Akshay Shetty và Grace Xingxin Gao - Nhóm kỹ thuật Công ty TNHH ANTHI Việt Nam dịch và biên soạn   

Việc triển khai ứng dụng kỹ thuật kết hợp GPS-LiDAR được xem như một giải pháp hiệu quả trong việc mô hình hóa sai số trên nền tảng số liệu LiDAR dựa trên các đối tượng nằm trong đám mây điểm. Việc kết hợp này sử dụng mô hình ba chiều (3D) thành phố để xác định và loại bỏ các vệ tinh GPS không nằm trong tầm quan sát NLOS (Non-Line-Of-Sight) nhằm cải thiện độ chính xác phép định vị. Kỹ thuật này rất có triển vọng trong những nhiệm vụ ứng dụng máy bay không người lái như xây dựng mô hình 3D thành phố phục vụ quy hoạch, làm phim, đo đạc, nghiên cứu phương án cứu nạn tối ưu hay vận chuyển và giao hàng. Trong loạt Bản tin Công nghệ tháng 10/2017, chúng tôi sẽ giới thiệu tới Quý Độc giả toàn bộ những nghiên cứu mới nhất liên quan đến lĩnh vực này của hai nhà khoa học Akshay Shetty và Grace Xingxin Gao.

Để tính toán ước định vị trí dựa trên đám mây điểm LiDAR, hai nhà khoa học đã sử dụng các phép đo chuỗi giả từ máy thu trạm tham chiếu đặt tại vị trí xác định và máy thu GPS tích hợp để tính toán hiệu chỉnh xác định vector. Việc sử dụng các phép đo hiệu chỉnh phân sai giúp loại bỏ biến thiên đồng hồ cũng như sai số khí quyển, từ đó cũng làm giảm số lượng các biến không rõ ràng. Hai nhà khoa học sử dụng các vị trí toàn cầu để ước tính từ mô hình LiDAR 3D thành phố để xây dựng các vector LOS đối với tất cả các vệ tinh mà phép đo dò tìm được. Sau đó tiếp tục sử dụng mô hình 3D thành phố để xác định NLOS các vệ tinh, và tối ưu vector tạo bởi các phép đo hiệu chỉnh phân sai kép. Từ đó tạo ra ma trận biến thiên đối với vector các phép đo hiệu chỉnh phân sai kép GPS dựa trên trị số SNR của từng phép đo chuỗi giả độc lập.

Hình 1 – Kiến trúc tổng thể cung cấp số liệu từ các cảm biến phục vụ tính toán

Sau đó hai nhà khoa học áp dụng mô hình UKF để tích hợp tất cả đám mây điểm và các phép đo GPS. Thêm vào đó, quá trình tính toán kết hợp với định hướng, tần xuất định hướng và các phép đo biến thiên từ thiết bị định hướng trong IMU có sẵn trên thiết bị. Cuối cùng, các nhà khoa học thử nghiệm phép lọc trên tập hợp số liệu thành phố để thể hiện rõ ràng hơn những cải thiện trong giải pháp định vị dẫn đường trên nền tảng số liệu LiDAR 3D. Toàn bộ quá trình tính toán được thể hiện rõ hơn như trong Hình 1.

KỸ THUẬT ĐO TRÊN CƠ SỞ LIDAR

ICP là phương pháp chung được sử dụng rộng rãi phục vụ cho việc đăng ký nắn chỉnh gắn kết các đám mây điểm ba chiều. Phương pháp này lấy một đám mây điểm q làm tham chiếu, và đám mây điểm nhập đầu vào là p, ma trận xoay ước lượng R và vector chuyển dịch giữa hai đám mây điểm là T. Các biến hiệu chỉnh phân sai của thuật toán tổng thể gồm ba bước cơ bản như sau.

Gắn kết: Quá trình thực hiện liên quan tới gắn kết từng điểm p_i nằm trong đám mây điểm nhập đầu vào với điểm q_i nằm trong đám mây điểm tham chiếu. Phương pháp phổ biến thường được sử dụng nhiều nhất là tìm điểm lân cận gần nhất của mỗi điểm nằm trong đám mây điểm nhập đầu vào. Đối với ứng dụng thực tiễn, phương pháp gắn kết thực hiện tốt nhất khi hai đám mây điểm có liên hệ gần nhất với nhau.

Xác định hàm sai số khoảng cách hình học: Đây chính là quá trình xác định hàm sai số khoảng cách hình học cho các cặp điểm. Các nhà khoa học đã lựa chọn phương pháp khoảng cách hình học điểm tới điểm, đây là phương pháp xử lý mạnh hơn so với phương pháp xác định khoảng cách điểm tới bề mặt. Tổng sai số giữa hai đám mây điểm được xác định theo công thức sau:

Với N là số lượng các điểm trong đám mây điểm nhập đầu vào p.

Tối thiểu hóa: Bước cuối cùng của thuật toán xử lý là tối thiểu hóa sai số khoảng cách hình học liên quan tới ma trận xoay R và vector chuyển dịch T giữa hai đám mây điểm. Hai nhà khoa học đã sử dụng ICP để ước tính khoảng dịch chuyển tăng giữa các đám mây điểm liền nhau. Hình 2 thể hiện việc áp dụng ICP để ước tính mô hình LiDAR không gian. 

Hình 2 – Số liệu cho ICP là đám mây điểm tham chiếu q và đám mây điểm đầu vào p như trong hình (a). Mô hình tính toán ma trận xoay R và vector chuyển dịch T theo đó sai số khoảng cách hình học sẽ được tối thiểu hóa. (b) thể hiện đám mây điểm tham chiếu q và đám mây điểm đầu vào sau chuyển đổi R * p + T. (Màu tím là đám mây điểm tham chiếu và màu xanh là đám mây điểm đầu vào).

(Còn tiếp)

Mọi thông tin xin liên hệ với chúng tôi qua hòm thư: info@anthi.com.vn