Đồ án tốt nghiệp - Robot hút bụi tự động

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KĨ THUẬT TPHCM
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP

ĐỀ TÀI: ROBOT HÚT BỤI TỰ ĐỘNG

Sinh viên thực hiện: NGUYỄN THÁI DŨNG TUẤN
MSSV: 13119163
Khóa: 2013
Ngành : CÔNG NGHỆ KĨ THUẬT MÁY TÍNH
GVHD: TS.TRƯƠNG NGỌC SƠN

TP. Hồ Chí Minh ngày 22 tháng 1 năm 2019

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
***-Tp. Hồ Chí Minh, ngày 15 tháng 1 năm 2019

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ và tên sinh viên: Nguyễn Thái Dũng Tuấn

MSSV:13119163

Ngành:Công Nghệ Kỹ Thuật Máy Tính

Lớp: 13119CL2

Giảng viên hướng dẫn: TS.Trương Ngọc Sơn

ĐT: ……............

Ngày nhận đề tài: 28/9/2018

Ngày nộp đề tài: 6/1/2019

1. Tên đề tài: ROBOT HÚT BỤI TỰ ĐỘNG
2. Các số liệu, tài liệu ban đầu:
Kiến thức cơ bản về lập trình python, lập trình giao diện,
truyền tín hiệu không dây.
3. Nội dung thực hiện đề tài:
Nhiệm vụ

Tuấn

Thiết kế giao diện Android

X

Lập trình hệ thống

X

Thiết kế mẫu vật 3D

X

Thi công đề tài

X

Viết báo cáo

X

4. Sản phẩm: ROBOT HÚT BỤI TỰ ĐỘNG
TRƯỞNG NGÀNH

GIẢNG VIÊN HƯỚNG DẪN

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh Phúc

*******

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên: NGUYỄN THÁI DŨNG TUẤN..................... MSSV: 13119163
Ngành: Công nghệ kỹ thuật máy tính ...............................................................................................
Tên đề tài: ROBOT HÚT BỤI TỰ ĐỘNG .......................................................................................
Họ và tên Giáo viên hướng dẫn: TS. TRƯƠNG NGỌC SƠN ...........................................................
NHẬN XÉT
1. Về nội dung đề tài &amp khối lượng thực hiện:
........................................................................................................................................................
........................................................................................................................................................
........................................................................................................................................................
........................................................................................................................................................
2. Ưu điểm:
........................................................................................................................................................
..............
...

...
pin) == 0):
break
t1 = cv2.getTickCount()
main_coordinates = [0,0,0,0]
#Đọc các hình ảnh từ luồng ảnh của Webcam
ret, frame = camera.read()
frame_expanded = np.expand_dims(frame, axis=0)
# Thực thi quá trình dự đoán của Tensorflow và nhận kết quả trả về
(boxes, scores, classes, num) = sess.run(
[detection_boxes, detection_scores, detection_classes, num_detections],
feed_dict={image_tensor: frame_expanded})
#Quy đổi thành mảng chứa tọa độ của các vật phát hiện được
coordinates = vis_util.return_coordinates(
frame,
Trang 73

np.squeeze(boxes),
np.squeeze(classes).astype(np.int32),
np.squeeze(scores),
category_index,
use_normalized_coordinates=True,
line_thickness=8,
min_score_thresh=0.80)
print(coordinates)
if(len(coordinates) == 1): #Nếu khung hình chỉ phát hiện đúng 1 vật
if(coordinates != []): #Nếu mảng tọa độ khác rỗng
main_coordinates = coordinates[0] #tạo mảng con chứa phần tử đầu
tiên của mảng trước đó
ymin = main_coordinates[0] #Giá trị y nhỏ nhất là phần tử thứ 0
ymax = main_coordinates[1] #Giá trị y lớn nhất là phần tử thứ 1
xmin = main_coordinates[2] #Giá trị x nhỏ nhất là phần tử thứ 2
xmax = main_coordinates[3] #Giá trị x lớn nhất là phần tử thứ 3
score = main_coordinates[4] #Tỉ lệ dự đoán là phần tử thứ 4
if(score 99): #Nếu dự đoán đến 99% giống với dữ liệu
average_x = (xmin + xmax)/2 #Tìm trung điểm theo trục x
average_y = (ymin + ymax)/2 #Tìm trung điểm theo trục y
if(average_x (IM_WIDTH/2)): Nếu trung điểm x nằm về bên trái
print(On the left)
#Xoay trái và đi thẳng 1 đoạn để hiệu chỉnh hướng tiếp cận
DC_control.Turn_Left(IN1,IN2,IN3,IN4)
DC_control.Short_Move_Up(IN1,IN2,IN3,IN4)
elif(average_x (IM_WIDTH/2)): #Nếu trung điểm x nằm về bên
phải
print(On the right)
Trang 74

#Xoay phải và đi thẳng 1 đoạn để hiệu chỉnh hướng tiếp cận
DC_control.Turn_Right(IN1,IN2,IN3,IN4)
DC_control.Short_Move_Up(IN1,IN2,IN3,IN4)
print(main_coordinates)
else:
print(Invalid object)

# Khoanh vùng vật thể đã phát hiện
vis_util.visualize_boxes_and_labels_on_image_array(
frame,
np.squeeze(boxes),
np.squeeze(classes).astype(np.int32),
np.squeeze(scores),
category_index,
use_normalized_coordinates=True,
line_thickness=8,
min_score_thresh=0.85)
cv2.putText(frame,FPS:
{0:.2f}.format(frame_rate_calc),(30,50),font,1,(255,255,0),2,cv2.LINE_AA)

# Hiển thị toàn bộ lên bằng OpenCV
cv2.imshow(Object detector, frame)
#Tính toán FPS sau khi đã xử lý xong
t2 = cv2.getTickCount()
time1 = (t2-t1)/freq
frame_rate_calc = 1/time1

Trang 75