềm như: MATLAB, LabVIEW …  Phát triển nghiên cứu chế tạo mô hình thực tế. TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 78 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP TÀI LIỆU THAM KHẢO [1]http://drivesteady.com/how-autonomous-vehicles-work [2] http://budisteanu.net/Download/ISEF%202%20Autonomous%20car%20Doc%20particle. pdf [3] http://en.wikipedia.org/wiki/OpenGL [4] http://vi.wikipedia.org/wiki/TCP/IP [5] http://en.wikipedia.org/wiki/Kalman_filter [6] http://urrg.eng.usm.my/index.php?option=com_content&view=article&id=153:learningalgorithms-of-neural-network-perceptron-learningalgorithm&catid=31:articles&Itemid=70 [7] A Perception-Driven Autonomous Urban Vehicle.pdf https://www.google.com.vn/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&v ed=0CC4QFjAA&url=http%3A%2F%2Fapril.eecs.umich.edu%2Fpdfs%2Fmitduc2008.p df&ei=H_DcUcD0LMTKkwXqsYGwDQ&usg=AFQjCNHfDvsM-I42mWC89KOy4b7o1HS6Q&sig2=sUYgeNozuj32X8a1hmvHzA&bvm=bv.48705608,d.dGI [8] Hart, P. E., Nilsson, N. J., & Raphael, B. (1968). A formal basis for the heuristic determination of minimum cost paths. IEEE Transactions on Systems, Science, and Cybernetics, 4(2), 100–107 [9] http://www.uwspace.uwaterloo.ca/handle/10012/6227 MỘT SỐ TÀI LIỆU THAM KHẢO KHÁC http://gigaom.com/2012/04/09/ford-is-ready-for-the-autonomous-car-are-drivers/ http://www.digitaltrends.com/cars/volvo-stepping-up-to-rival-google-in-autonomous-cartechnology/ TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 79 [...]... chạm TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 19 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 1.10 Cảnh báo được đưa ra trước 2s có thể xảy ra va chạm TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 20 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP CHƯƠNG II: CÁC PHẦN MỀM SỬ DỤNG TRÊN XE I KHÁI QUÁT 1.1 Mục tiêu Mục đích của việc sử dụng các phần mềm là tạo ra một chiếc xe tự lái... lái xe được giữ chặt CAS cũng là hệ thống phanh khẩn cấp tự động Ở tốc độ trên 30km/h những chiếc xe cố định hoặc di chuyển phía trước được phát hiện trong 100m Khi hệ thống cảm nhận chiếc xe có khả năng đụng vào một trong những chướng ngại vật đó, hệ thống sẽ xử lí với 3 giai đoạn sau: Giai đoạn 1: Hình 1.8 Cảnh báo được đưa ra trước 3s có thể xảy ra va chạm TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ... theo dõi con đường phía trước, khoảng cách đích đến TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 15 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.5 Hệ thống phát hiện điểm mù Hệ thống phát hiện điểm mù là một trong những công nghệ được sử dụng trên xe ô tô thông qua máy ảnh, cảm biến radar và các hệ thống siêu âm cảnh báo cho người lái xe Khi bạn đang đi trong một con đường hẹp, bạn sẽ không... biến phía sau để đảm bảo rằng chiếc xe đang ở khoảng cách an toàn Nó sẽ gửi trực tiếp tình trạng của chiếc xe cho màn hình hiển thị trong xe TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 17 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.6 Hệ thống cảnh báo va chạm CAS CAS là hệ thống được thiết kế để ngăn chặn va chạm từ phía trước cũng như phía sau với những xe khác đứng yên hoặc di chuyển trên... lớn hơn TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 14 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.4 Hệ thống định vị toàn cầu GPS GPS có nhiệm vụ xác định vị trí, địa điểm cụ thể và xác định con đường tốt nhất để di chuyển GPS sử dụng hệ tọa độ và bản đồ Google để xác định vị trí hiện tại của xe GPS cũng có thể truy cập thông tin về tốc độ và hướng của xe, để điều chỉnh hướng xe trong... Hình 1.1 Cấu tạo và hoạt động của Lidar TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 11 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.2 Cảm biến hình ảnh quang học Bộ cảm biến hình ảnh quang học có nhiệm vụ chuyển đổi tín hiệu ánh sáng thành tín hiệu điện Trên xe ô tô các cảm biến này còn được sử dụng trong nhiều hệ thống khác bao gồm: hệ thống cảnh báo làn đường, hệ thống phát hiện tín hiệu... hoạt động và tính năng "phản hồi" được sử dụng để tính toán xác suất chắc chắn cho bất kỳ biển báo giao thông nào TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 27 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 2.3.4 Phần mềm nhận dạng biển báo Như một người lái xe, chiếc xe tự động cũng phải quen thuộc với tất cả các biển báo giao thông Phần mềm nhận dạng biển báo giao thông hoạt động dựa trên hệ. .. Hình 2.17 Hình dạng chiếc xe dần được khắc phục sau một vài hoạt động hình thái mở 4 Sau khi sử dụng một vài hoạt động điều khiển hình thái mở, hình dạng chiếc xe sẽ dần khắc phục so với hình ảnh bị nhiễu ban đầu Mục tiêu của việc phân chia ảnh là để Hình 2.18 Xác suất nhận được chiếc xe từ ảnh lấy ra sau nhiều phần chia nhỏ là rất lớn TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 35 TRƯỜNG ĐH SƯ PHẠM... lái xe biết về các đối tượng xung quanh Hình 1.6 Cảm biến phát hiện xe ở đằng sau Mới đây Mercedes-Benz đã đưa vào các dòng S, Cl-Class hệ thống Blind Spot Assist có thể phát hiện các điểm mù, hỗ trợ cho tài xế khi chuyển làn đường TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 16 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 1.7 Cảm biến đặt tại kính chiếu hậu phát hiện khoảng cách các xe. .. chạm và đường đi của chiếc xe Các laptop đồng bộ sử dụng phần mềm giám sát Phần mềm giám sát sẽ tổng hợp tất cả các dữ liệu đã được xử lí bởi các phần mềm khác để điều khiển vô lăng giữ chiếc xe di chuyển trên đường TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 21 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP Hình 2.1 Sơ đồ các phần mềm được xây dựng và thiết kế cho xe tự lái 2.2 Nhận dạng làn ... THANH PHÚC I II III NỘI DUNG Tìm hiểu hệ thống điều khiển xe chạy tự động TRÌNH BÀY  Báo cáo đề tài: Một báo cáo  Một đĩa CD: Tìm hiểu hệ thống điều khiển xe chạy tự động THỜI GIAN THỰC HIỆN ... cách đích đến TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 15 TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TP.HCM ĐỒ ÁN TỐT NGHIỆP 1.5 Hệ thống phát điểm mù Hệ thống phát điểm mù công nghệ sử dụng xe ô tô thông... tạo mẫu chạy mô hệ thống điều khiển xe tiến phía trước Các quỹ đạo mô kiểm tra với đồ khả lái mẫu loại bỏ thêm vào dựa tính khả thi TÌM HIỂU VỀ HỆ THỐNG ĐIỀU KHIỂN XE CHẠY TỰ ĐỘNG 51