Upload
pvdai
View
372
Download
3
Embed Size (px)
DESCRIPTION
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011Nghiên cứu phát triển hệ Robot tự hành có gắn camera tự động tìm kiếm và bám mục tiêu di động Research Deverlopment of Mobile Robot mounted Camera automatically Seaching and Tracking Moving TargetNgô Mạnh Tiến Viện Vật Lý, Viện KH&CN Việt Nam Email: [email protected] Phan Xuân Minh Đại Học Bách Khoa Hà Nội Email : [email protected] Tóm tắt: Bài báo này trình bày việc xây dựng vàphát triển một hệ robot tự hành có gắn camer
Citation preview
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
Nghiên cứu phát triển hệ Robot tự hành có gắn camera tự động tìm kiếm
và bám mục tiêu di động
Research Deverlopment of Mobile Robot mounted Camera automatically
Seaching and Tracking Moving Target
Ngô Mạnh Tiến
Viện Vật Lý, Viện KH&CN Việt Nam
Email: [email protected]
Phan Xuân Minh
Đại Học Bách Khoa Hà Nội
Email : [email protected]
Tóm tắt: Bài báo này trình bày việc xây dựng và
phát triển một hệ robot tự hành có gắn camera bao
gồm các bước: mô hình hóa, mô phỏng, thiết kế ,
thuật toán điều khiển bám ảnh tự động, lắp đặt phần
cứng, lập trình phần mềm điều khiển và chạy thử
nghiệm. Các kết quả cho thấy hệ robot tự hành đã
hoạt động đảm bảo các chỉ tiêu chất lượng đặt trước.
Những kết quả nghiên cứu này là cơ sở cho hướng
phát triển mới trong các ứng dụng.
Abstract: This paper presents the building and the
development of a self propelled robot mounted
camera as follows: modeling, simulation, automatic
image alignment control algorithms, hardware
configuration, software programming and running
experiments. The results showed that the robot self
propelled already satisfying the control qualities.
These researching resuls are bases for new
developing approach of applications
Keywords: Camshift, OpenCV, Robot mobile
tracking, ATmega128, Computer Vision.
Ký hiệu Ký hiệu Đơn vị Ý nghĩa
0l , 1l , 2l cm chiều dài các khớp
1 2,m m g khối lượng các khớp
1 , 2 rad góc quay các khớp
R , P , Y rad góc quay Roll, Pitch, Yaw
Chữ viết tắt FOV Field of View
LOS Line of Sight
MIMO multi input – multi output
1. Tổng quan hệ thống Ngày nay việc xây dựng một hệ thống robot di
động thông minh và có khả năng thay thế con người
làm việc trong các điều kiện khắc nghiệt và nguy
hiểm là rất cần thiết. Các Robot này thường hoạt động
bằng các cảm biến như cảm biến màu sắc, hồng ngoại,
cảm biến dò đường, siêu âm. Gần đây các robot loại
này được phát triển và tích hợp thêm “thị giác”, việc
tích hợp trên Robot hệ thống camera và ứng dụng xử
lý ảnh sẽ tăng khả năng tự động, giúp robot thông
minh hơn [1,6]. Hệ thống thị giác có thể phân thành 2 lớp, theo
như cấu trúc của hệ, đó là hệ tay máy Robot cố định
và có camera gắn cố định (H. 1) và hệ có camera gắn
trên Robot di động (H. 2). Trong hệ camera cố định,
camera được gắn cố định so với hệ trục tọa độ thực,
thu thập ảnh của cả mục tiêu và cả môi trường. Mục
tiêu của hệ camera cố định này là cung cấp tín hiệu
điều khiển sao cho Robot có thể phân loại và tuwng
tác với đối tượng mong muốn, hệ thống này thường
được ứng dụng trong các dây truyền sản xuất, phân
loại sản phẩm, trong công nghiệp.
