乒乓球机器人的研究已经有20多年的历史了,而乒乓球的轨迹预测算法是伴随着乒乓球机器人的研究同时进行的,是乒乓球机器人中不可或缺的一个研究部分。乒乓球完整的飞行轨迹可分为轨迹跟踪、反弹前的轨迹预测、与球桌的碰撞以及反弹后的乒乓球的轨迹预测四个阶段。轨迹跟踪阶段主要是获得乒乓球在空间中的坐标信息；反弹前的轨迹预测是根据轨迹跟踪得到的采样点预测乒乓球在空气中飞行的点的坐标；在与球桌碰撞后,乒乓球的方向、速度等都会发生改变；反弹后的轨迹预测采用与反弹前相同的预测方法,只是初速度等发生了改变。本文针对乒乓球机器人项目中乒乓球轨迹预测问题进行探讨,提出两种轨迹预测的方法：基于BP神经网络的轨迹预测方法和基于运动学模型的轨迹预测方法。利用BP神经网络进行轨迹预测时,首先建立了一个BP神经网络预测模型,然后应用大量的乒乓球的飞行完整轨迹,对BP神经网络中的各个节点和参数进行离线学习,最后在线应用此输入输出模型,对乒乓球轨迹进行预测。对于运动学模型的轨迹预测方法,首先提出RANSAC算法去除采样中的干扰点,进一步地,利用乒乓球的飞行模型推导出了模型的解析解,分析乒乓球与球桌的碰撞机理,得到乒乓球与球桌碰撞的模型。实验结果表明,这两种方法都具有较高的预测精度,且应用该方法所需要的时间能够满足预测的实时性要求,并分析了各自的优缺点。同时为了直观的分析预测轨迹,设计了基于OPENGL的三维视觉仿真系统。