论文部分内容阅读
人工智能是现代科技最热门的一个课题,在各个领域中都有很广泛的应用。其中,乒乓球机器人作为人工智能产品的显著代表,已经发展了三十多年的时间。目前的乒乓球机器人已经可以完成击打低速、无旋转的球,但是无法完成击打带旋转的乒乓球的任务,主要是乒乓球的旋转测量是最大的难点,本文主要针对这一难点进行研究。乒乓球运动有五大核心要素:速度、力量、旋转、弧线和落点,其中,乒乓球最核心的要素就是旋转。本文主要基于人工智能的算法对乒乓球的旋转进行测量和推算,提出新的想法和思路去计算旋转的速度大小、方向和类型,测算旋转的核心思想主要分为三类:直接测量法,轨迹反推旋转法,动作预判旋转法。本文主要根据这三类核心思想设计算法对旋转进行测量,并解决了在测算过程中遇到的一些难点问题,最终通过实验进行了验证。直接测量法指的是利用摄像机直接拍摄乒乓球,根据乒乓球上商标的移动来计算乒乓球旋转速度的方向和大小,由于只有一个商标,多目摄像机不一定都可以拍摄到,本文设计了一种基于单目摄像机计算乒乓球旋转速度的算法,主要利用连续4帧或随机5帧图像中商标的位移轨迹来进行计算,成功计算出旋转的速度大小和旋转轴的方向。轨迹反推旋转法指的是利用乒乓球的运动轨迹来反向推导乒乓球的旋转速度,乒乓球的运动轨迹受乒乓球初始速度及旋转的影响,每种速度和旋转都会对应产生一种运动轨迹。故本文先设计算法计算出乒乓球精确的速度和旋转数据,运动轨迹的确定由落点数据来表示,通过拟合的方法确定了这些数据之间存在极大的相关性,即证明了轨迹反推旋转法的可行性。再通过对乒乓球在三维空间内进行受力分析,建立运动轨迹与速度、旋转之间关系的模型,接着通过大量实验计算出系数矩阵,最终确定出轨迹反推旋转的具体计算公式。同时,利用轨迹反推旋转需要乒乓球运动轨迹的数据,故本文提出了两种不一样的算法实现乒乓球的实时跟踪,一种是基于高速摄影下,利用乒乓球的特征信息来识别乒乓球;另一种基于低速摄影下,乒乓球很难形成完整稳定的特征,通过对图像进行分割,事先准备目标样本利用分类器训练获得相似度最高区域标记为乒乓球。同时为降低计算量,缩短识别时间,提高准确率,设计了一种规划移动ROI区域的算法,满足跟踪的实时性,最终通过实验对算法进行了验证。动作预判旋转法主要结合了运动员对乒乓球旋转预判的想法,通过对手动作即可预判出旋转的类型和强度,从而为进一步判断旋转速度和方向打下基础。本文主要通过kinect深度摄像机采集运动员动作数据,用改进型的支持向量机算法将运动员的动作进行分类,每种动作对应一种旋转类型,再通过动态时间规整算法对运动员击球动作的速度进行分类,从而实现对旋转强度的分类,从而对乒乓球的旋转进行预判,为后续的旋转识别缩小范围和提高精度。本文基于人工智能的算法,采用上述三种算法对乒乓球的旋转进行测算,主要的应用场景在乒乓球机器人的视觉系统中,为机器人击打带旋转乒乓球打下基础,同时对旋转的测算也可应用于乒乓球正式比赛中,实时显示乒乓球旋转的速度,一方面给运动员一个反馈,可以根据反馈有针对的训练,另一方面也可以给观众一个量化的数据,提高观看比赛的趣味性,为乒乓球的推广做贡献。