LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng Các số liệu trích dẫn có nguồn gốc Các kết trình bày luận văn trung thực chưa công bố công trình khác Tác giả luận văn Nguyễn Đình Văn i LỜI CẢM ƠN Lời đầu tiên, cho xin gửi lời cảm ơn sâu sắc chân thành tới TS Đào Trung Kiên, người thầy, người anh tận tình hướng dẫn, bảo động viên suốt trình nghiên cứu viết luận văn để hoàn thành luận văn Xin chân thành cảm ơn đồng nghiệp Viện nghiên cứu Quốc tế MICA, Trường Đại học Bách khoa Hà Nội, tập thể phòng môi trường cảm thụ tương tác tạo điều kiện giúp dỡ trình thực luận văn Cuối xin bày tỏ lòng biết ơn sâu sắc tới gia đình người bạn động viên, chia sẻ, ủng hộ chỗ dựa tinh thần giúp tập trung nghiên cứu hoàn thành luận văn Nguyễn Đình Văn ii MỤC LỤC PHẦN mở đầu .1 Chương Tổng Quan 1.1 Các khái niệm 1.2 Đặt vấn đề 1.3 Cấu trúc luận văn Chương Tổng quan phương pháp mô hình hóa môi trường 2.1 Các phương pháp mô hình hóa thông tin môi trường tự động 2.2 Các phương pháp mô hình hóa thông tin môi trường bán tự động .10 2.3 Đánh giá nhận xét 10 Chương Xây dựng giải pháp mô hình hóa môi trường 12 3.1 Phân tích thiết kế hệ thống 12 3.2 Bước tiền xử lý thông tin môi trường 14 3.3 Xây dựng cấu trúc văn XML mô tả thông tin môi trường 16 3.3.1 Tại XML 16 3.3.2 Hướng thiết kế cấu trúc XML cho mô hình hóa môi trường 18 3.3.3 Thiết kế cụ thể cấu trúc XML mô tả thông tin môi trường 21 Chương Xây dựng mô-đun hỗ trợ ứng dụng mô hình hóa môi trường 29 4.1 Mô-đun chuyển đổi XML sang SQL 29 4.2 Mô-đun chuyển đổi XML sang 3D .33 4.3 Ứng dụng tìm đường ngắn môi trường nhiều vật cản động 35 4.4 Ứng dụng cải thiện kết định vị dựa thông tin môi trường .44 4.4.1 Trường hợp hai vị trí thuộc vùng 47 iii 4.4.2 Chương Trường hợp hai vị trí thuộc hai vùng khác 49 Kết thử nghiệm đánh giá 53 Kết luận .63 Tài liệu tham khảo .65 iv DANH SÁCH HÌNH VẼ Hình 2-1 Một ví dụ RobotMapping sử dụng cảm biến Lỗi bị tích lũy dần theo thời gian Hình (a)thể đồ thị vẽ robot so với đồ thị thực tế (b) thể doạn đường thẳng bị sai số tích lũy robot [26] Hình 3-1 Tổng quan hệ thống mô hình hóa môi trường 13 Hình 3-2 Ví dụ mô hình AutoCAD 2D môi trường 15 Hình 3-3 Hệ trục tọa độ địa phương 16 Hình 3-4 Mô hình đối tượng tổng quát XML 20 Hình 3-5 Ví dụ áp dụng phép tham số hóa để thể hai đối tượng tường có kích cỡ, vị trí cửa sổ cửa vào khác với mô tả tổng quát 21 Hình 3-6 Thiết kế tổng quan XML Schema 22 Hình 3-7 Định nghĩa XML Schema cho .22 Hình 3-8: Định nghĩa XML schema cho 23 Hình 3-9 Định nghĩa XML schema cho đối tượng .24 Hình 3-10 Mô tả XML schema cho đối tượng ngữ nghĩa 25 Hình 3-11 Mô tả XML schema cho đối tượng tĩnh 25 Hình 3-12 Định nghĩa XML schema cho thẻ tag .26 Hình 4-1 Một phần thiết kế CSDL MySQL từ Xschema 31 Hình 4-2 Quy trình chuyển đổi XML sang SQL 32 Hình 4-3 Mô hình 3D theo chuẩn COLLADA 34 Hình 4-4 Phát biểu