Tổng quan về luận án

Nghiên cứu phát triển hệ thống rô-bốt tự hành trong nhà (indoor mobile robots) phục vụ công tác cứu nạn cứu hộ, hỗ trợ người già và người khiếm thị là một trong những định hướng mũi nhọn của kỹ thuật điện tử và thị giác máy tính hiện đại. Theo báo cáo từ Tổ chức Y tế Thế giới (WHO), toàn cầu hiện có khoảng "1,3 tỷ người sống với một số dạng suy giảm thị lực", bao gồm "188,5 triệu người bị suy giảm thị lực nhẹ, 217 triệu người bị suy giảm thị lực từ trung bình đến nặng và 36 triệu người bị mù", cùng "826 triệu người sống trong tình trạng suy giảm thị lực gần". Trong các thảm họa đô thị và tòa nhà cao tầng, việc khảo sát môi trường biến động, tiềm ẩn nguy cơ rò rỉ khí độc, khói lửa đòi hỏi hệ thống rô-bốt phải hoạt động tự trị mà không thể phụ thuộc vào bản đồ kiến trúc số hóa sẵn có.

Khoảng trống nghiên cứu (research gap) cốt lõi xuất phát từ sự đánh đổi gay gắt giữa độ chính xác và chi phí tính toán: các thuật toán thị giác kinh điển như 3D Hough Transform (Borrmann et al., 2011) hay RANSAC (Fischler & Bolles, 1981) khi trích xuất mặt phẳng từ đám mây điểm 3D (3D point cloud) đòi hỏi cấu hình phần cứng đồ họa chuyên dụng (GPU), triệt tiêu khả năng xử lý thời gian thực (real-time execution) trên các vi xử lý nhúng của rô-bốt di động. Để giải quyết triệt để vấn đề này, luận án xác lập 4 câu hỏi nghiên cứu (Research Questions - RQ) và giả thuyết tương ứng:

  • RQ1: Làm thế nào để tối ưu hóa thời gian tính toán bản đồ chênh lệch/độ sâu từ cặp ảnh thị giác nổi mà vẫn đảm bảo độ tin cậy dữ liệu?
  • RQ2: Có thể trích xuất chính xác đa mặt phẳng từ bản đồ độ sâu 2D với chi phí tính toán tuyến tính mà không cần chuyển đổi sang đám mây điểm 3D phức tạp hay không?
  • RQ3: Giải pháp nào nhận dạng mặt phẳng đất vững chắc trước sự biến đổi kết cấu bề mặt và nhiễu cảm biến?
  • RQ4: Chiến lược dẫn đường thuần túy dựa trên bản đồ độ sâu có thể đảm bảo an toàn tuyệt đối cho rô-bốt trong môi trường hoàn toàn chưa biết trước?

Luận án thiết lập khung lý thuyết dựa trên Projective Geometry (Hình học xạ ảnh), Epipolar Geometry (Hình học đối cực) và Lý thuyết ước lượng thống kê vững chắc (Robust Statistical Estimation). Công trình tạo đột phá thông qua hệ thống 4 đóng góp định lượng: tăng tốc thuật toán SAD bằng kỹ thuật tính toán chọn lọc tại biên ảnh; phát triển giải thuật NGaF trích xuất mặt phẳng; đề xuất kỹ thuật phân đoạn gradient độ sâu GDM nhận dạng mặt đất; và hoàn thiện mô hình dẫn đường an toàn AMDS kiểm chứng thực nghiệm trên nền tảng phần cứng xe tự hành tích hợp cảm biến RGB-D/Stereo Camera.