H. 1 Sơ đồ hệ thống Robot và camera cố định
H. 2 Sơ đồ hệ thống Robot và camera di chuyển
Trong H.2 là hệ có camera gắn trên Robot và cả
hệ Robot và camera sẽ di chuyển. Mục đích của cấu
trúc này là điều khiển Robot sao cho ảnh của mục tiêu
di động hoặc cố định được duy trì ở vị trí mong muốn
trên mặt phẳng ảnh thu được.
Trong bài báo này hệ thống được thiết kế dựa trên
cấu trúc thứ 2: Xây dựng một robot tự hành có gắn
camera tự động bám mục tiêu di động.
Mục đích của hệ thống bám tự động là để duy trì
một “đường ngắm” viết tắt là LOS (Line Of Sight)
Camera
Robot
Tín hiệu
điều khiển
Máy
tính Đối tượng
Robot mobile
camera
Vật thể cần giám sát
506
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
cảm biến - mục tiêu một cách ổn định và hoàn toàn tự
động trong khi tồn tại cả chuyển động tương đối của
mục tiêu và chuyển động của đế gắn cảm biến làm
nhiễu loạn tới dữ liệu cảm biến hình ảnh. Mục tiêu
thường được định vị ban đầu, bởi hoặc là người điều
khiển hoặc là hệ thống nhận dạng mục tiêu tự động.
Sau đó, hệ thống bám sẽ khoá chặt mục tiêu và duy trì
LOS tự động.
Hệ thống tổng quan bao gồm có 3 bộ phận chính
H. 3: (1) bộ cảm biến hình ảnh (camera), (2) bộ chấp
hành là các trục khớp quay (gimbal) và bánh xe có
gắn động cơ điện 1 chiều, và (3) máy tính PC và vi
điều khiển (bộ vi xử lý). Một vòng điều khiển phản
hồi, được gọi là vòng bám, liên tục hiệu chỉnh bộ chấp
hành để giữ trọng tâm của mục tiêu vào tâm của
trường nhìn viết tắt là FOV (Field Of View) của bộ
cảm biến. Bộ vi xử lý sẽ khép kín vòng này bằng cách
tính toán độ lệch để điều khiển cơ cấu chấp hành. Các
thành phần hoạt động theo thứ tự: (1) bộ vi xử lý định
vị tín hiệu mục tiêu trong các dòng hình ảnh từ bộ
cảm biến, (2) bộ vi xử lý ước lượng trạng thái mục
tiêu và tạo ra các lệnh điều khiển cơ cấu chấp hành
trên cơ sở các thông tin trạng thái, (3) lệnh điều khiển
được áp dụng vào LOS cảm biến, (4) bộ cảm biến tạo
ra một vòng video mới, và (5) quá trình được lặp lại.
H. 3 Sơ đồ tổng quan của hệ thống Robot tự hành
bám mục tiêu di động
2. Mô hình hóa hệ thống 2.1 Hệ đế xoay Pal/Tilt [4,5]
H. 4 Mô hình hóa hệ đế xoay Pal/Tilt
- Bảng thông số DH:
Khâu i i ia id
1 1 90 0
1l
2 2 0
2l 0
- Tính các ma trận 1i
iA :
1 1
1 10
1
1
0 0
0 0
0 1 0
0 0 0 1
C S
S CA
l
2 2 2 2
2 2 2 21
2
0
0
0 0 1 0
0 0 0 1
C S l C
S C l CA
1 2 1 2 1 2 1 2
1 2 1 2 1 2 1 20 0 1
2 1 2
2 2 1 2 2
.0
0 0 0 1
C C C S S l C C
S C S S C l S CA A A
S C l l S
(1)
