一种视觉导航机器人的设计

L=Xr-[Xc-(Yr-Yc)×△]
Xr为机器人所在点横坐标；Yr为机器人所在点纵坐标；Xc为白线中点横坐标的均值；Yc为白线中点纵坐标的均值。

3．3 路径跟踪
移动机器人的路径跟踪就是通过调节机器人的运动速度和方向，使机器人沿期望的路径运动。即L=0且△=0。机器人对路径的跟踪控制可以采用PID控制器、最优控制器、模糊控制器等方式。由于能力风暴机器人是一个具有延迟的非线性时变系统，难以建立精确的数学模型，故采用模糊控制器有一定的优越性。
根据人的驾驶经验，当人驾驶汽车跟踪附近路面上的一条车道线时，他首先要进行观察，将此直线当作参考路径，衡量车体与参考路径段的横向距离以及它们所处方向的夹角，而这种衡量是以一种模糊的概念给出的，如距离比较大，角度很小等。当发现车体离参考路径很远且与期望方向偏角较大时，可以驾驶汽车快速转弯，向期望位置靠拢；而在离参考路径很近，汽车朝向已正对前方车道线上某一位置时，就不需转动方向盘来改变行驶方向，而是一直保持当前行驶状态，直至离车道线上拐点比较近时，再找下一个参考路径段。可以根据上述人的驾驶经验设计模糊控制器，视觉导引的机器人控制系统结构如图6所示。

3．3．1 模糊化
系统中模糊控制器的输入量为距离偏差L和角度偏差△，输出量为机器人小车相对车体轴线的转向偏转角β，输入输出量的论域、模糊子集以及模糊子集论域如表1所示。

由于在机器人实际运行过程中，偏差的产生具有随机性，所以输入输出量的模糊子集的隶属函数都采用高斯函数加以描述，即

Ci为隶属函数的均值；δi为隶属函数的标准差。
3．3．2 确定模糊规则
根据汽车驾驶的经验可得出如表2所示的49条模糊控制规则。

3．3．3 模糊推理和解模糊
模糊推理采用间接合成法推理公式，假设现有输入L*、△*，需求出输出β*，推理过程如下：

其中合成运算。采用取大一取小(MAX-MIN)法。
采用质心法进行解模糊处理，从而得到精确的输出值，解模糊计算公式如下：

将上述结果制成模糊控制表存储起来，在机器人运行过程中只需在线查询出相应的β值，而不必进行大量的数学运算，这样可以节省运算时间，提高控制的实时性。

4 综述
目前此系统已经通过中国科学技术大学教育处验收，并作为本科生智能机器人教学实验系统运行。为验证本文提出的控制方法的有效性，我们按照上述控制策略在实验场地中对机器人进行路径跟踪实验。实验场地为-2×2的绿色背景场地，在场地上贴上3 cm宽的白线作为引导线，如图7所示。在实验中，机器人能准确地跟踪指定路径。实验表明，在实际应用中，采用模糊控制方法具有较好的稳定性和精度。通过HSL空间内运算有效地提高图像信号对光照的鲁棒性。此设计可作为简单的算法验证和策略测试平台。