toán tìm đường ngắn 36 Hình 4-5 Tổng quan thuật toán tìm đường ngắn 37 Hình 4-6 Mọi điểm đa giác lồi nhìn thấy 40 Hình 4-7 vật cản đặt cạnh đa giác lồi 40 v Hình 4-8 Tập lược đồ Voronoi xây dựng từ môi trường tĩnh 42 Hình 4-9 Tập đường khả thi sau xử lý lược đồ Voronoi 42 Hình 4-10 Ví dụ phương pháp mở rộng biên môi trường 43 Hình 4-11 Ví dụ sai số độ cao 44 Hình 4-12 Ví dụ việc sử dụng ngữ nghĩa lịch sử định vị để cải thiện kết định vị 46 Hình 5-1 Mô hình AutoCAD 2D tầng 8, 9, 10 tòa nhà B1 – Đại học Bách Khoa Hà Nội .53 Hình 5-2 Bản vẽ kĩ thuật tầng nhà D trường Nguyễn Đình Chiểu 54 Hình 5-3 Mô hình 2D AutoCAD tầng 2, nhà D trường Nguyễn Đình Chiểu 54 Hình 5-4 Tóm tắt văn XML mô tả trường Nguyễn Đình Chiểu 54 Hình 5-5 Phần mềm xây dựng 3D sử dụng OpenGL C++ cho môi trường nhà D Nguyễn Đình Chiểu 55 Hình 5-6 tầng 2, nhà D trường Nguyễn Đình Chiểu 55 Hình 5-7 đồ 2D nhà D, trường Nguyễn Đình Chiểu Google Map với tọa độ thật 56 Hình 5-8 Mô tả 3D sử dụng OpenGL tòa nhà B1, ĐHBKHN 56 Hình 5-9 Mô tả 3D sử dụng ngôn ngữ COLLADA 57 Hình 5-10 Thể 2D mô hình dạng đa giác 57 Hình 5-11 Visibility Map môi trường 59 Hình 5-12 Đường ngắn hai điểm tầng 8, tòa nhà B1, DHBKHN 60 Hình 5-13 Đường ngắn hai điểm với cửa vật cản cập nhật .60 vi Hình 5-14 Kết định vị nhà sử dụng WiFi với việc áp dụng thông tin môi trường 61 Hình 5-15 Phân bố lỗi kết định vị Độ tin cậy kết định vị 62 vii PHẦN MỞ ĐẦU Hiện nay, với phát triển mạnh mẽ mạng internet thiết bị cầm tay (điện thoại thông minh, máy tính bảng,…) việc kết hợp công nghệ cao vào nhằm đưa giải pháp phục vụ, nâng cao đời sống người hàng ngày dần trở nên phổ biến Chính kết hợp cho phép giải số toán như: xây dựng môi trường nhà thông minh, văn phòng thông minh, hỗ trợ người khiếm thị di chuyển môi trường có vật cản di động hay cho phép robot tự hành di chuyển thực tác vụ phục vụ người môi trường phức tạp Xuất phát từ điều kiện nhu cầu trên, việc nghiên cứu phát triển hệ thống môi trường cảm thụ thông minh hoàn thiện, ứng dụng phát triển nhanh chóng cho mục đích khác vô cần thiết Một toán tảng nhằm triển khai hệ thống môi trường thông minh việc tái tạo quản lý môi trường vật lý hệ thống thông tin hay gọi toán mô hình hóa thông tin môi trường Giải toán giúp hệ thống có thông tin quan trọng môi trường thực tế để từ xây dựng hệ thống xử lý thông minh cách xác Luận văn tập trung giải toán nói hướng tới cho phép mô hình hóa biểu diễn thông tin môi trường nhanh chóng, xác tiết kiệm Ở đây, môi trường quan tâm tòa nhà phần tòa nhà nơi triển khai hệ thống môi trường cảm thụ Thông tin môi trường mô hình hóa bao gồm: (1) thông tin kích thước, hình dạng, chất liệu cấu trúc vật lý môi trường (tường, cửa vào, cửa sổ, cầu thang, thang máy, sàn nhà …); (2) thông tin ngữ cảnh môi trường người dùng (tên vùng, vật liệu cấu thành, đặc điểm quan tâm, sở thích người