快速飛行物體的狀態(tài)估計和軌跡預測.pdf

1、飛行物體的軌跡預測和攔截回擊對體育、軍事、工業(yè)等領域均具有重要的研究意義和應用價值，其中涉及的目標感知、運動跟蹤和建模、動作決策、運動規(guī)劃和執(zhí)行也是機器人系統(tǒng)的關鍵技術。本文以國家“863”項目支持的浙江大學仿人乒乓球機器人為平臺，以快速飛行的乒乓球為研究對象，開展快速視覺識別，運動建模和軌跡預測、旋轉狀態(tài)實時估計等算法和技術研究。在總結現(xiàn)有系統(tǒng)和技術的基礎上，本文主要研究內容包括:
　　1、針對高速視覺系統(tǒng)目標識別中的常見問題，

2、如目標在圖像中所占像素少，顏色不均勻，飛行目標成像受位姿和光照變化影響存在反光、陰影、拖影等干擾，算法復雜無法滿足高速需求等，提出了一種基于直方圖統(tǒng)計的目標特征自動學習算法和一種采用后繼點和后繼邊分析的快速輪廓搜索算法。進一步通過設計多線程并行的視覺系統(tǒng)流程框架，保障高速視覺數(shù)據(jù)采集和處理的高效和穩(wěn)定，結合背景建模、動態(tài)搜索窗口和降采樣技術實現(xiàn)快速精確的目標識別、分割和空間定位。算法對飛行乒乓球的動態(tài)識別準確率達到近99％，目標輪廓搜索

3、速度是傳統(tǒng)算法的4倍，乒乓球平均識別時間小于0.15ms，定位精度小于1am。
　　2、針對飛行目標攔截中需大提前量地精確預測飛行軌跡的問題，提出了一種基于智能學習訓練的在線自適應軌跡預測算法。與現(xiàn)有方法采用黑箱模型或采用固定經(jīng)驗參數(shù)的離散模型進行軌跡分析不同，本算法建立等價的運動離散模型和連續(xù)模型，其中離散模型用于運動狀態(tài)估計，連續(xù)模型用于模型參數(shù)辨識和軌跡預測，并通過神經(jīng)網(wǎng)絡學習模型參數(shù)與飛行狀態(tài)之間的關系，實現(xiàn)參數(shù)的在線自適

4、應調整，有效提高了預測精度和魯棒性。乒乓球運動軌跡測試實驗表明，該方法可彌補模型降階帶來的不準確性，可適應少量旋轉，在對方來球情況下，可在球飛過約0.5m時（發(fā)送機器人伺服命令前），預測落點誤差小于1.2cm，預測時間偏差約4ms，優(yōu)于現(xiàn)有其它算法。
　　3、針對快速飛行目標旋轉難以觀測導致對其狀態(tài)估計和軌跡預測存在較大誤差的問題，設計構建了旋轉觀測視覺系統(tǒng)，提出了基于球標觀測的目標旋轉狀態(tài)估計方法。通過識別旋轉飛行目標表面標記還

5、原其三維姿態(tài)，定義飛行目標中心坐標系以實現(xiàn)多幀觀測姿態(tài)數(shù)據(jù)的統(tǒng)一，并結合加權RANSAC和均值濾波算法進行旋轉轉軸和旋轉速度的估計計算，最后采用EKF算法實現(xiàn)對旋轉乒乓球的運動狀態(tài)估計和軌跡預測。該工作打破了現(xiàn)有飛行目標旋轉無法實時精確觀測的壁障，測試表明，本系統(tǒng)在轉速0-60轉/s下對乒乓球旋轉速度的平均估計誤差小于0.07轉/s，對旋轉乒乓球的飛行軌跡預測精度得到了有效提升，成功伺服機器人實現(xiàn)對旋轉球的回擊。
　　基于上述算法