Fusion cảm biến với Kalman filter: kết hợp để bù điểm yếu của nhau

Cảm biến là giác quan của robot: chọn sai cảm biến thì thuật toán giỏi mấy cũng bó tay. Bài viết "Fusion cảm biến với Kalman filter: kết hợp để bù điểm yếu của nhau" nằm trong loạt bài về cảm biến và module của aiviethub.

IMU nhanh nhưng trôi, GPS đúng nhưng chậm: Kalman filter hoà hai nguồn thành một ước lượng vừa mượt vừa chính xác. Trực giác toán học tối thiểu và cài đặt mẫu cho bài toán định vị.

Nguyên lý hoạt động

Mỗi loại cảm biến đánh đổi khác nhau giữa độ chính xác, tầm đo, tần số lấy mẫu và giá. LiDAR đo khoảng cách bằng thời gian bay của ánh sáng, IMU đo gia tốc và vận tốc góc, camera stereo suy ra độ sâu từ thị sai. Hiểu nguyên lý giúp bạn biết trước cảm biến sẽ thất bại ở đâu: LiDAR gặp khó với bề mặt kính, siêu âm với bề mặt nghiêng, IMU thì trôi theo thời gian.

Kết nối và đọc dữ liệu

Đa số module giao tiếp qua I2C, SPI hoặc UART. Kiểm tra mức điện áp logic (3.3V hay 5V) trước khi nối, và đọc datasheet phần thanh ghi cấu hình thay vì chỉ copy code mẫu: tần số lấy mẫu và dải đo mặc định hiếm khi khớp với bài toán của bạn.

Với ROS 2, hầu hết cảm biến phổ biến có sẵn driver package xuất dữ liệu ra topic chuẩn (sensor_msgs), giúp phần còn lại của hệ thống không phụ thuộc vào phần cứng cụ thể.

Hiệu chuẩn và fusion

Dữ liệu thô luôn có nhiễu và lệch. Hiệu chuẩn (calibration) loại bỏ sai số hệ thống, còn bộ lọc (complementary, Kalman) kết hợp nhiều cảm biến để bù điểm yếu của nhau: IMU nhanh nhưng trôi, GPS chậm nhưng không trôi, kết hợp lại cho ra quỹ đạo vừa mượt vừa đúng.

Quy tắc thực dụng: log dữ liệu thô ngay từ đầu để có thể chạy lại thuật toán offline khi cần tinh chỉnh, thay vì phải làm lại thí nghiệm.

Lời kết

aiviethub cung cấp LiDAR mini, IMU, camera stereo, cảm biến môi trường và encoder với thông tin kỹ thuật đầy đủ bằng tiếng Việt, để kỹ sư và sinh viên chọn đúng cảm biến ngay từ lần mua đầu tiên.