- Tính các ma trận ijU :
1 1
01 11
11
1
0 0
0 0
0 0 0 0
0 0 0 0
S C
C SAU
(2)
1 2 1 2 1 2 1 2
01 2 1 2 1 2 1 22
21
10 0 0 0
0 0 0 0
S C S S C l S C
C C C S S l C CAU
(3)
2 1 1 2 2 2 1
01 2 1 2 2 1 22
22
2 2 2 21
0
0
0
0 0 0 0
S C C C l S C
S S S C l S SAU
C S l C
(4)
- Mô men quán tính của hai khâu:
- Khâu 1:
2
1 1 1 1
1
1 1 1
0 0 0 0
1 10 0
3 2
0 0 0 0
10 0
2
m l m l
J
m l m
(5)
- Khâu 2 :
2
2 2 2 2
2
2 2 2
1 10 0
3 2
0 0 0 0
0 0 0 0
10 0
2
m l m l
J
m l m
(6)
- Tính ma trận ( )D :
2 2
11 11 1 11 21 2 21 2 2 2
1( ) ( )
3
T TD Trace U J U Trace U J U m l C (7)
12 21 22 2 21( ) 0TD D Trace U J U (8)
2
22 22 2 22 2 2
1( )
3
TD Trace U J U m l (9)
- Tính ma trận ( , )h :
Cảm biến
Đế pan/tilt
Tầng bám ảnh
Xác định vị trí
mục tiêuTính toán LOS
Tầng điều khiển
Tạo luật
điều khiển
Vị trí
mục tiêu
Dự đoán vị trí mục tiêu
Trạng thái mục tiêu
Pixels
Các đo lường khácĐộng cơ
xe
507
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
2
2 2 2 2 1 2
2 2
2 2 2 2 1
1
3( , )
1
3
m l C S
h
m l C S
(10)
- Ma trận véc tơ lực trọng trường ( )C :
2 2 1 2
1
22 2 1 2
1
2( )
1
2
gm l C CC
CC
gm l S S
(11)
- Phương trình động lực học của hệ Pan-Tilt:
- Dạng phương trình :
( ) ( ). ( ) ( , ) ( )MF t D t h C (12)
1 11 12 1 11
2 21 22 2 22
M
M
F D D h C
F D D h C
(13)
2 2
2 2 21 1
22 22 2
2
2 2 2 2 1 2 2 2 1 2
2 2
2 2 2 2 1 2 2 1 2
10
3
10
3
1 1
3 2
1 1
3 2
M
M
m l CF
Fm l
m l C S gm l C C
m l C S gm l S S
(14)
- Điều khiển đế xoay Pal/Tilt [4]
ở đây ta dùng bộ điều khiển PD:
( ) ( )P d Du g q K q q K q
Tay m¸y
g(.)
PK++ q
qdq u
DK
-
-+ +
q~
H. 5 Sơ đồ điều khiển PD có bù trọng lực
H. 6 Kết quả mô phỏng điều khiển hệ đế xoay
Pal/Tilt bằng bộ điều khiển PD: khớp 1
H. 7 Kết quả mô phỏng điều khiển hệ đế xoay
Pal/Tilt bằng bộ điều khiển PD: khớp 2
2.2 Mối quan hệ giữa camera và tọa độ thực [7]
Gọi Cc ( , ,ccd ccd ccdx y z ) là điểm cuối cho một
vector từ vị trí trung tâm của robot di động đến tâm
của ống kính camera. khi đó vị trí này có thể được
tính theo hai góc quay 1 2, của đế xoay Pal/Tilt như
sau:
1 1 2 1 2
2 2
1 1 2 1 2 0
sin( ) cos( )cos( ),
sin( ),
cos( ) sin( )cos( )
ccd
ccd
ccd
x l l
y l
z l l l
(15)
Ở đây 0l là chiều cao của xe tính đến vị trí đặt đế
xoay Pal/Tilt.
Tương tự, véc tơ Trạng thái của ma trận đồng nhất
đã đại diện là các góc: Roll ( R ), Pitch ( P ) và góc
độ Yaw ( Y ) được tính như sau:
1 1 2
2 2 2
1 2 2
1 1 2
2 2 2
1 2 2
2
sin( )sin( )tan ,
cos ( )sin ( ) cos ( )
sin( )cos( )tan ,
cos ( )cos ( ) sin ( )
.
