快速飛行物體的狀態(tài)估計和軌跡預(yù)測.pdf

1、飛行物體的軌跡預(yù)測和攔截回?fù)魧w育、軍事、工業(yè)等領(lǐng)域均具有重要的研究意義和應(yīng)用價值，其中涉及的目標(biāo)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(guān)鍵技術(shù)。本文以國家“863”項目支持的浙江大學(xué)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(yù)測、旋轉(zhuǎn)狀態(tài)實時估計等算法和技術(shù)研究。在總結(jié)現(xiàn)有系統(tǒng)和技術(shù)的基礎(chǔ)上，本文主要研究內(nèi)容包括:
　　1、針對高速視覺系統(tǒng)目標(biāo)識別中的常見問題，

2、如目標(biāo)在圖像中所占像素少，顏色不均勻，飛行目標(biāo)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(fù)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(biāo)特征自動學(xué)習(xí)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(shè)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(jié)合背景建模、動態(tài)搜索窗口和降采樣技術(shù)實現(xiàn)快速精確的目標(biāo)識別、分割和空間定位。算法對飛行乒乓球的動態(tài)識別準(zhǔn)確率達到近99％，目標(biāo)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(biāo)攔截中需大提前量地精確預(yù)測飛行軌跡的問題，提出了一種基于智能學(xué)習(xí)訓(xùn)練的在線自適應(yīng)軌跡預(yù)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(yù)測，并通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型參數(shù)與飛行狀態(tài)之間的關(guān)系，實現(xiàn)參數(shù)的在線自適

4、應(yīng)調(diào)整，有效提高了預(yù)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(zhǔn)確性，可適應(yīng)少量旋轉(zhuǎn)，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(yù)測落點誤差小于1.2cm，預(yù)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(biāo)旋轉(zhuǎn)難以觀測導(dǎo)致對其狀態(tài)估計和軌跡預(yù)測存在較大誤差的問題，設(shè)計構(gòu)建了旋轉(zhuǎn)觀測視覺系統(tǒng)，提出了基于球標(biāo)觀測的目標(biāo)旋轉(zhuǎn)狀態(tài)估計方法。通過識別旋轉(zhuǎn)飛行目標(biāo)表面標(biāo)記還

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