dùng, …); (3) thông tin đối tượng tĩnh (các cảm biến, vật dụng tĩnh, ) quan tâm toán cụ thể Việc thu thập mô hình hóa thông tin môi trường triển khai với nhiều phương pháp khác giới Hai phương pháp sử dụng như: Phương pháp mô hình hóa tự động (sử dụng robot cảm biến môi trường) phương pháp mô hình hóa bán tự động (đòi hỏi có can thiệp, đo đạc người) Tuy nhiên, với xuất phát điểm nhằm nghiên cứu toán định vị nhà dẫn đường cho người khiếm thị đòi hỏi độ xác cao với chi phí thấp, việc áp dụng phương pháp tự động hoàn toàn gặp nhiều khó khăn Vì vậy,trong luận văn này, phương pháp thu thập lưu trữ thông tin môi trường bán tự động sử dụng cấu trúc XML nghiên cứu phát triển thành công cụ mô hình hóa môi trường hoàn thiện nhằm giải vấn đề Với nghiên cứu trình bày luận văn này, tác giả mong muốn xây dựng công cụ mô hình hóa thông tin môi trường hoàn thiện nhằm đóng góp vào việc triển khai hệ thống môi trường cảm thụ mức độ nghiên cứu thực tiễn cách hiệu Trước mắt, kết luận văn ứng dụng vào đề tài cấp cao như: đề tài liện kết Việt – Bỉ (VLIR), đề tài cấp mã số B20130148 Kết luận văn bao gồm: - Báo cáo luận văn - Cấu trúc chuẩn XML cho phép mô tả thông tin môi trường cách tổng quát, có khả áp dụng cho nhiều môi trường khác - Bộ công cụ hoàn thiện mô hình hóa môi trường cho phép biểu diễn môi trường nhiều hình thức (Cơ sở liệu MySQL, mô hình 2D, mô hình 3D) - Mô-đun sử dụng thông tin môi trường nhằm hỗ trợ toán môi trường cảm thụ (Mô-đun hỗ trợ tìm đường ngắn môi trường động, môđun giúp cải thiện chất lượng định vị nhà sử dụng thông tin môi trường) - Các báo liên quan đến kết luận văn: o Dinh-Van Nguyen, Eric Castelli, Trung-Kien Dao, Duc-Tho Le, LanHuong Nguyen, Salim Attig, "Application of Environment Constraints on Improving Localization Accuracy", The 8th International Conference on Ubiquitous Information Technologies and Applications (CUTE2013) – December 2013 – Best Paper Award o Trung-Kien Dao, Hung-Long Nguyen, Thanh-Thuy Pham, Eric Castelli, Viet-Tung Nguyen, and Dinh-Van Nguyen, “User Localization in Complex Environments by Multimodal Combination of GPS, WiFi, RFID, and Pedometer Technologies”, The Scientific World Journal, vol 2014, Article ID 814538, pages, 2014 o Dinh-Van Nguyen, Trung-Kien Dao, Eric Castelli, Long Nguyen, “A Method for Efficient Environment Modeling in Pervasive Applications”, The 2014 IEEE Fifth International Conference on Communications and Electronics o Nguyen Quoc Hung, Vu Hai, Tran Thi Thanh Hai, Dinh-Van Nguyen, Nguyen Quang Hoan, “Navigation system for visually impaired people in small scale using assistant Robot”, 2014 National Conference on Electronics, Communications and Information Technology, Nha Trang – Viet Nam CHƢƠNG KẾT QUẢ THỬ NGHIỆM VÀ ĐÁNH GIÁ Nhằm thử nghiệm đánh giá hiệu giải pháp mô hình hóa môi trường trình bày luận văn, hai thử nghiệm