羽毛球运动是一个实时性要求较高的竞技体育项目,要实现羽毛球机器人的人机对打,需要对高速运动的羽毛球进行实时动态跟踪。动态目标的跟踪问题广泛存在于工业生产、生活以及军事领域,如导弹拦截系统,道路交通实时监控系统。本课题利用双目视觉系统实时捕获动态飞行过程中的羽毛球,并根据羽毛球飞行特性,建立羽毛球空气动力学模型。本课题研究内容如下:(1)分析比较了三种在常用的动态目标捕捉算法:背景差法、光流法和帧间差分法。分析比较这三种算法的优点与缺点。结合羽毛球的飞行特性,建立来基于三帧帧间差分法与光流算法结合的羽毛球动态捕捉算法,并分析其优缺点。(2)建立羽毛球的空气动力学模型。分析羽毛球在空中飞行所受到空气动力和重力对它造成的影响。利用实验分析影响羽毛球飞行轨迹的主要因素。通过高速相机拍摄到的羽毛球飞行轨迹,建立羽毛球稳态飞行模型以及自旋模型。(3)在羽毛球轨迹预测过程中,因为存在着模型误差以及测量误差,通过贝叶斯滤波计算羽毛球状态的最大似然估计。卡尔曼滤波器是线性滤波器,对非线性模型估计精度较差,分析比较两种常用的非线性滤波器,即UKF以及粒子滤波。UKF是基于高斯分布采样的估计模型,相比卡尔曼滤波会有很好的估计结果。粒子滤波是基于蒙特卡罗采样的推理模型,它不需要状态转移的先验信息,更利于羽毛球状态估计。(4)构建羽毛球机器人系统,包括视觉部分和机器人本体部分。视觉部分对机器人本体做位置全局校正和时间同步,羽毛球本体是击球动作执行单元。羽毛球机器人系统是一个高速运动且实时性较高的系统,建立了高动态下基于时间戳的位置校正模型,解决由于通信延时导致的位置同步精度下降问题。建立羽毛球挥拍模型和击球策略。