Penggunaan machine vision dalam robot pandu sendiri yang mengenal pasti halangan

 

Penggunaan machine vision dalam robot pandu sendiri yang mengenal pasti halangan adalah salah satu komponen utama bagi memastikan robot dapat bergerak secara selamat dan efisien tanpa campur tangan manusia.

---

1. Peranan Machine Vision dalam Pengenalpastian Halangan

Machine vision membolehkan robot:

• “Melihat” persekitaran melalui kamera atau sensor.

• Memproses imej secara masa nyata (real-time) untuk mengenal pasti objek atau halangan.

• Membuat keputusan pergerakan untuk mengelak atau berhenti sebelum bertembung.

---

2. Proses Pengenalpastian Halangan

1. Pengambilan imej (Image Acquisition)

   • Robot menggunakan kamera 2D, kamera stereo (dua lensa), atau kamera 3D untuk menangkap imej persekitaran.

   • Sensor tambahan seperti LiDAR atau inframerah kadang-kadang digabungkan untuk ketepatan jarak.

2. Pra-pemprosesan imej (Image Pre-processing)

   • Menambah baik kualiti imej dengan menyesuaikan pencahayaan, menghapuskan hingar (noise), dan menukar imej kepada format yang mudah dianalisis.

3. Pengesanan objek dan halangan (Object Detection)

   • Menggunakan algoritma deep learning (contohnya YOLO, SSD, Faster R-CNN) untuk mengesan halangan seperti manusia, dinding, perabot, atau kenderaan.

   • Data kedudukan objek dalam koordinat ruang 3D dihasilkan.

4. Pengukuran jarak & penentuan lokasi (Depth & Localization)

   • Sistem menentukan jarak antara robot dan halangan menggunakan visi stereo atau penggabungan data dengan sensor jarak.

5. Perancangan laluan (Path Planning)

   • Berdasarkan lokasi halangan, robot mengira laluan alternatif yang selamat menggunakan algoritma seperti A*, D*, atau RRT.

6. Tindakan kawalan (Control Action)

   • Robot mengubah arah, memperlahankan kelajuan, atau berhenti sepenuhnya jika jarak halangan terlalu dekat.

---

3. Kelebihan Machine Vision untuk Robot Pandu Sendiri

• Kesedaran Persekitaran Lebih Baik – Boleh mengesan objek statik dan bergerak.

• Fleksibel – Boleh digunakan di pelbagai persekitaran (dalam bangunan, luar bangunan, jalan raya).

• Kos Lebih Rendah – Berbanding penggunaan sensor LiDAR sahaja.

• Integrasi AI – Boleh belajar mengenali halangan baru dari pengalaman.

---

4. Contoh Aplikasi

• Robot penghantaran di gudang (mengelak rak atau pekerja).

• Kenderaan pandu sendiri di jalan raya (mengenal pasti kereta lain, pejalan kaki, kon jalan).

• Robot pembersih lantai di rumah (mengelak perabot dan haiwan peliharaan).