thực tế tiến hành Hai môi trường thực tế khác bao gồm: tầng 8, 9, 10 tòa nhà B1, thuộc Trường Đại học Bách Khoa Hà Nội tầng 2, nhà D khu kí túc xá trường dành cho học sinh khiếm thị lựa chọn để tiến hành mô hình hóa Trong đó, tòa nhà B1 có vẽ AutoCAD 2D cho trước, nhà D có vẽ kĩ thuật giấy Việc tiến hành thử nghiệm hai môi trường cho thấy khả ứng dụng phương pháp cao, đáp ứng đa dạng điều kiện toán Sau bước đo đạc thực tế, mô hình 2D AutoCAD hai tòa nhà thể Hình 5-1, Hình 5-2, Hình 5-3: Hình 5-1 Mô hình AutoCAD 2D tầng 8, 9, 10 tòa nhà B1 – Đại học Bách Khoa Hà Nội 53 Hình 5-2 Bản vẽ kĩ thuật tầng nhà D trường Nguyễn Đình Chiểu Hình 5-3 Mô hình 2D AutoCAD tầng 2, nhà D trường Nguyễn Đình Chiểu Với mô hình này, thông tin môi trường trích xuất mô tả XML Các mô tả XML sau thêm thông tin ngữ nghĩa mô tả chi tiết Hình 5-4 Hình 5-4 Tóm tắt văn XML mô tả trường Nguyễn Đình Chiểu Với văn mô tả môi trường này, áp dụng công cụ chuyển đổi tự động thiết kế cho mô hình 2D 3D sau: 54 Hình 5-5 Phần mềm xây dựng 3D sử dụng OpenGL C++ cho môi trường nhà D Nguyễn Đình Chiểu Hình 5-6 tầng 2, nhà D trường Nguyễn Đình Chiểu 55 Hình 5-7 đồ 2D nhà D, trường Nguyễn Đình Chiểu Google Map với tọa độ thật Hình 5-8 Mô tả 3D sử dụng OpenGL tòa nhà B1, ĐHBKHN 56 Hình 5-9 Mô tả 3D sử dụng ngôn ngữ COLLADA 40 30 20 10 -10 -20 -30 -40 10 20 30 40 50 60 Hình 5-10 Thể 2D mô hình dạng đa giác Với mô hình này, số thử nghiệm hệ thống môi trường cảm thụ tiến hành Một thử nghiệm việc truy vấn đường ngắn thời điểm môi trường Thử nghiệm cho thấy, với việc áp dụng kĩ thuật tối ưu trình bày chương V, kết thuật toán line-of-sight chưa tối ưu Bảng 3: 57 Bảng Số đỉnh cần xử lý thuật toán line-of-sight trước tối ưu STT Số đỉnh Số đỉnh cần xét Số cạnh cần xét Số cặp đỉnh nhìn thấy visibility graph 15 15 20 56 30 30 36 106 502 502 511 7430 373 373 378 5430 361 361 364 5471 Sau tối ưu hóa, kết có sau Bảng 4: Bảng Bài toán line-of-sight cải thiện STT Số đỉnh Số đỉnh cần xét Số cạnh cần xét Số cặp đỉnh nhìn thấy visibility graph % số cặp đỉnh giảm so với chưa loại bớt 15 20 19 66% 30 36 37 65% 502 161 511 2281 69% 373 120 378 1618 70% 361 130 364 1766 68% Từ đó, việc cập nhật đồ thị liên thông (hay visibility map) môi trường giới hạn điểm quan tâm Một ví dụ visibility map thể sau: 58 Hình 5-11 Visibility Map môi trường Hình 5-11 cho thấy visibility map môi trường xây dựng dựa đỉnh quan tâm (đỉnh lồi cho bao đỉnh lõm cho lỗ bên trong) thay với tất định môi trường đề cập chương V Với cải thiện này, thử nghiệm truy vấn đường ngắn thử nghiệm với cặp điểm (vị trí) môi trường Tại thời điểm truy vấn, hệ thống trả kết đường ngắn có cho đối tượng truy vấn Kết cập nhật liên tục phụ thuộc vào vị trí cập nhật vật cản vị trí đối tượng truy vấn (thông qua mô-đun định vị) Một số ví dụ kết đường ngắn thể sau: 59 Hình 5-12 Đường ngắn hai