基于Kinect 的羽毛球跟蹤定位算法研究

薄阿維 陜西財(cái)經(jīng)職業(yè)技術(shù)學(xué)院

羽毛球機(jī)器人的工作原理可以概括為：判斷來(lái)球的運(yùn)動(dòng)軌跡并做出準(zhǔn)確的預(yù)測(cè)，并完成擊球。人機(jī)互動(dòng)的關(guān)鍵在于實(shí)時(shí)準(zhǔn)確識(shí)別、跟蹤、預(yù)測(cè)高速飛行的羽毛球落點(diǎn)。

本文基于深度傳感器Kinect，對(duì)其捕捉的圖像進(jìn)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(shí)別方法，進(jìn)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(yùn)動(dòng)目標(biāo)檢測(cè)

Kinect 捕捉的初始深度圖像包含大量的噪聲，研究首先過(guò)濾掉原始噪聲和前景、背景，然后去除固有的背景，進(jìn)而通過(guò)目標(biāo)圖像塊的數(shù)量區(qū)分人和羽毛球，根據(jù)采樣點(diǎn)與中值點(diǎn)距離超過(guò)臨界值便重新取樣的原則，對(duì)剩余的圖像塊進(jìn)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(diǎn)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(duì)深度圖像進(jìn)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(yùn)動(dòng)軌跡仿真及目標(biāo)落點(diǎn)預(yù)測(cè)

下一幀的速度如公式（2）所示：

通過(guò)實(shí)驗(yàn)，比較了不同參數(shù)下預(yù)測(cè)坐標(biāo)點(diǎn)與實(shí)際坐標(biāo)點(diǎn)之間的偏差，由此取偏差值最小的參數(shù)。通過(guò)實(shí)驗(yàn)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?yàn)椋?/p>

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

3 實(shí)驗(yàn)

3.1 運(yùn)動(dòng)軌跡仿真實(shí)驗(yàn)

將多組相鄰的3 個(gè)紅色曲線點(diǎn)引入模型，得到了羽毛球的運(yùn)動(dòng)軌跡。其中藍(lán)點(diǎn)代表羽毛球的實(shí)時(shí)檢測(cè)點(diǎn)，紅色圓圈代表?yè)羟螯c(diǎn)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(gè)預(yù)測(cè)落點(diǎn)的坐標(biāo)誤差小于30mm。

圖1 最后10 個(gè)預(yù)測(cè)落點(diǎn)位置圖

4 結(jié)論

本文基于羽毛球機(jī)器人的視覺(jué)跟蹤系統(tǒng)，針對(duì)深度圖像的噪聲問(wèn)題，提出了非線性交叉濾波算法能有效去除噪聲點(diǎn)；根據(jù)運(yùn)動(dòng)軌跡預(yù)測(cè)模型，采用歷史與實(shí)時(shí)預(yù)測(cè)相結(jié)合的方式判斷羽毛球落點(diǎn)。實(shí)驗(yàn)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(dá)到92%，證明了該算法具有良好的實(shí)時(shí)性和準(zhǔn)確性。