Literature Review và Positioning

Nghiên cứu thị giác máy tính và điều hướng rô-bốt trong nhà tập trung vào ba luồng học thuật chính:

  1. Luồng ước lượng bản đồ độ sâu (Disparity/Depth Mapping): Scharstein & Szeliski (2002) phân loại các kỹ thuật so khớp ảnh nổi thành phương pháp cục bộ (dựa trên khu vực như SAD, SSD, NCC) và toàn cục (Belief Propagation, Graph Cuts). Các nghiên cứu lai như HSAD (Hybrid SAD) kết hợp lọc Mean Shift và lan truyền tin cậy (BP) giúp hạ sai số khớp từ "9,65 % (SAD không phân đoạn) xuống còn 4,13 %", song độ phức tạp tính toán tăng đột biến, không khả thi cho luồng video thời gian thực.
  2. Luồng trích xuất cấu trúc mặt phẳng (Planar Extraction): Tồn tại tranh luận học thuật sâu sắc giữa hai trường phái:
    • Trường phái không gian tham số 3D: Sử dụng 3D Hough Transform (Vosselman et al., 2004; Borrmann et al., 2011) biểu diễn mặt phẳng qua ba tham số $(\theta, \phi, \rho)$. Trường phái này xử lý tốt đám mây điểm thưa ($1,3\text{ điểm/m}^2$) nhưng suy giảm hiệu năng nghiêm trọng do không gian tích lũy 3D khổng lồ. RANSAC điều chỉnh kết hợp độ dài mô tả tối thiểu MDL (Gallo et al., 2011; Schnabel et al., 2007) nâng tỷ lệ thành công lên 85%, nhưng vẫn đối mặt với hiện tượng phân đoạn sai khi gặp bóng đổ hoặc cấu trúc đa mặt phẳng phức tạp.
    • Trường phái khai thác trực tiếp bản đồ 2.5D/chênh lệch: Bypassing việc tái tạo 3D, các công trình FPDIDM (Fast Plane Detection in Disparity Maps), LSD (Line Segment Detector - Von Gioi et al., 2012) và PPDFDM (Planar Patch Detection for Disparity Maps) phân tách các mảng phẳng cục bộ nhưng vướng phải khối lượng tính toán lớn khi số lượng mặt phẳng tăng cao.
  3. Luồng nhận dạng mặt đất và điều hướng (Ground Detection & Navigation): Nghiên cứu của Rodriguez & Aggarwal (1990) và Lourakis & Orphanoudakis (1998) sử dụng ma trận biến đổi phẳng Homography $H = K R_c R_x(\theta)(R_y(\beta) - tn^T/d)R_c^T K^{-1}$ kết hợp bộ lọc Kalman (EKF). Dù đạt tỷ lệ phát hiện đúng (TP) 97,0% trong kịch bản đơn giản, phương pháp này thất bại khi xe chuyển động phi tuyến hoặc mặt sàn thiếu vân bề mặt (textureless floors).

Luận án định vị chính xác tại điểm giao thoa giữa trích xuất hình học nhẹ và dẫn đường phản xạ thời gian thực, vượt qua các hạn chế của các nghiên cứu quốc tế điển hình như HSBSR (Hierarchical Shape-Based Surface Reconstruction) và SLAM dựa trên RGB-D (Endres et al., 2014; Henry et al., 2012) vốn đòi hỏi tài nguyên tính toán GPU đắt đỏ.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và hoàn thiện các nền tảng lý thuyết cốt lõi trong thị giác máy tính và điều khiển tự động:

  • Mở rộng lý thuyết tương quan ảnh nổi (Stereo Matching Theory): Bác bỏ định kiến cho rằng phải tính toán tương quan SAD trên toàn bộ lưới pixel $M \times N$. Bằng việc chứng minh toán học rằng thông tin chiều sâu tại các vùng đồng nhất (homogeneous regions) không mang lại giá trị hình học biên, luận án xác lập nguyên lý ước lượng độ sâu dựa trên tập điểm biên chọn lọc.
  • Tái cấu trúc mô hình không gian gradient độ sâu (Depth Gradient Formulation): Chuyển đổi bài toán trích xuất mặt phẳng 3D từ việc giải hệ phương trình phi tuyến sang bài toán phân tích tính liên tục của trường gradient bậc một trên không gian 2D, mở rộng lý thuyết xấp xỉ mặt phẳng vi phân cục bộ.
  • Thiết lập mô hình hình học dẫn đường an toàn AMDS: Xây dựng hệ phương trình xác định biên cự ly quan sát an toàn $[Z_{min}, Z_{max}]$ phụ thuộc trực tiếp vào góc ngẩng camera $\alpha$, tiêu cự $f$, và vận tốc xe $v$, tạo bước chuyển dịch từ điều hướng thụ động sang điều hướng dự báo dựa trên hình học mặt đất thuần túy.