điểm tầng 8, tòa nhà B1, DHBKHN Hình 5-13 Đường ngắn hai điểm với cửa vật cản cập nhật Hình 5-12 thể đường ngắn hai điểm môi trường với cửa mở vật cản Khi cập nhật trạng thái cửa, vật cản, đường ngắn cập nhật theo thời gian thực ( 200ms) thể Hình 5-13 Bên cạnh đó, ứng dụng vào toán định vị nhà sử dụng sóng WiFi, mô hình môi trường kể thể hiệu xác Thử nghiệm đưa thiết kế với đối tượng người dùng, di chuyển theo 60 đường định sẵn môi trường Kết mô-đun định vị nói riêng mô-đun định vị kết hợp với sử dụng thông tin từ mô hình môi trường đem so sánh nhằm chứng minh vai trò độ xác mô hình xây dựng Real path Without constraints With constraints 60 50 Y (m) 40 30 20 10 0 10 20 30 X (m) 40 50 60 Hình 5-14 Kết định vị nhà sử dụng WiFi với việc áp dụng thông tin môi trường Hình 5-14 kết thử nghiệm định vị môi trường sử dụng sóng WiFi Thử nghiệm khác chỗ: kết màu xanh kết định vị không xét đến thông tin môi trường Trong đó, kết màu xanh da trời thể vị trí tính đến thông tin môi trường áp dụng biện pháp tinh chỉnh trình bày chương V Với việc áp dụng thông tin môi trường từ mô hình, mức độ cải thiện độ tin cậy sai số phép định vị có cải thiện rõ rệt thể qua Hình 5-15 Bảng 61 100 20 Without constraints With constraints 15 90 80 Reliability distribution (%) 10 Y (m) -5 -10 -15 60 50 40 30 20 -20 -25 -10 70 Without constraints With constraints 10 10 X (m) 20 30 0 10 15 Error (m) 20 25 30 Hình 5-15 Phân bố lỗi kết định vị Độ tin cậy kết định vị Bảng Sai số định vị với thông tin môi trường/ thông tin môi trường Without envi- Average Maximal Error at reliability of error (m) error (m) 90% (m) 6.81 28.94 12.47 2.47 6.65 4.67 ronment With envi- ronment 62 KẾT LUẬN Luận văn trình bày phương pháp nhằm mô hình hóa môi trường cách đơn giản, hiệu tiết kiệm chi phí đầu tư Việc áp dụng phương pháp mô hình hóa môi trường giúp triển khai nhanh toán môi trường cảm thụ đưa đến kết xác Ngoài ra, với việc cung cấp mô-đun tự động, ứng dụng như: mô-đun chuyển hóa sở liệu ứng dụng tìm đường … giải pháp trình bày luận văn thể rõ tính ưu việt so với giải pháp áp dụng cho toán môi trường cảm thụ nhà đòi hỏi độ xác cao, chi phí thấp So sánh với phương pháp mô hình hóa có, giải pháp đề xuất luận văn có ưu điểm sau: - Giảm thiểu chi phí đầu tư mô hình hóa cách đáng kể - Cho phép triển khai nhanh chóng với môi trường có vẽ kĩ thuật - Cho phép triển khai nghiên cứu thử nghiệm nhằm kiểm chứng độ xác khả thi hệ thống thông minh trước đưa thực tế - Cung cấp đa dạng đầy đủ công cụ hỗ trợ, phục vụ yêu cầu đa dạng toán môi trường cảm thụ - Hỗ trợ mô tả ngữ nghĩa mạnh với cấu trúc XML Phương pháp áp dụng vào hai môi trường chính: tầng 8, 9, 10 nhà B1 trường Đại học Bách khoa Hà Nội tầng nhà D khu kí túc xá trường Nguyễn Đình Chiểu Cả hai môi trường mô hình thành công thời gian ngắn (3-5 ngày) với độ xác cao Các mô-đun chuyển