模糊控制方法





(

SA

w

speed

2. 轉速變化率(Speed Changing-rate Argument, SCA)，SCA 是 SA 每秒的變化量，

用SCA(w)表示某一馬達 w 的 SCA 值，SCA(w)[1, 4000]。其數值代表由起始 SA 到目標 SA 的速度的變化率：當 SCA 越大，表示馬達轉速變化越即時，SCA 越小馬達轉速變化越慢。SCA 越大，運動慣性效果越明顯。

3.2 影像處理

影像處理部份，第一步為先將目標物件從影像中分割出來以決定物件的座 標。在影像處理上，本研究的作法是先將 CCD 影像進行去噪(denoising)，過濾紅 色範圍的像素(red filtering)，灰階化後進行區塊標定(labeling)。依據本研究使用的 目標物件大小，將紅色且連續的點所形成的區塊中尋找XY 方向至少 1600 像素的 區塊；標定的區塊內的總像數低於1600 像素視為雜訊而加以刪除。最後以該區塊 中心作座標為目標圖像在影像中的座標。整個影像處理的流程如圖- 10。

3.3 模糊控制方法

機器人執行任務時會調整兩輪馬達的輸出轉速以接近目標物件。當目標物件 移動到機器手臂可拾取的區域時，機器人即可以用機器手臂進行目標拾取(Target Grabbing)，我們稱此區域為 Ready-To-Grab Area (RTGA)。故本研究定義目標物件 在機器人CCD 視野中的座標系以一個固定點 A 為原點，如圖- 11(a)所示。該點為

機器手臂伸展至地面並張開夾具的夾取中心點。RTGA 則是以此座標原點為圓心，

半徑10 pixel，夾具可以順利進行夾取動作的範圍，如圖- 11 (a)中的圓型區域。

A d

Target

A

+37°

(a) Ready-To-Grab Area (b) CCD 攝影機視角 圖- 11 攝影機影像區域規劃

Step1: 影像去噪

Step2: 過濾紅色範圍像素

Step3: 灰化後進行區塊標定

Step4: 將像數低於 1600 的區塊視為雜訊去除

Image Location

Step5: 取區塊的中心點為座標

圖- 10 影像處理流程圖

目標物件的座標是指在 CCD 擷取的影像中的目標物件中心點。以 CCD 正前 一物件的拾取的控制(fuzzy object-grabbing)，其進行方式如下：

1. 模糊變數(fuzzy variables)：輸入變數：距離(dm)、角度(θm)；輸出變數：SA(w)，

w 為 LF、LB、RF、RB。

2. 模糊項目(fuzzy terms)：距離(d )分為 NEAR、FAR 項，角度(_m _m)分為 SMALL、

MIDDLE、LARGE 三項；輸出分為 Backward-Fast(BF)、Backward-Slow(BS)、

Rest(R)、Forward-Slow(FS)、Forward-Fast(FF)五項。

3. 模糊歸屬函數：採用連續的歸屬函數定義方式，如圖- 12。

Near Far

40 200

Middle

5 20 45 60 80

Small Large BF R

1100 1200 1300 1450 16001700

BS FS FF

dm SMALL MIDDLE LARGE

NEAR FF FS FS

FAR FF FF FF

θm

dm SMALL MIDDLE LARGE

NEAR FS R BS

表示球在CCD 圖像的左半部，左、右輪的模糊規則將顛倒過來，也就是求取-1

＊θm在 SMALL、MIDDLE、LARGE 的歸屬度。圖- 12 的模糊歸屬函數視 θm

值，提供左輪與右輪使用。

2. 模糊規則推論：採用最大-最小合成法 (max-min composition)合成運算來求得輸 出的結果。 執行一圈(iteration)，如此重複此過程，直到目標物件位置進入 RTGA 範圍為止，

便啟動機器手臂進行取物動作。模糊控制的流程如圖- 13 所示。

機器人以CCD 擷取影像，接下來將影像中之目標物件的座標表示成距離(d )_m 和角度(_m)，並將這兩項參數輸入模糊控制運算，使用最大-最小合成法推論，再 用重心法求出輸出的雙輪轉速參數(SA)，最後偵測目標物件是否落於 RTGA，若目 標物件落於 RTGA，即可做夾取目標物件之動作；若沒有落於 RTGA 則重新偵測

目標物件 的座標

目標落於 RTGA?

驅動機器人 夾取目標物件

x

y

用模糊推論 計算出SA 有

無 SA(LF/LB)

SA(RF/RB) 輪子馬達 移動到新 的位置 擷取影像

圖- 13 模糊控制流程圖