R
P
Y
(16)
Để thực hiện bám đối tượng theo thời gian thực ta
cần có thông số khoảng cách từ camera đến đối tượng
cũng như kích thước thật của đối tượng trong không
gian 3D. Việc này cần thiết phải có hai camera, tuy
nhiên nếu dùng phương pháp này khối lượng tính toán
sẽ rất lớn và ảnh hưởng đến tốc độ bám, do đó ở đây
chúng tôi chỉ dùng một camera và khoảng cách đến
đối tượng chúng tôi xác định bằng sensor siêu âm và
giả thiết kích thước của đối tượng là cố định. Vị trí
của tâm đối tượng trong tọa độ ảnh là (j, k), khi
chuyển về hệ tọa độ (j′, k′) là tâm của khung ảnh sẽ
được tính theo góc quay Roll R và kích thước
khung hình ảnh Px và Py.
'
'
cos( ) sin( ) 2
sin( ) cos( )
2
x
R R
yR R
Pj
j
Pkk
(17)
Để tính vị trí thực tế 0 0( , )x y , 0 và 0r được ước
tính bằng cách sử dụng mối quan hệ tuyến tính giữa
508
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
đối tượng thực sự trong góc nhìn và khung hình ảnh.
Khi một điểm ảnh được chụp tại (j′, k′) trên trung tâm
của khung hình ảnh, vị trí đối tượng thực sự, 0
và
0r
có thể được tính toán như sau (H.8):
H. 8 nh to n vị tr đối tượng theo tọa độ robot
H. 9 nh to n động học ngược cho vị trí thực
camera
0 '
cos( )2
ccd
P ry
y
zr
k
P
(18)
'
0 rx
x
j
P
(19)
Với rx và ry là các góc hướng nhìn x- và y- của
camera CCD, tương ứng. Khi đó vị trí của đối tượng
trong hệ tọa độ của robot (x,y), là:
0 0 0.cos( ) .cos( ),ccd Y Yx r r
(20)
0 00 .sin( ) .sin( ),ccd Y Yy r r
(21)
Với Y là góc quay giữa robot và camera, và
2 2( )ccd ccd ccdr x y là khoảng cách từ tâm robot tới
tâm ống kính camera.
- Động học ngược của để điều khiển tâm ống kính
đến vị trí mong muốn:
2 2 2 2 2 2
1 2 1 2 1 11
2 2
1
( )( )cos
( )
1,
sin( )
d d
d
d
d
l l l l l r l r
l r
(22)
1tan ,dd
d
y
x
(23)
Với d và d góc quay camera, ( dx , dy ) là vị trí
mong muốn của camera, và dr là 2 2
d dx y .
3. Thuật toán xử lý ảnh bám mục tiêu
tự động 3.1 Thuật toán bám theo một tập hợp các điểm đặc
trưng ảnh của Lucas, Kanade và Tommasini KLT
[2,3]
Đây là một phương pháp bám sử dụng rất có hiệu
quả đối với ảnh thu được là ảnh đen trắng, ảnh của
camera hồng ngoại nhìn đêm. Phương pháp này được
Lucas, Kanade và Tommasini [10,11] lần đầu tiên
đưa ra năm 1981 và được hoàn thiện vào năm 1991.
Thuật toán để tính toán sai lệch vị trí mục tiêu bao
gồm những bước sau:
(1) iền xử lý: chuyển đổi ảnh màu thành ảnh xám và
thực hiện lọc gauss để giảm bớt nhiễu tần số cao.
(2) X c định và b m c c đặc t nh: được thực hiện bởi
bộ bám KLT, sử dụng 100 đặc tính. Giả thiết khung t-
1 thu được 100 đặc tính, với khung t ta tìm kiếm trong
ảnh để bám 100 đặc tính từ khung t-1 thu được tập k
tf gồm k đặc tính tốt thích hợp. k đặc tính này được
sử dụng để xác định vector dịch chuyển. Sau đó với
khung t ta xác định lại 100-k đặc tính tốt với ảnh t sẽ
được bám trong khung t+1. Khi thu được k nhỏ (nhỏ
hơn 30) kết quả bám sẽ được huỷ bỏ và dựng cơ
breaklock cảnh báo “mất bám”.