đổi ứng dụng kèm chứng minh hiệu tính xác chúng thông qua thử nghiệm thực tế Trong tương lai, việc phát triển phương pháp tập trung vào điểm sau đây: 63 - Cải thiện nâng cao khả mô tả ngữ nghĩa văn XML (theo hướng Ontology) - Nâng cao khả tự động hóa mô tả môi trường từ bước tiền xử lý sang bước mô tả XML - Cải thiện thuật toán tìm đường đi, thuật toán cải thiện kết định vị 64 TÀI LIỆU THAM KHẢO [1] A Aggarwal, L J Guibas, J Saxe, and P W Shor., “A linear-time algorithm for computing the Voronoi diagram of a convex polygon”, Discrete Comput Geom., 4(6):591–604, 1989 [2] A Oualid Djekoune, Karim Achour and Redouane Toumi, “A Sensor Based Navigation Algorithm for a Mobile Robot using the DVFF Approach”, International Journal of Advanced Robotic Systems;Jun2009, Vol Issue 2, p97, June 2009 [3] Abel, D.J., Kilby, P.J.,Davis, J.R., “The system integration problem” International Journal of Geographic Information System 1-12R Nicole 1994 [4] Argent, R.M., Mitchell, V.G, “Putting GIS to work in catchment management: a case study from Port Phillip Bay”, In: Water 99 Joint Congress: Proceedings of Water 00 Joint Congress: Brisbane, the Institution of Engineers, Australia, pp 1041-1046, 1999 [5] Booty, W.G., D.C.L Lam, I.W.S Wong and P Siconolfi “Design and implementation of an environmental decision support system”, Environmental Modelling and Software 16: 453-458, 2001 [6] CGAL – Computational Geometry Algorithms Library, www.cgal.org, referenced 21/05/2014 [7] Cliper Library, http://www.angusj.com/delphi/clipper/documentation/Docs/Overview/_Body.ht m, referenced 21/05/2014 [8] D Kortenkamp, R.P Bonasso, and R Murphy, editors AI-based Mobile Robots: Case studies of successful robot systems, Cambridge, MA, 1998 MIT Press [9] David Tuft Brian Salomon Sean Hanlon Dinesh Manocha, “Fast Line-of-Sight Computations in Complex Environments”, Dept of Computer Science Univ of North Carolina at Chapel Hill, Chapel Hill, NC 27599-3175 USA 65 [10] Francisco Campuzano, Teresa Garcia-Valverde, Alberto Garcia-Sola, Juan A Botia, “Flexible Simulation of Ubiquitous Computing Environments”, Advances in Intelligent and Soft Computing Volume 92, 2011, pp 189-196 [11] Google Tango Project, https://www.google.com/atap/projecttango/#project [12] Hyungil Kim, Kyeonah Yu and Juntae Kim, “Reducing the Search Space for Pathfidning in Navigation Meshes by Using Visibility Tests”, Journal of Electrical Engineering & Technology Vol 6, No 6, pp 867~873, 2011 http://dx.doi.org/10.5370/JEET.2011.6.6.867 [13] J Borenstein, B Everett, and L Feng “Navigating Mobile Robots: Systems and Techniques.” A K Peters, Ltd., Wellesley, MA, 1996 [14] Kuen-Han Lin; Chun-Hua Chang; Dopfer, Andreas; Chieh-Chih Wang, “Mapping and Localization in 3D Environments Using a 2D Laser Scanner and a Stereo Camera”, Journal of Information Science & Engineering; Jan2012, Vol 28 Issue 1, p131 [15] Leavesley GH, et al, “The Modular Modelling System MMS”, Proceedings: Int Conference: Integrating Geographic Information Systems and Environmental Modelling, Brekenridge, 1993 [16] Lee Gim Hee and Marcelo H.Ang Jr., “An Integrated Algorithm for Autonomous Navigation of a Mobile Robot in an Unknown Environment”, Journal of Advanced Computational Intelligence and Intelligent Informatics, Vol.12, No.4 pp 328-335, 2008 [17] Line of sight algorithm, http://en.wikipedia.org/wiki/Line_of_sight_(gaming), referenced 21/05/2014 [18] M Abellanas, G Hernandez, R Klein, V Neumann-Lara, and J Urrutia, “Voronoi diagrams and containment of families of convex sets on the plane”, In Proc 11th Annu ACM Sympos Comput Geom., pages 71–78, 1995 [19] Mazl, R, Preucil, L., “Building a 2D environment map from laser range-finder data”, Intelligent Vehicles Symposium, 2000 IV 2000 Proceedings of the IEEE, pp 290 -295, Oct 2000 66 [20] Michael Kleder, “Convert Cartesian Coordinatest to lat, lon, alt”, http://www.mathworks.com/matlabcentral/fileexchange/7941-convertcartesian ecef coordinates-to-lat lon alt, ref: 8th Sept, 2014 [21] P E Hart, N J Nilsson, and B Raphael A formal basis for the heuristic determination of minimum cost paths.IEEE Transactions on Systems Science and Cybernetics SSC4 (2), pages 100–107, 1968 [22] Pathfinding on a 2D polygonal map, http://www.david- gouveia.com/portfolio/pathfinding-on-a-2d-polygonal-map/, referenced 21/05/2014 [23] R Korf Depth-First iterative deepening: An optimal admissible tree search In Artificial Intelligence, pages 97–109, 1985 [24] Reed, M., Cuddy, S.M and Rizzoli, A.E., “A Framework for Modelling Multiple Resource Management Issues - an Open Modelling Approach”, In McDonald, A D and McAleer, M., (Eds.) MODSIM '97 - International Congress on Modelling and Simulation Australia: Modelling and Simulation Society of Australia Inc vol 2, pp 681-686, 1997 [25] Robot Path Planning Using Generalized Voronoi http://www.cs.columbia.edu/~pblaer/projects/path_planner/, Diagrams, Referenced 21/05/2014 [26] Sebastian Thrum, 2002, “Robotic Mapping: A Survey”, School of Computer Science, Carnegie mellon University Pittsburgh, PA 15213 67 ... xử lý thông minh cho toán môi trường cảm thụ Các thông tin môi trường mô tả toán mô hình hóa thông tin môi trường đa dạng như: thông tin cấu trúc vật lý môi trường, thông tin ngữ nghĩa môi trường, ... đến việc giải toán tảng mô hình hóa thông tin môi trường Bài toán mô hình hóa thông tin môi trường toán tảng vô quan trọng toàn môi trường cảm thụ Giải toán này, thông tin môi trường sinh hoạt... Chương Tổng quan phương pháp mô hình hóa môi trường 2.1 Các phương pháp mô hình hóa thông tin môi trường tự động 2.2 Các phương pháp mô hình hóa thông tin môi trường bán tự động .10 2.3 Đánh