乒乓球拍運動軌跡分類的研究.pdf

1、目前乒乓球機器人系統(tǒng)普遍存在兩個難題:首先，乒乓球高速運動時，機器人較難在短時間內(nèi)做出反應(yīng);其次，機器人無法識別來球類型（如下旋、上旋、無旋等），不能判斷來球是否旋轉(zhuǎn)以及旋轉(zhuǎn)方向，這就造成機器人回球策略單一、應(yīng)變能力差。針對這兩個問題，本文對乒乓球機器人系統(tǒng)中球拍運動軌跡展開研究，主要包括球拍位姿的獲取及球拍運動軌跡分類兩部分。
　　為了研究球拍運動軌跡，必須先獲取球拍運動軌跡。本文基于PnP算法獲取球拍的運動軌跡。首先利用圖像分

2、割算法提取球拍區(qū)域，然后用改進的LSD檢測出線段，接著對線段進行分類并擬合出球拍上的直線，求出直線交點，并用卡爾曼濾波處理直線交點，最后利用PnP算法計算出球拍中心點在攝像機坐標(biāo)系中的坐標(biāo)，以及球拍坐標(biāo)系和攝像機坐標(biāo)系之間的旋轉(zhuǎn)關(guān)系。
　　獲取到球拍運動軌跡之后，本文分別基于BP神經(jīng)網(wǎng)絡(luò)和ELM算法對球拍運動軌跡進行分類。
　　在利用BP神經(jīng)網(wǎng)絡(luò)對球拍運動軌跡分類時，經(jīng)過多次實驗，最終選擇球拍中心點的位置、速度、法向量作為一

3、條球拍運動軌跡的特征。將球拍運動軌跡在擊打點前后5幀的位置、速度及法向量作為BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，對其進行歸一化預(yù)處理，然后創(chuàng)建BP模式識別網(wǎng)絡(luò)，輸出則為該軌跡對應(yīng)的擊球類型。通過對大量的歷史數(shù)據(jù)進行離線學(xué)習(xí)，將訓(xùn)練效果最好的網(wǎng)絡(luò)模型保存，最后利用保存的網(wǎng)絡(luò)模型對不同球拍運動軌跡進行分類。同時，又通過對加噪聲后的球拍運動軌跡和發(fā)球機發(fā)出球的軌跡分別進行實驗，驗證了BP神經(jīng)網(wǎng)絡(luò)分類的魯棒性和可行性。
　　在利用ELM算法對球拍運動