Khung phân tích độc đáo

Khung phân tích của luận án là sự tích hợp chặt chẽ của 3 lý thuyết hình học - thống kê:

  1. Lý thuyết biến đổi xạ ảnh (Projective Transformation): Chuẩn hóa hệ quy chiếu camera nổi và biểu diễn ma trận Homography không phụ thuộc tham số nội $K$.
  2. Lý thuyết phân cụm cục bộ và phân rã khối (Local Grouping & Block Partitioning): Phân rã dữ liệu gradient độ sâu thành các khối kích thước cố định $B \times B$ ($8 \times 8$ pixel) nhằm triệt tiêu nhiễu lượng tử hóa từ cảm biến RGB-D.
  3. Lý thuyết lọc hình thái thích nghi (Adaptive Morphological Filtering): Tinh chỉnh vùng ứng viên mặt đất dựa trên đường cong biến đổi $R$ và ngưỡng quyết định $\theta$, loại bỏ các ngoại lệ (outliers) mà không phá vỡ tính liên tục của biên vật cản.

Điều kiện biên của khung phân tích: Môi trường trong nhà có bề mặt sàn phẳng cục bộ, hệ thống camera cố định góc ngẩng trong quá trình di chuyển tịnh tiến.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

  • Triết lý nghiên cứu: Thực chứng (Positivism) kết hợp thực nghiệm kỹ thuật nghiêm ngặt (Design Science Research).
  • Thiết kế đa tầng (Multi-level Design):
    • Tầng 1 (Tín hiệu số & Tiền xử lý): Chuẩn hóa dữ liệu ảnh nổi VGA ($640 \times 480$), tính toán bản đồ chênh lệch tối ưu.
    • Tầng 2 (Nhận dạng hình học): Phân đoạn gradient độ sâu GDM và trích xuất mặt phẳng NGaF.
    • Tầng 3 (Điều khiển tự hành): Tích hợp thuật toán AMDS lên bộ điều khiển nhúng thời gian thực của xe rô-bốt.

Quy trình nghiên cứu rigorous

Quy trình thực nghiệm được chuẩn hóa qua 4 bước khép kín:

  1. Thu thập dữ liệu kép: Sử dụng bộ ảnh chuẩn quốc tế Middlebury (Middlebury Stereo Dataset: Venus, Sawtooth, Cones, Teddy, Books) kết hợp dữ liệu thu thập thực tế từ cảm biến Microsoft Kinect RGB-D và hệ thống máy ảnh nổi Point Grey Bumblebee.
  2. Kỹ thuật Tam giác đạc & Hiệu chuẩn (Triangulation & Calibration): Hiệu chuẩn ma trận camera $K$ xác định baseline $T$ và tiêu cự $f$, tính toán độ sâu $z = \frac{f \cdot T}{d}$ với độ chênh lệch $d = x_L - x_R$.
  3. Đánh giá độ tin cậy và tính hợp lệ: Đo lường định lượng các chỉ số sai số điểm ảnh (pixel error), tỷ lệ điểm đất phát hiện đúng $R_1$ (True Positive Rate), tỷ lệ phát hiện sai $R_2$ (False Positive Rate) và thời gian thực thi (latency).

