L=Xr-[Xc-(Yr-Yc)×△]
Xr為機器人所在點橫坐標；Yr為機器人所在點縱坐標；Xc為白線中點橫坐標的均值；Yc為白線中點縱坐標的均值。

3．3 路徑跟蹤
移動機器人的路徑跟蹤就是通過調(diào)節(jié)機器人的運動速度和方向，使機器人沿期望的路徑運動。即L=0且△=0。機器人對路徑的跟蹤控制可以采用PID控制器、最優(yōu)控制器、模糊控制器等方式。由于能力風暴機器人是一個具有延遲的非線性時變系統(tǒng)，難以建立精確的數(shù)學模型，故采用模糊控制器有一定的優(yōu)越性。
根據(jù)人的駕駛經(jīng)驗，當人駕駛汽車跟蹤附近路面上的一條車道線時，他首先要進行觀察，將此直線當作參考路徑，衡量車體與參考路徑段的橫向距離以及它們所處方向的夾角，而這種衡量是以一種模糊的概念給出的，如距離比較大，角度很小等。當發(fā)現(xiàn)車體離參考路徑很遠且與期望方向偏角較大時，可以駕駛汽車快速轉(zhuǎn)彎，向期望位置靠攏；而在離參考路徑很近，汽車朝向已正對前方車道線上某一位置時，就不需轉(zhuǎn)動方向盤來改變行駛方向，而是一直保持當前行駛狀態(tài)，直至離車道線上拐點比較近時，再找下一個參考路徑段?？梢愿鶕?jù)上述人的駕駛經(jīng)驗設計模糊控制器，視覺導引的機器人控制系統(tǒng)結(jié)構(gòu)如圖6所示。

3．3．1 模糊化
系統(tǒng)中模糊控制器的輸入量為距離偏差L和角度偏差△，輸出量為機器人小車相對車體軸線的轉(zhuǎn)向偏轉(zhuǎn)角β，輸入輸出量的論域、模糊子集以及模糊子集論域如表1所示。

由于在機器人實際運行過程中，偏差的產(chǎn)生具有隨機性，所以輸入輸出量的模糊子集的隸屬函數(shù)都采用高斯函數(shù)加以描述，即

Ci為隸屬函數(shù)的均值；δi為隸屬函數(shù)的標準差。
3．3．2 確定模糊規(guī)則
根據(jù)汽車駕駛的經(jīng)驗可得出如表2所示的49條模糊控制規(guī)則。

3．3．3 模糊推理和解模糊
模糊推理采用間接合成法推理公式，假設現(xiàn)有輸入L*、△*，需求出輸出β*，推理過程如下：

其中合成運算。采用取大一取小(MAX-MIN)法。
采用質(zhì)心法進行解模糊處理，從而得到精確的輸出值，解模糊計算公式如下：

將上述結(jié)果制成模糊控制表存儲起來，在機器人運行過程中只需在線查詢出相應的β值，而不必進行大量的數(shù)學運算，這樣可以節(jié)省運算時間，提高控制的實時性。

4 綜述
目前此系統(tǒng)已經(jīng)通過中國科學技術(shù)大學教育處驗收，并作為本科生智能機器人教學實驗系統(tǒng)運行。為驗證本文提出的控制方法的有效性，我們按照上述控制策略在實驗場地中對機器人進行路徑跟蹤實驗。實驗場地為-2×2的綠色背景場地，在場地上貼上3 cm寬的白線作為引導線，如圖7所示。在實驗中，機器人能準確地跟蹤指定路徑。實驗表明，在實際應用中，采用模糊控制方法具有較好的穩(wěn)定性和精度。通過HSL空間內(nèi)運算有效地提高圖像信號對光照的魯棒性。此設計可作為簡單的算法驗證和策略測試平臺。