买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江万里学院

摘要：本发明公开了一种基于挥拍击球动作双目视觉感知的回球轨迹预测方法，将击球前球拍轨迹作为羽毛球轨迹预测的重要依据，把预测时间点从球拍离球后提到球拍触球前，争取更多的时间，以提高羽毛球机器人快速反应能力、击球点优化能力、击球主动性和竞技水平。具体过程是：首先标定双目相机，对采集的击球双目图像进行去噪、校正畸变，再通过帧差法识别运动区域，利用轮廓形状、面积特征检测出羽毛球和球拍，提取相应特征点，依据极线约束原理匹配双目图像，计算特征点视差和深度，求取特征点坐标，根据界线筛除场外无效运动目标，计算出有效目标运动参数，作为神经网络输入进行学习或预测，最后利用卡尔曼滤波对回球的中长期轨迹作预测计算。

主权项：1.一种基于挥拍击球动作双目视觉感知的回球轨迹预测方法，其特征在于，包括如下步骤：步骤1、对双目相机进行标定；步骤2、通过双目相机采集打球图像；步骤3、对打球图像预处理；步骤4、识别经预处理的打球图像的运动区域并进行图像分割；步骤5、检测球拍区域和羽毛球区域；步骤6、对球拍区域和羽毛球区域的特征点进行检测；步骤7、对球拍区域和羽毛球区域进行图像匹配；步骤8、对球拍区域和羽毛球区域进行深度计算；步骤9、确定场内羽毛球球托质心位置和球拍拍面位姿；步骤10、判断球拍的拍面区域与羽毛球区域的位置关系，若球拍的拍面区域与羽毛球区域距离小于预设阈值，转步骤11；否则，转步骤2；步骤11、根据先前球拍拍面区域与羽毛球区域计算羽毛球运动状态参数和球拍拍面运动状态参数；步骤12、构建神经网络并将羽毛球运动状态参数和球拍拍面运动状态参数输入到神经网络中进行计算，预测下一时刻羽毛球离拍运动状态；步骤13、根据下一时刻羽毛球离拍运动状态通过基于卡尔曼滤波方法计算羽毛球回球轨迹信息；步骤14、输出羽毛球回球轨迹信息；所述步骤12中通过神经网络来预测下一时刻羽毛球离拍运动状态是通过以下步骤来实现的：步骤121：根据羽毛球运动状态参数和球拍拍面运动状态参数计算球头和球拍之间的距离，并判断球头和球拍距离是否小于预设阈值，如果否，则转入步骤2；步骤122：如果是，则将羽毛球运动状态参数和球拍拍面运动状态参数输入到神经网络的训练过程，并预测ti+T时刻羽毛球离拍运动状态；步骤123：判断神经网络的训练过程是否训练完成，如果否，则采集下一次击球图像并转步骤2；如果是，则输出羽毛球ti+T时刻离拍运动状态参数；其中，ti表示当前时刻，T为根据相机采集频率确定的可调时间增量；步骤13所述的基于卡尔曼滤波方法的羽毛球回球中长期轨迹计算，具体步骤包括：步骤131：确定羽毛球球托质心的状态向量如下：X＝[x,y,z,α,β,γ,vx,vy,vz,ωx,ωy,ωz,ax,ay,az,εx,εy,εz]其中，状态变量依次为笛卡尔坐标x,y,z；绕三个坐标轴的转角α,β,γ；沿三个坐标轴方向的速度vx,vy,vz；绕三个坐标轴旋转的角速度ωx,ωy,ωz；沿三个坐标轴方向的加速度ax,ay,az；绕三个坐标轴旋转的角加速度εx,εy,εz；步骤132：状态方程观测方程Yi＝HiXi+Vi；其中，是状态转移矩阵；Xi是i时刻羽毛球球托质心的状态向量；Wi-1是系统状态在时刻ti-1时的随机噪声干扰向量，Yi是观测到的系统状态向量，Hi是观测矩阵，Vi是ti时刻系统的观测噪声向量；步骤133：定义是Xi的后验状态估计，Pi表示两者之间的误差协方差矩阵，是Xi的先验状态估计，Pi′是两者之间的误差协方差矩阵，Ki为卡尔曼滤波增益系数矩阵；步骤134：在t0时刻，将运动状态参数作为状态向量后验状态估计的初始值；在ti时刻，对系统的状态进行预测在ti时刻，对系统的状态按照以下公式进行更新： 其中， Pi＝1-KiHiPi′；其中，E表示求期望的符号。

全文数据：

权利要求：

百度查询： 浙江万里学院 一种基于挥拍击球动作双目视觉感知的回球轨迹预测方法