ODOMETRY LÀ GÌ?

Odometry

(Lĩnh vực: Khoa học Máy tính)

Odometry là một phương pháp sử dụng dữ liệu từ các cảm biến chuyển động để ước tính sự thay đổi vị trí theo thời gian. Phương pháp này thường được áp dụng trong các phương tiện trên bộ nhằm cải thiện độ chính xác trong việc xác định vị trí, vận tốc và tư thế, đặc biệt là trong trường hợp hệ thống GNSS bị gián đoạn.

MỘT SỐ MÔ HÌNH ODOMETRY HIỆN ĐẠI

1. Odometry bằng Encoder (truyền thống)

Trong nhiều robot di động, cách cơ bản nhất để ước lượng vị trí là dùng encoder gắn vào bánh xe. Phương pháp này rẻ, dễ triển khai và phổ biến trong robot dịch vụ hoặc robot di chuyển trong nhà kho. Tuy nhiên, nó dễ bị sai số do bánh xe trượt, mặt sàn gồ ghề hoặc ma sát không ổn định.

2. LiDAR Odometry

Trong xe tự hành hay robot khảo sát, LiDAR odometry được sử dụng rộng rãi. LiDAR phát ra tia laser để quét không gian, thu về đám mây điểm (point cloud), sau đó so sánh sự khác biệt giữa các lần quét để tính toán quỹ đạo di chuyển. Ưu điểm là độ chính xác cao, hoạt động tốt trong nhiều môi trường. Đây là công nghệ thường thấy trong các công ty xe tự hành như Waymo hay các robot vận chuyển trong kho lớn.

3. Visual Odometry

Visual Odometry sử dụng camera để phân tích sự thay đổi hình ảnh qua từng khung hình. Nó có ưu điểm là giá thành thấp hơn LiDAR và có thể tận dụng camera RGB hay camera stereo. Công nghệ này được ứng dụng trong drones, xe tự hành giá rẻ, và robot dịch vụ trong nhà. Tuy nhiên, nó bị ảnh hưởng bởi ánh sáng, khói bụi hoặc môi trường ít đặc trưng thị giác.

4. IMU-based Odometry

IMU (Inertial Measurement Unit) là cảm biến đo gia tốc và vận tốc góc, thường tích hợp trong điện thoại, máy bay không người lái (drone), hay xe tự hành. IMU cho phép ước lượng nhanh về thay đổi vị trí và góc quay, đặc biệt hữu ích khi camera hoặc LiDAR bị hạn chế (ví dụ trong bóng tối hay khói mù). Tuy nhiên, nếu dùng độc lập, IMU dễ bị trôi (drift) theo thời gian.

5. Sensor Fusion (Kết hợp nhiều cảm biến)

Trong thực tế, hầu hết các hệ thống robot và xe tự hành hiện đại đều áp dụng Sensor Fusion – kết hợp encoder, LiDAR, camera, và IMU. Điều này cho phép hệ thống tận dụng ưu điểm của từng loại cảm biến, giảm thiểu sai số và tăng độ ổn định. Ví dụ, các xe tự hành như Tesla, Waymo hay Nuro đều dùng nhiều loại cảm biến cùng lúc để đảm bảo an toàn và chính xác.

ODOMETRY TRONG FTC

1. Odometry trong FTC

Trong thế giới FTC, sự chính xác là một yếu tố được đề cao. Một trong những kĩ thuật giúp các đội thi đạt được kết quả tốt chính là phương pháp odometry. Các đội thi sẽ sử dụng dữ liệu thu được từ các cảm biến chuyển động để xác định vị trí robot với độ chính xác cao. Phương pháp này đặc biệt quan trọng khi robot phải thực hiện các nhiệm vụ phức tạp với yêu cầu vị trí chính xác. Odometry đã được chứng minh là một công cụ hiệu quả trong các cuộc thi như FTC, giúp tăng đáng kể chất lượng và sự ổn định của robot trong các nhiệm vụ tự động

2. Phương pháp hoạt động

Odometry hoạt động bằng cách ước lượng vị trí của robot so với điểm bắt đầu để thuận lợi cho việc xử lí nhiệm vụ. Thông thường, có 2 kiểu odometry được sử dụng trong FTC:

• Kiểu thụ động (Drive Encoder Localization): Trong phương pháp đơn giản này, bộ đếm số được lắp trực tiếp với động cơ nhằm ghi lại chuyển động xoay của trục động cơ. Tuy dễ thực hiện nhưng sự phụ thuộc vào động cơ này sẽ không được kể đến các tác động bên ngoài như va chạm, trượt bánh, từ đó dẫn đến các sai số trong dịch chuyển tích tụ dần làm giảm hiệu suất của robot.

  
  

• Kiểu chủ động (Odometry Pods/Dead Wheels): Thay vì dựa vào động cơ, ta có thể lắp thêm 1 bộ phận bánh xe phụ chuyên đếm số vào robot (thường gọi là odometry pod), trực tiếp đo vòng xoay của các bánh xe để đưa ra kết quả thực tế hơn. Thông thường, mỗi robot sẽ có từ 2 đến 3 bánh lăn khảo sát 2 chiều ngang và dọc của chuyển động. Mặc dù các pod này có độ chính xác cao, chúng lại khó thiết kế hơn do sự phức tạp trong thiết kế và giá thành đắt đỏ hơn so với kiểu thụ động. Các thiết kế cũng cần phải cân nhắc không gian và đảm bảo sao cho các bánh xe luôn chạm đất.

3. Một ví dụ cho dead wheels