BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN - ĐIỆN TỬ
BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG


ĐỒ ÁN TỐT NGHIỆP

Đề tài: ĐIỀU KHIỂN XE 4 BÁNH TỰ HÀNH KẾT
HỢP CAMERA DỊCH CHUYỂN HÀNG HÓA

GVHD: ThS. Lê Hoàng Lâm
SVTH

MSSV

Nguyễn Công Tạo

20151556

Ngành CNKT Điều khiển và tự động hóa
Hệ đào tạo: Đại học chính quy
Khóa: 2020

TP. Hồ Chí Minh, tháng 06 năm 2025

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN - ĐIỆN TỬ
BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG


ĐỒ ÁN TỐT NGHIỆP

Đề tài: ĐIỀU KHIỂN XE 4 BÁNH TỰ HÀNH KẾT
HỢP CAMERA DỊCH CHUYỂN HÀNG HÓA

GVHD: ThS. Lê Hoàng Lâm
SVTH

MSSV

Nguyễn Công Tạo

20151556

Ngành CNKT Điều khiển và tự động hóa
Hệ đào tạo: Đại học chính quy
Khóa: 2020

TP. Hồ Chí Minh, tháng 06 năm 2025

BỘ GIÁO DỤC VÀ ĐÀO TẠO

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

Độc lập – Tự do – Hạnh phúc

THÀNH PHỐ HỒ CHÍ MINH
BẢN CAM KẾT VÀ XÁC NHẬN KẾT QUẢ
KIỂM TRA ĐẠO VĂN
I.

Thông tin chung

1.

Tên sản phẩm học thuật: Điều khiển xe 4 bánh tự hành kết hợp camera dịch chuyển hàng
hóa
Loại hình sản phẩm học thuật: Khoá luận tốt nghiệp.
Mã số sản phẩm học thuật (nếu có):
Thông tin tác giả (ghi tất cả tác giả của sản phẩm)

2.
3.
4.

Vai trò

5.

Họ và tên

MSSV/MSHV

Nguyễn Công Tạo

20151556

(Chủ nhiệm/thành viên/tác giả
chính/đồng tác giả…)
Tác giả

Thông tin giảng viên hướng dẫn

Họ và tên: ThS. Lê Hoàng Lâm

MSCB: 0269

Khoa: Điện - Điện tử
II.

Kết quả kiểm tra đạo văn
Ngày nộp sản
phẩm

Ngày kiểm tra
đạo văn
10/6/2025

% trùng lặp toàn
nội dung

% trùng lặp cao
nhất từ 1 nguồn

33%

5%

Lưu ý: % trùng lặp nêu ở bảng trên không tính % trùng lặp của danh mục tài liệu tham khảo.
III. Cam kết
Tác giả sản phẩm học thuật và giảng viên hướng dẫn cam kết rằng:
1.
2.
3.

Nội dung trong sản phẩm học thuật nêu trên không vi phạm đạo đức và liêm chính khoa học.
Kết quả % trùng lặp nêu tại mục II là hoàn toàn chính xác và trung thực.
Bằng việc ký xác nhận vào mẫu này, nhóm tác giả và giảng viên hướng dẫn cam kết chịu
hoàn toàn trách nhiệm có liên quan đến sản phẩm học thuật nói trên.
Xác nhận của tác giả
Xác nhận của giảng viên hướng dẫn

BỘ GIÁO DỤC VÀ ĐÀO TẠO

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

Độc lập – Tự do – Hạnh phúc

THÀNH PHỐ HỒ CHÍ MINH

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ và tên sinh viên 1: Nguyễn Công Tạo

MSSV:20151556

Chuyên ngành: Công nghệ Kỹ thuật Điều khiển và Tự động hóa
Hệ đào tạo: Đại học chính
...

...
à né tránh vật cản trong quá trình di
chuyển.
Với những hướng phát triển này, nhóm hy vọng sẽ tạo ra một hệ thống robot thông
minh, linh hoạt và hiệu quả hơn trong việc vận chuyển hàng và bám theo người,

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG

82

TÀI LIỆU THAM KHẢO
[1] Cheng-An Yang &amp Kai-Tai Song (2019). Control Design for Robotic
HumanFollowing and Obstacle Avoidance Using an RGB-D Camera. International
Conference on Control, Automation and Systems (ICCAS 2019).
[2] M. Gupta, S. Kumar, L. Behera &amp V. K.Subramanian (2017, July). A Novel
VisionBased Tracking Algorithm for a Human-Following Mobile Robot. IEEE
Transactions on Systems, Man, and Cybernetics: Systems, vol. 47, no. 7, pp. 14151427.
[3] Evan Chen (2018). FOLO: A Vision-Based Human - Following Robot . In Proc. of
2018 3rd International Conference on Automation Mechanical Control and
Computational Engineering (AMCCE 2018), Dalian, China , pp. 224-232.
[4] M. I. J. Salman Afghani (2013). Follow Me Robot UsingInfrared Beacons. Acad.
Res. Int., vol. 5, no. 1, pp. 59.
[5] Vijayakumar Ajantha &amp Vairavasundaram Subramaniyaswamy (2024). Yolo-based
object detection models: A review and its applications. Multimedia Tools and
Applications.
[6] Xingping Dong &amp Jianbing Shen (2018). Triplet loss in siamese network for object
tracking. In: Proceedings of the European conference on computer vision (ECCV).
p. 459-474.
[7] https://github.com/anonymous1computervision/Human-ReID-in-NVIDIA-Jetson.
[8] Chicco &amp Davide. Siamese neural networks: An overview. Artificial neural
networks (2021).
[9] Kaiyang Zhou, Yongxin Yang, Andrea Cavallaro, and Tao Xiang, “Omni-Scale
Feature Learning for Person Re-Identification,” in Proceedings of the IEEE/CVF
International Conference on Computer Vision (ICCV), 2019, pp. 3702–3712.
[10]Tong Qin, Peiliang Li, and Shaojie Shen, “VINS-Fusion: A Robust Multi-Sensor
Visual-Inertial Odometry System,” in Proceedings of the IEEE/RSJ International
Conference on Intelligent Robots and Systems (IROS), 2019, pp. 926–933.
[11] P. Furgale, J. Rehder, and R. Siegwart, Unified Temporal and Spatial Calibration
for Multi-Sensor Systems, in Proceedings of the IEEE/RSJ International
Conference on Intelligent Robots and Systems (IROS), Tokyo, Japan, 2013, pp.
1280–1286.

82

[12] N. Wojke, A. Bewley, and D. Paulus, Simple Online and Realtime Tracking with
a Deep Association Metric, in Proceedings of the IEEE International Conference
on Image Processing (ICIP), 2017, pp. 3645–3649.

83