论文部分内容阅读
本文主要研究基于机器视觉的旋转物体运动状态估计方法,包括整体的运动轨迹和旋转运动。以乒乓球为研究对象,根据相机采集到的乒乓球球心位置信息和乒乓球表面标记点的信息估计球运动的轨迹参数(初始位置和初始速度)和绕过球心的固定轴线的旋转运动参数。与传统的对轨迹和速度等状态的直接估计方法不同,本文利用图像中的二维信息估计形成三维信息的参数值,再根据估计得到的参数值计算三维信息。利用无味卡尔曼滤波实现了对乒乓球运动的轨迹参数和旋转参数的估计,提出了标记点计算与实时更新算法,减小了计算误差对估计过程的影响,提高了参数估计精度。首先,建立乒乓球的运动模型,选择合适的模型描述乒乓球的平移运动和旋转运动。同时,建立相机的数学模型,模拟两个相机的工作过程,得到两个相机的期望视野,共同构成整体的仿真环境。然后,基于扩展卡尔曼滤波算法和无味卡尔曼滤波算法建立球的飞行轨迹估计算法,比较二者的优缺点,最终选择无味卡尔曼滤波算法。根据得到的乒乓球球心在环境坐标系中的三维坐标值和标记点的图像位置计算各标记点的空间位置坐标,根据标记点位置变化采用无味卡尔曼滤波算法估算乒乓球的旋转运动参数,包括旋转轴方向和旋转角速度。最后,搭建实际的图像采集系统,采集实际乒乓球运动的轨迹信息和表面信息图像,通过对两组图像进行处理获取乒乓球球心和标记点在相应传感器上的位置。利用前文的估计算法,估计乒乓球的轨迹参数和旋转参数,并对初始值选取的影响进行分析。仿真和实验结果表明,提出的算法可以有效地估计乒乓球的轨迹、线速度和角速度参数,初始值的选取对该算法影响不大。