(3) Bù tự chuyển động của camera: Xét hai ảnh t-1 và
t, có k đặc tính bám tốt tương ứng là k
tf 1 và k
tf . Ta
sẽ xác định vector dịch chuyển (dx,dy) bằng cách lấy
độ dịch chuyển nào mà nó được bao chứa trong nhiều
đặc tính nhất. Cuối cùng ảnh It-1 sẽ được biến đổi để
bù độ dịch chuyển này It-1(i,j)= It-1(i+dx,j+dy).
(4) Sai phân ảnh: ảnh It-1 đã bù có thể được so sánh
trực tiếp với ảnh It. Ta thu được ảnh sai phân như sau:
Dt(i,j)= It(i,j)-It-1(i,j).
(5) Định ngưỡng và phân đoạn chuyển động: Thực
nghiệm đã sử dụng ngưỡng cứng là 10 để phân
ngưỡng ảnh sai phân. Để loại bỏ nhiễu phân ngưỡng
ta sử dụng toán tử mở trong phép xử lý hình thái.
(6) Ước lượng vị tr đối tượng: Vị trí chuyển động
được xác định bằng phương pháp bám trọng tâm.
(7) X c định LOS và bù vòng b m: Vị trí mục tiêu thu
được là (x,y) trong toạ độ ảnh sẽ được so sánh với tâm
của ảnh (tâm của trường nhìn) để xác định sai lệch
theo phương x và y. Sai lệch này sẽ được truyền tới bộ
bù vòng bám tới tầng điều khiển động cơ để duy trì
mục tiêu vào tâm trường nhìn.
(8) Xây dựng cửa: Trong thực nghiệm sử dụng cửa cố
định.
(9) Hiện thị ảnh: Ảnh được hiện thị cùng với hình bao
đối tượng được bám.
3.2 Thuật toán Camshift [2,6]
Đây là phương pháp rất hiệu quả khi ảnh thu được
từ camera là ảnh màu và đối tượng cần bám có màu
509
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
sắc đặc trưng riêng so với nền ảnh. Thuật toán
Camshift được phát triển trên cơ sở thuật toán
Meanshift. Camshift viết tắt của “Continuously
Adaptive Meanshift”. Nó bao gồm thuật toán cơ sở
Meanshift với thích ứng các bước thay đổi kích cỡ
của vùng. Các bước thực thi thuật toán:
(1): Chọn vị trí ban đầu của Search Window.
(2): Dùng thuật toán Meanshift (lặp một hoặc nhiều
lần) lưu ra một vùng gọi là moment thứ 0.
(3): Đặt kích cỡ của cửa sổ tìm kiếm bằng một hàm
của moment thứ 0 tìm được trong bước 2.
(4): Lặp lại bước 2 và bước 3 cho đến khi hội tụ.
H. 10 Lưu đồ thuật toán Camshift
Đầu tiên là một Histogram được tạo ra, Histogram
này chứa các thuộc tính liên quan đến màu sắc và tiếp
theo tâm và kích cỡ của mục tiêu được tính toán để
theo dõi mục tiêu khi hình dạng và kích cỡ của nó
thay đổi. Tính xác suất phân bố mục tiêu căn cứ vào
Histogram nhận được. Dịch chuyển đến vị trí mới với
mỗi khung hình vừa nhận được từ video. Camshift sẽ
dịch chuyển đến vị trí mà nó ước lượng trên đối tượng
tập trung nhiều điểm sáng nhất trong bức ảnh xác
suất. Tìm vị trí mới bắt đầu từ vị trí trước đó và tính
toán giá trị trọng tâm vừa tìm được.
cả hai thuật toán trên đều có thư viện các hàm tính
toán trong OpenCV và nhóm tác giả đã chọn lập trình
phần bám ảnh trên Visual C 6.0 có sử dụng thư viện
mã nguồn mở OpenCV của Intel.
