目前,乒乓球机器人针对旋转球的识别问题一直没有得到很好的解决.本文从旋转球的飞行轨迹着手对旋转乒乓球进行了相关研究,主要包括对旋转球的轨迹预测及分析两部分内容.本文针对乒乓球机器人系统中旋转乒乓球的轨迹预测问题,提出两种新的轨迹预测的方法：基于EKF的旋转乒乓球轨迹预测方法和基于UKF的旋转乒乓球轨迹预测方法,这两种方法都可以在角速度未知的情况下估计出旋转球的运动状态.进一步地,使用EKF方法进行预测时,首先根据带旋球的受力情况推导旋转乒乓球的运动模型,然后通过模型构建系统过程方程和观测方程,最后对旋转乒乓球的飞行轨迹进行预测.对于UKF预测方法,首先对采样点进行U变换,然后通过预测过程和更新过程的反复迭代,最后得到旋转乒乓球的预测轨迹.实体乒乓球系统人机对打产生的旋转球旋转数据和应用发球机发出的旋转球数据分别进行实验,Matlab实验结果表明,EKF和UKF方法的预测精度均能够满足系统需要,但后者预测时间更短,并比较分析了两者的优劣.此外,根据得到的旋转乒乓球轨迹,本文设计了一种基于BP神经网络的轨迹模式识别分类器.首先对输入数据进行归一化预处理,然后创建一个BP模式识别网络,输入为乒乓球运动轨迹在5个指定截面上的三维线速度,输出为该轨迹对应旋转类型,通过大量的历史数据对神经网络进行线下学习,最后利用训练好的网络模型对不同类型来球轨迹进行模式识别.