Data và phân tích

  • Đặc trưng mẫu thử nghiệm:
    • Dữ liệu chuẩn: 5 bộ dữ liệu kinh điển Middlebury với ground-truth bản đồ độ sâu chính xác cấp độ sub-pixel; tập dữ liệu St-Michel Jail (Toulouse) dùng cho đánh giá phân loại đa mặt phẳng.
    • Dữ liệu hiện trường: Hơn 1000 khung hình video độ sâu thực tế thu thập tại các hành lang, phòng làm việc thuộc Tòa nhà Viện Điện tử Viễn thông, Đại học Bách Khoa Hà Nội.
  • Kỹ thuật phân tích & Công cụ: Thuật toán được cài đặt, mô phỏng trên nền tảng MATLAB và C/C++ tích hợp OpenCV, thực thi trên kiến trúc xử lý của xe rô-bốt di động với vi xử lý phổ thông, không sử dụng card đồ họa rời GPU.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Đột phá tốc độ tính toán bản đồ chênh lệch SAD: Thuật toán SAD cải tiến tại điểm biên giảm khối lượng tính toán hơn 60% so với SAD dày đặc truyền thống, duy trì độ chính xác tương đương HSAD nhưng loại bỏ hoàn toàn độ trễ phân mảnh lan truyền tin cậy (BP).
  2. Ưu thế vượt trội của giải thuật NGaF trong phân đoạn mặt phẳng: Trên tập dữ liệu phức tạp St-Michel Jail (Toulouse), thuật toán NGaF (Neighbor Grouping and Filter) cho kết quả trích xuất đa mặt phẳng sắc nét, vượt trội hơn hẳn các phương pháp quốc tế HSBSR [6], PPDFDM [53] và FPDIDM [7] về độ bao phủ (Coverage) và thời gian thực thi, với sai số xấp xỉ mặt phẳng trên ảnh Sawtooth đạt mức kỷ lục "0,4 pixel".
  3. Tính vững chắc của giải thuật GDM trong nhận dạng mặt đất: Việc kết hợp tính toán gradient độ sâu với phân chia khối làm mịn $B \times B$ ($8 \times 8$) và ngưỡng $\theta$ giúp nhận dạng chính xác vùng di chuyển khả thi ngay cả trong điều kiện mặt sàn đơn sắc, thiếu vân sáng hoặc có bóng đổ phức tạp.
  4. Hiệu năng dẫn đường của chiến lược AMDS: Phương pháp điều hướng Always Move Straight to the Destination cải tiến dựa trên dữ liệu độ sâu thuần túy triệt tiêu hoàn toàn vùng mù quan sát ($< 2\text{m}$) mà các nghiên cứu trước đây (như nghiên cứu [35]) gặp phải, cho phép rô-bốt tránh vật cản động mượt mà và bám đích chính xác.

Implications đa chiều

  • Ý nghĩa học thuật: Mở ra hướng tiếp cận xử lý hình học trực tiếp trên không gian biểu diễn độ sâu 2.5D, giảm thiểu sự phụ thuộc vào các thuật toán tối ưu hóa lặp ngẫu nhiên như RANSAC.
  • Ý nghĩa kỹ thuật & Phương pháp luận: Cung cấp giải pháp kiến trúc phần mềm nhẹ, giúp các hệ thống rô-bốt công nghiệp và dịch vụ vận hành hiệu quả trên các vi điều khiển/máy tính nhúng giá rẻ (low-cost embedded platforms).
  • Ứng dụng thực tiễn: Ứng dụng trực tiếp vào xe tự hành vận chuyển tài liệu trong văn phòng, rô-bốt hỗ trợ dẫn đường người khiếm thị, và thiết bị bay khảo sát cứu hộ trong các tòa nhà bị sự cố rò rỉ khí độc, cháy nổ tại Việt Nam.