4. Thiết kế phần cứng và phần mềm
cho hệ thống Cấu trúc của hệ bám gồm hai phần chính:
- Phần 1: xử lý ảnh dựa vào chuỗi hình ảnh thu được
từ camera để nhận dạng và tính toán vị trí của đối
tượng mục tiêu.
- Phần 2: là phần điều khiển, dựa vào thông số vị trí
đối tượng nhận được trong mặt phẳng ảnh, tính toán
tín hiệu điều khiển robot sao cho đối tượng di chuyển
được duy trì ở một vị trí nhất định trên mặt phẳng ảnh
và ở một khoảng cách nhất định.
Trong hệ thống này ngoài bộ vi xử lý chung là máy
tính laptop còn có một khối giao tiếp để thực hiện bắt
tay giữa camera, cơ cấu chấp hành và máy tính. Để
đáp ứng đủ yêu cầu về khả năng điều khiển cơ cấu
chấp hành và vừa có khả năng xử lý, chống nhiễu tốt
nhóm tác giả sử dụng vi điều khiển AVR,
ATmega128 vì nó có đầy đủ tính năng và có khả năng
chống nhiễu tốt.
H. 11 Cấu trúc tổng thể phần cứng
Để sử dụng điều khiển các cơ cấu chấp hành và kiểm
soát tốc độ và góc quay tôi đã sử dụng một số linh
kiện chuyên dụng điều khiển cầu động cơ đó là dòng
MC của Freescale và DVR của Texas Intrument. Với
mục đích xây dụng một kit vi điều khiển đa năng có
thể vừa thực hiện nhiệm vụ điều khiển cơ cấu chấp
hành vừa có khả năng thực hiện nhiệm vụ xử lý tín
hiệu từ các cảm biến trong công nghiệp như PIR, IR
của Sharp, cảm biến gia tốc và độ nghiêng ADXL203
và MMA7455… và có thể giao tiếp RS232, giao tiếp
không dây RF CC1101 tần số 450MHz để phục vụ
quá trình truyền và xử lý tín hiệu.
H. 12 Lưu đồ thuật toán
5. Kết quả chạy thử nghiệm
H. 13 Hệ thống chạy thử nghiệm
Chúng tôi đã xây dựng hoàn chỉnh một hệ thống robot
bám mục tiêu di động, cả về phần cứng lẫn chương
trình phần mềm và giao diện điều khiển. Hệ thống bao
gồm phần mềm cho máy tính điều khiển tại trung tâm
và phần mềm cho máy tính, hệ vi điều khiển trên
robot. Hệ thống được chạy thử nghiệm bám theo mục
tiêu là đối tượng màu sẫm.
Một số hình ảnh thực nghiệm:
Start
Chụp ảnh
Lấy mẫu
Histogram
Lọc nhiễu
Camshift
Tính tọa độ
tâm, hướng
Giao tiếp
RS232,RF
Điều kiện
dừng
Khởi tạo
Dừng
Camera Xử lý ảnh
frame RF
RS232
ATmega128
RF
RS232
Driver ĐK
ĐC Công tác
hành trình
Cảm biến
Động cơ
Mạch VĐK Máy tính và lưu trữ
Chụp
ản
RGB HSV
Tính toán
Histogram
Xác suất
phân bố
màu Camshift
Reset vùng
tính toán
Đặt tâm search
window
Video
Tạo vị trí và
kích cỡ search
window
X,Y
510
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
H. 14 Giao diện trên máy tính
H. 15 Giao diện kết nối với vi điều khiển
Ngoài việc tự động bám mục tiêu di động, hệ thống
còn cho phép người điều khiển bằng tay robot từ xa
qua sóng RF với khoảng cách là <500m, và có thể
quan sát cũng như lưu trữ hình ảnh và video thu được
trên máy tính tại trung tâm điều khiển.
