【正文】 s velocity u, in this paper, a fuzzy logic controller (FLC) with the inputs of the distance error and the error change is designed to adjust the velocity. The control framework is shown in Fig. 1. Fig. 1. The control frameworkThe control framework the fuzzy control method is described below. The FLC has two control inputs and one output which is the coordinator39。2) The observation angle 0 to the leader Roi from the view of Roj is equal to a predefined value Opdc The observation angle 0 may be regulated to approach Opd by adjusting the robot39。 (2) using several simple robots may be easier, cheaper and more flexible than having a powerful robot。 if (L(v,u)minU) minU=L(v,u)。 p(v,u)=(Sxv)*c/Sx。for u=1:Sy for v=1:Sx if HW(v,u)~=0 y=H*tan((90a)+(Syu)/Sy*(ab))。H=1。b=30。c=atan(x1/y1)。%單位ma=atan(H/y1)。y1=1。H=1。p=HW.*0。Sy=131。腐蝕39。)。%subplot(3,3,7),imshow(KW),title(39。339。EWamp。)。)%subplot(3,3,5),imshow(BW3),title(39。title(39。顏色識別結(jié)果39。)。subplot(2,2,3),imshow(~CW),title(39。H分量39。)。 %腐蝕subplot(2,2,1),imshow(RGB),title(39。erode39。)。 %腐蝕%LW=bwfill(JW,39。erode39。)。CW,39。GW)。%IW=(BWamp。HW=(BWamp。EWamp。 %GW=roicolor(B,10,45)。 %FW=roicolor(G,120,200)。 %設(shè)定S篩選閾值%DW=roicolor(V,)。%綠色閾值BW=roicolor(H,)。39。%figure,imshow(R)。%imshow(RGB1)。%B=RGB(:,:,3)。 %R=RGB(:,:,1)。 %篩選H分量S=HSV(:,:,2)。 %讀取文件HSV=rgb2hsv(RGB)。bmp39。c39。shg。)。ylabel(39。\fontsize{12}\bft\rightarrow39。\fontsize{12}\bf 角速度39。,2)。,39。%distance Rotatcsubplot(2,2,4),plot(t,Rotatc,39。\fontsize{12}\bfy\rightarrow39。)。)xlabel(39。title(39。,2)。,39。%distancesubplot(2,2,3),plot(t,dt,39。\fontsize{12}\bfy\rightarrow39。)。)xlabel(39。title(39。,2)。,39。%output U speedsubplot(2,2,2),plot(t,U,39。)。ylabel(39。\fontsize{12}\bfx\rightarrow39。\fontsize{12}\bf 路線圖39。%axis([0,30,20,20])。ob39。%hold on。.r39。)。 subplot(2,2,1),plot([XF(n),agtanX(n)],[YF(n),agtanY(n)],39。%axis([10,30,20,20])。Markersize39。ob39。 %繪制指向標(biāo)記 agtanY(n)=Pl*sin(R(n))+YF(n)。hold on。dr39。shg。 %移動 YF(n)=YF(n1)+U(n)*sin(R(n1)+Rotatc(n)/2)。 %跟隨機(jī)器人朝向 %Ut=U(n)/(abs(Rotatc(n)))*(sqrt(2(cos(Rotat(n)))))。 %角速度 if (abs(Rotatc(n))=Rm) %限制角速度 Rotatc(n)=(Rotatc(n)/abs(Rotatc(n)))*Rm。 %跟隨機(jī)器人當(dāng)前角度和期望朝向間的夾角 if (abs(Rotat(n))pi) %轉(zhuǎn)化為（pi，pi） Rotat(n)=(2*piabs(Rotat(n)))*(abs(Rotat(n))/Rotat(n))。 Angletan(n)=atan2((YL(n)YF(n1)),(XL(n)XF(n1)))。 %跟隨機(jī)器人輸出速度 if (U(n)Um) %為了不使機(jī)器人過速 U(n)=Um。 %保持距離 ect(n)=(et(n)et(n1))。for n=2:maxT dt(n)=sqrt((XF(n1)XL(n))^2+(YF(n1)YL(n))^2)。kri=。ki=。agtanY=0.*t。R(1)=pi。Rm=。Angletan=0.*t。ect(1)=0。dt(1)=sqrt((abs(XF(1)XL(1)))^2+(abs(YF(1)YL(1)))^2)。%初始化分離速度dt=0.*t。%設(shè)定保持距離 et=0.*t。%設(shè)定 xf and yfYF(1)=10。%初始化 xf and yfXF=0.*t。%設(shè)定 xl YL=sin(t)。%領(lǐng)航機(jī)器人速度Um=。%時間r=5。maxT=60。clf。shg。)。ylabel(39。\fontsize{12}\bft\rightarrow39。\fontsize{12}\bf 角速度39。,2)。,39。%distance Rotatcsubplot(2,2,4),plot(t,Rotatc,39。\fontsize{12}\bfy\rightarrow39。)。)xlabel(39。title(39。,2)。,39。%distancesubplot(2,2,3),plot(t,dt,39。\fontsize{12}\bfy\rightarrow39。)。)xlabel(39。title(39。,2)。,39。%output U speedsubplot(2,2,2),plot(t,U,39。)。ylabel(39。\fontsize{12}\bfx\rightarrow39。\fontsize{12}\bf 路線圖39。)。subplot(2,2,1),plot([XF(1),agtanX(1)],[YF(1),agtanY(1)],39。,12)。,39。 subplot(2,2,1),plot(XF(1),YF(1),39。agtanX(1)=Pl*cos(R(1))+XF(1)。)。end %main pic%subplot(2,2,1),plot(XL,YL,39。g39。hold on。,12)。,39。 subplot(2,2,1),plot(XF(n),YF(n),39。 agtanX(n)=Pl*cos(R(n))+XF(n)。)。 %繪制跟隨軌跡 subplot(2,2,1),plot(XL(n),YL(n),39。 pause()。%跟隨機(jī)器人移動的距離 XF(n)=XF(n1)+U(n)*cos(R(n1)+Rotatc(n)/2)。 end R(n)=R(n1)+Rotatc(n)。 end Rotatc(n)=kri*(Rotat(n)Rotat(n1))+krp*Rotat(n1)。 %跟隨機(jī)器人期望達(dá)到的朝向 Rotat(n)=Angletan(n)R(n1)。 end。 %分離速度 U(n)=kp*ect(n)+ki*et(n)。 %機(jī)器人間距 et(n)=dt(n)dp。Pl=4。kri=。ki=。)。 %subplot(2,2,1),plot([XF(1),agtanX(1)],[YF(1),agtanY(1)],39。%agtanX(1)=5*cos(R(1))+XF(1)。Angletan=0.*t。 %跟隨機(jī)器人最大角速度agtanX=0.*t。 %初始化角速度 單位：rad/sR(1)=pi/2。U=0.*t。et(1)=dt(1)dp。 %初始化機(jī)器人間距 單位：mRotatc=0.*t。 %初始化保持距離 單位：mect=0.*t。 %設(shè)定 xf and yf Xo (x,y)dp=。 %初始化 xf and yfXF(1)=4。 %初始化 ylYF=0.*t。 %跟隨機(jī)器人 最大輸出速度 單位：m/sXL=UL.*t。 %虛擬時間 單位：秒UL=。maxT=100。clf。而且測量距離越遠(yuǎn)，誤差越大。2．本文在進(jìn)行黑色機(jī)器人的識別實(shí)驗(yàn)時，實(shí)驗(yàn)室的黑色背景比較多，容易受到這些因素的影響，無法進(jìn)行準(zhǔn)確識別。并進(jìn)行誤差計算和分析。5．分析了對目標(biāo)機(jī)器人進(jìn)行圖像拾取后，進(jìn)行準(zhǔn)確定位的方法，并可以利用算法去除掉一些小的相似顏色物體的影響。4．對比了各個顏色空間的特點(diǎn)，選取了本文所使用的方法。3．闡述了機(jī)器人相互識別的重點(diǎn)內(nèi)容：基于顏色識別的機(jī)器視覺。本文所用的方法是單目視覺測距：利用攝像機(jī)成像平面上的特征點(diǎn)的像平面坐標(biāo)，測距的目的就是將圖像中目標(biāo)特征點(diǎn)p的像平面坐標(biāo)轉(zhuǎn)換為其在機(jī)器人坐標(biāo)系下的坐標(biāo)，也就是相對于攝像機(jī)的坐標(biāo)。繼續(xù)設(shè)定其他顏色機(jī)器人的空間閾值，就能達(dá)到識別多種顏色機(jī)器人的效果。通過比較發(fā)現(xiàn)，噪音多出現(xiàn)在黑色的背景中，由于RGB中的B分量對黑色比較敏感，所以在閾值篩選中加入藍(lán)色分量，所得到的結(jié)果比較理想。本文所選的顏色空間是基于HSV的顏色空間，這種顏色空間更適合人類的視覺，而且可以有效地去除光照影響，達(dá)到預(yù)期的要求。第5章 結(jié)論多機(jī)器人的發(fā)展越來越被人們所重視，要解決多機(jī)器人問題，最基本的工作就是要識別其他機(jī)器人（如在機(jī)器人隊列問題中，分為：領(lǐng)導(dǎo)機(jī)器人和跟隨機(jī)器人），所以最基本的就是做圖像處理，本文用的主要是基于色彩空間的目標(biāo)物提取。就是現(xiàn)在的控制過程。尤其是在控制過程中有了較大幅度的改進(jìn)。此時的運(yùn)動軌跡最為平穩(wěn)。Krp=。最后確定的參數(shù)為Kp=。兩機(jī)器人間的距離最后也會趨于設(shè)定的保持距離。的結(jié)果?？梢钥闯霎?dāng)兩機(jī)器人向反方向運(yùn)動會給機(jī)器人的跟蹤帶來的影響。圖46 直線模擬結(jié)果圖圖47 直線模擬結(jié)果圖上圖是朝向?yàn)?80176。的初始朝向。當(dāng)跟隨機(jī)器人的起始朝向不同也會有不同的結(jié)果。Krp=。圖45 直線模擬結(jié)果圖此為Kp=。圖44 直線模擬結(jié)果圖經(jīng)過試驗(yàn)調(diào)節(jié)，機(jī)器人運(yùn)動曲線得到改善，速度曲線更加平穩(wěn)。在模擬中產(chǎn)生的震蕩可以由調(diào)節(jié)PI控制器參數(shù)來適當(dāng)減小。而角速度的曲線震蕩比較大。兩機(jī)器人間距的曲線也是如此。在直線的模擬中，我們看到，當(dāng)跟隨機(jī)器人的輸出速度曲線有剛看時有一個明顯的增長，當(dāng)達(dá)到限制速度時停止。最后得到的參數(shù)結(jié)果主要是通過經(jīng)驗(yàn)得到。PI控制器的參數(shù)調(diào)節(jié)也是非常機(jī)械的實(shí)驗(yàn)。) 程序調(diào)試控制部分是調(diào)試過程中最重要的一環(huán)，很多結(jié)果上存在的誤差和錯誤都是在這里發(fā)生的。subplot(2,2,1),plot([XF(n),agtanX(n)],[YF(n),agtanY(n)],39。axis([10,30,20,20])。Markersize39。ob39。 朝向標(biāo)記繪制agtanY(n)=Pl*sin(R(n))+YF(n)。hold on。dr39。shg。在循環(huán)中加入停頓可以實(shí)現(xiàn)動畫效果，是實(shí)現(xiàn)的模擬更加直觀，便于調(diào)節(jié)和觀察。 移動YF(n)=YF(n1)+U(n)*sin(R(n1)+Rotatc(n)/2)。endR(n)=R(n1)+Rotatc(n)。endRotatc(n)=kri*(Rotat(n)Rotat(n1))+krp*Rotat(n