Limitations và Future Research

Luận án thẳng thắn chỉ ra các giới hạn nghiên cứu:

  • Giới hạn môi trường (Environmental Constraints): Thuật toán được thiết kế chuyên biệt cho môi trường trong nhà với giả định mặt sàn tương đối bằng phẳng; chưa tối ưu hóa cho các địa hình gồ ghề, bậc thang cao ngoài trời.
  • Giới hạn cảm biến (Sensor Range Boundaries): Cảm biến RGB-D dựa trên ánh sáng cấu trúc (structured light) bị suy giảm chất lượng mạnh khi bị ánh sáng mặt trời trực tiếp chiếu vào, giới hạn tầm quan sát hiệu dụng trong khoảng từ $0,8\text{m}$ đến $4,5\text{m}$.
  • Động học rô-bốt: Nghiên cứu giả định góc roll và pitch của cảm biến biến thiên nhỏ trong quá trình chuyển động phẳng; chưa tích hợp cảm biến quán tính IMU bậc cao để bù sai số khi xe rung lắc mạnh.

Chương trình nghiên cứu 5-10 năm tiếp theo:

  1. Tích hợp bộ lọc thích nghi hợp nhất dữ liệu IMU/Visual Odometry để tự động bù góc ngẩng camera khi di chuyển trên địa hình phức tạp.
  2. Mở rộng giải thuật GDM sang các dạng cảm biến LiDAR 3D thể rắn và camera ToF (Time-of-Flight) thế hệ mới.
  3. Ứng dụng mạng nơ-ron tích chập nhẹ (Lightweight CNNs) để kết hợp nhận dạng ngữ nghĩa đối tượng (semantic segmentation) song song với trích xuất mặt phẳng hình học.

Tác động và ảnh hưởng

  • Tác động học thuật: Các kết quả của luận án đóng góp quan trọng vào kho tàng công bố khoa học chuyên ngành Kỹ thuật Điện tử và Tự động hóa tại Việt Nam, thiết lập hệ quy chuẩn so chuẩn (benchmark) cho các nghiên cứu sinh và nhóm nghiên cứu thị giác máy tính trong nước.
  • Chuyển giao công nghệ công nghiệp: Cung cấp giải pháp lõi cho các doanh nghiệp chế tạo xe tự hành AGV (Automated Guided Vehicles) trong nhà kho thông minh, nhà máy sản xuất linh kiện điện tử, giảm giá thành thiết bị do không cần đầu tư hệ thống cảm biến laser công nghiệp đắt tiền.
  • Giá trị xã hội và nhân văn: Đặt nền móng kỹ thuật chế tạo các thiết bị trợ thị đeo tay/gắn mũ thông minh giá rẻ, mở rộng cơ hội hòa nhập cộng đồng an toàn cho hàng triệu người khiếm thị và người cao tuổi.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà khoa học: Tiếp cận phương pháp luận xử lý gradient độ sâu tinh gọn và hệ cơ sở dữ liệu thực nghiệm chuẩn hóa.
  • Kỹ sư R&D rô-bốt & Tự động hóa: Sở hữu thuật toán tối ưu hóa mã nguồn sẵn sàng nhúng trực tiếp lên các vi xử lý ARM/SoC mà không cần GPU rời.
  • Các tổ chức Cứu hộ - Cứu nạn: Được trang bị giải pháp phương tiện tự hành khảo sát hiện trường nguy hiểm độc lập với hạ tầng mạng và GPS.
  • Cộng đồng y tế & Trợ năng: Hưởng lợi từ lộ trình thương mại hóa các thiết bị hỗ trợ định hướng thông minh với chi phí tiếp cận hợp lý.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? Đó là việc thiết lập và chứng minh thành công mô hình biểu diễn Gradient bản đồ độ sâu (GDM) kết hợp thuật toán phân nhóm và lọc lân cận (NGaF), cho phép trích xuất mặt phẳng và nhận dạng mặt đất trực tiếp từ ma trận độ sâu 2D với độ phức tạp tính toán $O(N)$ thay vì $O(N^3)$ như biến đổi 3D Hough Transform.

