基于Kinect 的羽毛球跟蹤定位算法研究

薄阿維 陜西財經(jīng)職業(yè)技術(shù)學(xué)院

羽毛球機器人的工作原理可以概括為：判斷來球的運動軌跡并做出準(zhǔn)確的預(yù)測，并完成擊球。人機互動的關(guān)鍵在于實時準(zhǔn)確識別、跟蹤、預(yù)測高速飛行的羽毛球落點。

本文基于深度傳感器Kinect，對其捕捉的圖像進行濾噪處理，提出了一種背景差分和目標(biāo)樣本排序相結(jié)合的目標(biāo)識別方法，進而構(gòu)建模型，以兩幀圖像目標(biāo)定位和速度參數(shù)估算羽毛球的位置。

1 運動目標(biāo)檢測

Kinect 捕捉的初始深度圖像包含大量的噪聲，研究首先過濾掉原始噪聲和前景、背景，然后去除固有的背景，進而通過目標(biāo)圖像塊的數(shù)量區(qū)分人和羽毛球，根據(jù)采樣點與中值點距離超過臨界值便重新取樣的原則，對剩余的圖像塊進行分類排序，臨界值取為50 毫米。最后，將目標(biāo)圖像的平均值作為目標(biāo)點的位置。

1.1 圖像預(yù)處理及噪音濾除

本文提出了一種基于深度信息的交叉濾波算法，對深度圖像進行平滑降噪處理。

交叉濾波具體算法為：

1.2 目標(biāo)位置的提取

2 運動軌跡仿真及目標(biāo)落點預(yù)測

下一幀的速度如公式（2）所示：

通過實驗，比較了不同參數(shù)下預(yù)測坐標(biāo)點與實際坐標(biāo)點之間的偏差，由此取偏差值最小的參數(shù)。通過實驗調(diào)整，最終確定，。

根據(jù)連續(xù)3 幀的坐標(biāo)可以得出速度的方向為：

根據(jù)公式（9），將一段時間內(nèi)的坐標(biāo)整合即可得出羽毛球的運行軌跡。本文將其設(shè)置為2 秒，每秒可計算300 個點，以此繪制仿真軌跡。擊球點的坐標(biāo)為當(dāng)羽毛球軌跡點的高度小于等于0 時，記錄此時的平面坐標(biāo)位置。羽毛球著陸點的坐標(biāo)為

3 實驗

3.1 運動軌跡仿真實驗

將多組相鄰的3 個紅色曲線點引入模型，得到了羽毛球的運動軌跡。其中藍點代表羽毛球的實時檢測點，紅色圓圈代表擊球點的加權(quán)平均值，擊球高度為0.8m。從圖1 可以看出，最后10 個預(yù)測落點的坐標(biāo)誤差小于30mm。

圖1 最后10 個預(yù)測落點位置圖

4 結(jié)論

本文基于羽毛球機器人的視覺跟蹤系統(tǒng)，針對深度圖像的噪聲問題，提出了非線性交叉濾波算法能有效去除噪聲點；根據(jù)運動軌跡預(yù)測模型，采用歷史與實時預(yù)測相結(jié)合的方式判斷羽毛球落點。實驗結(jié)果顯示，Kinect 自由旋轉(zhuǎn)和任意仰角情況下，定位精度控制在30mm 以內(nèi)，命中率達到92%，證明了該算法具有良好的實時性和準(zhǔn)確性。