6. Kết Luận Bài báo trình bày tổng thể từ nghiên cứu lý thuyết,
xây dựng các sơ đồ cấu trúc, thiết kế phần cứng và lập
trình phần mềm cho một robot tự hành bám mục tiêu
di động. Việc gắn thêm camera giúp cho robot hoạt
động thông minh hơn, tiếp cận với các hành vi giống
con người nhằm mục đích thay con người làm các
công việc trong môi trường nguy hiểm cũng là mục
đích của sản phẩm của bài báo. Hệ thống làm việc ổn
định cả khi có sự xuất hiện của các đối tượng khác
chuyển động trong trường quan sát.
Hạn chế của hệ là tốc độ bám còn chậm (khoảng 10
frame/s), cũng như hệ thống bám chưa chú ý nhiều tới
các đo lường quan trọng khác như: đo gia tốc và vận
tốc động cơ; đo xa xác định chiều sâu thông tin. Việc
đo lường này trước hết phục vụ tính toán LOS và
động học ngược cũng như điều khiển các động cơ.
Tuy còn nhiều vấn đề cần được nâng cấp, nhưng hệ
thống của chúng tôi đã thu được kết quả chấp nhận
được và ổn định. Các vần đề tồn tại sẽ được khắc
phục trong hướng phát triển tiếp theo.
Tài liệu tham khảo [1].Giáo trình “Nhập môn xử lý ảnh số”, ĐH Bách
Khoa Hà Nội.
[2].Carlo Tomasi, Takeo Kanade: Detection and
Tracking of Point Features; Technical Report
CMU-CS-91-132; April 1991
[3].Gary Bradski and Adrian Kaehler: Learning
OpenCV Computer Vision with the OpenCV
Library; O’Reilly; 2008
[4].Mark W. Spong, Seth Hutchinson, and M.
Vidyasagar; Robot Dynamics and Control;
Addison – Wesley Publishing Company; 2004
[5].Frank L.Lewis, Darren M.Dawson, Chaouki
T.Abdallah: Robot Manipulator Control Theory
and Practice; MARCEL DEKKER, INC, 2004
[6].Gary R. Bradski: Computer Vision Face Tracking
For Use in a Perceptual User Interface,
Microcomputer Research Lab, Santa Clara, CA,
Intel Corporation, 2005
[7].Sang-joo Kim, Jin-woo Park, and Jang-Myung
Lee: Implementation of Tracking and Capturing
a Moving Object using a Mobile Robot,
International Journal of Control, Automation,
and Systems, vol. 3, 2005
H. 16 Một số hình ảnh chụp quá trình chạy thử nghiệm
511
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
Ngô Mạnh Tiến: Học Đại học
Bách Khoa Hà Nội, chuyên ngành
Điều khiển tự động từ năm 1996-
2001. Bảo vệ Thạc sỹ năm 2004
và hiện nay đang theo học Tiến sỹ
tại Đại Học Bách Khoa Hà Nội.
Hiện tại công tác tại phòng Quang
điện tử - Viện Vật Lý-Viện Khoa Học và Công Nghệ
Việt Nam.
Hướng nghiên cứu chính: Điều khiển quá trình, điều
khiển thông minh và thích nghi, hệ Mờ và mạng
Neuron, điều khiển Robot, Robot tự hành, hệ thống
quang điện tử nhìn đêm, xử lý ảnh.
Phan Xuân Minh: Nhận bằng
Thạc sĩ kỹ thuật (1976) và Tiến sĩ
kỹ thuật (1989) - chuyên nghành:
Điều khiển học tại trường Ilmenau
University of Technology –
Ilmenau, Đức.
Hiện là Phó Giáo sư, công tác và
giảng dạy tại Bộ môn Điều khiển
tự động – Viện Điện - Trường Đại học Bách Khoa
Hà Nội.
Hướng nghiên cứu chính: Điều khiển tối ưu và bền
vững, diều khiển thích nghi, hệ mờ và mạng Nơron,
điều khiển quá trình.
512