  2. Cải tiến phương pháp luận nổi bật khi so sánh với các nghiên cứu tiền nhiệm? So với phương pháp biến đổi Homography tuyến tính của Lourakis & Orphanoudakis (1998) vốn phụ thuộc nặng nề vào vạch kẻ đường, và phương pháp trích chọn mảnh phẳng PPDFDM [53] hay FPDIDM [7] có chi phí phân đoạn cao, giải thuật GDM-NGaF của luận án triệt tiêu nhiễu lượng tử hóa thông qua kỹ thuật phân khối $8 \times 8$ và lọc thích nghi, đạt sai số tiệm cận ground-truth "0,4 pixel" trên ảnh Sawtooth.

  3. Phát hiện thực nghiệm bất ngờ nhất được hỗ trợ bởi dữ liệu? Việc tính toán SAD tại duy nhất các điểm biên hình học không làm suy giảm độ chính xác định vị vật cản của rô-bốt, mà ngược lại giúp loại bỏ các điểm phản xạ giả (specular reflections) tại các vùng bề mặt phẳng đồng nhất, giảm hơn 60% thời gian xử lý chuỗi khung hình.

  4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol)? Quy trình thực nghiệm được công bố chi tiết: từ thông số hình học cảm biến (chiều cao đặt camera, góc ngẩng $\alpha$, baseline $T$), các tham số ngưỡng thuật toán ($w=3\times 3, 5\times 5, 7\times 7$, kích thước khối $B=8\times 8$, ngưỡng chênh lệch $\Delta_d$), đến kịch bản thử nghiệm 4 giai đoạn trên phần cứng xe rô-bốt thực tế.

  5. Chương trình nghiên cứu 10 năm được định hình ra sao? Mở rộng kiến trúc thuật toán sang hệ thống đa cảm biến kết hợp (Sensor Fusion: RGB-D + IMU + Event Camera), tiến tới xây dựng hệ điều hành dẫn đường tự trị hoàn chỉnh cho thiết bị hỗ trợ người khuyết tật di chuyển trong không gian đô thị thông minh (Smart Cities).

Kết luận

Luận án tiến sĩ của tác giả Đặng Khánh Hòa đã hoàn thành xuất sắc các mục tiêu đề ra với 5 đóng góp học thuật và kỹ thuật cốt lõi:

  1. Đề xuất thành công phương pháp tính toán bản đồ chênh lệch SAD cải tiến tại điểm biên, đáp ứng hoàn hảo yêu cầu xử lý video thời gian thực trên hệ thống máy ảnh nổi.
  2. Phát triển giải thuật trích xuất mặt phẳng NGaF từ bản đồ độ sâu với độ phức tạp tính toán thấp, vượt trội về độ chính xác và độ bao phủ so với các giải thuật quốc tế HSBSR, PPDFDM và FPDIDM.
  3. Xây dựng thuật toán nhận dạng mặt đất GDM khai thác bản đồ gradient độ sâu và lọc khối thích nghi, phân loại chuẩn xác vùng di chuyển khả thi trong môi trường biến động.
  4. Thiết lập chiến lược dẫn đường an toàn AMDS dựa trên dữ liệu độ sâu thuần túy, giải quyết triệt để bài toán tránh vật cản không cần bản đồ toàn cục.
  5. Chế tạo hoàn chỉnh mô hình phần cứng rô-bốt di động và kiểm chứng thực nghiệm thành công toàn bộ hệ thống giải thuật trong môi trường tòa nhà thực tế.

Công trình tạo tiền đề vững chắc cho việc phát triển các dòng sản phẩm rô-bốt tự hành cứu hộ và thiết bị trợ thị thông minh mang thương hiệu Việt Nam, tiệm cận trình độ công nghệ tiên tiến trên thế giới.