基于双目视觉的气动式乒乓球发球机发球轨迹检测方法

针对传统气动式乒乓球发球机的轨迹检测方法检测误差大,存在着乒乓球的落点不理想的问题,提出基于双目视觉的气动式乒乓球发球机发球轨迹检测方法。首先根据摄像机参数建立旋转矩阵,基于双目视觉技术将旋转矩阵处理为投影矩阵,根据矩阵约束条件降低选位误差,标定检测点位;其次考虑发球机的发球方式,计算乒乓球在旋转过程中,旋转力道打破不旋球的平衡受力时所承载的各项阻力;最后建立球体运动状态下的轨迹模型,引入衰减系数,降低轨迹检测误差,以此实现基于双目视觉的气动式乒乓球发球机发球轨迹检测。实验结果表明,与传统检测方法相比,所研究的方法得到的球体落点更加精准,控制误差效果较强,可适用于发球机发球轨迹实际检测。     

基于视频图像的乒乓球落点检测研究

该文运用图像检测与跟踪技术实现了计算机代替人工采集乒乓球的落点,通过对乒乓球比赛视频的分析,得到乒乓球的落点,准确度较高,可以为乒乓球战术的后续工作提供有力支持。该文就将本次实验中所用到的相关技术作以说明。     

面向击球轨迹的乒乓球机械手运动控制研究

人工智能的发展使得智能机器人被广泛运用于各行各业，不同行业对机器人的要求各不相同，乒乓球运动要求机械手回击球体轨迹平滑且能够与运动员进行对打。鉴于此，研究提出了面向乒乓球机械手击球轨迹运动控制的方法，并利用运动学与球体落点坐标对击球轨迹进行规划。仿真结果显示，机械手所有关节的运动时间变得更为简短，优化后的关节达到稳定状态的用时能够缩短至0.6至0.7 s内；并且接球成功率从75.8%提升到了92.1%;各关节速度均有明显提升，在0.6 s内附近有最大角速度值78.9°/s。以上结果均表明在研究所提方法运行下，乒乓球机械手能够对机械手击球轨迹进行有效控制，并最终得到平滑击球轨迹曲线，成功将乒乓球回击至预期位置。     

乒乓球机器人球拍位姿的确定

针对乒乓球机器人球拍位置及球拍击球姿势进行了探讨,分析乒乓球从击球点到落点的运动过程,列出了相应的状态方程,基于这些状态方程,最终确定出球拍位姿。     

时延估计算法在乒乓球落点检测中的仿真研究

到达时间差(TDOA)是一种重要的信号发射源定位方法,它通过处理多个信号发射传感器采集到的信号到达时间测量数据来实现声发射源目标的定位,具有较高的定位精度。运用四种不同加权函数的广义互相关时延估计方法,来提高乒乓球辅助评价系统中关于乒乓球落点位置的精度。对广义互相关法的四种不同的加权函数进行介绍和阐述,将噪声信号加入原信号,使用Matlab进行实验仿真。实验结果表明:使用PHAT加权和SCOT加权可以提高时延估计的精度,从而达到更精准的估计出乒乓球落点位置的目的。     

基于Android控制的乒乓球捡拾机器人设计

为了提高训练过程中捡拾与回收乒乓球的效率,设计了一种可通过Android移动终端设备控制捡拾乒乓球的机器人。该机器人使用蓝牙近程无线通信方式,在Android设备端发送控制信号,机器人嵌入式设备端接收信号并执行命令,实现了无线控制、球体导流、快速批量回收和全向快速移动等功能。通过实地捡球测试,验证了该机器人在运动场地中可快速回收集中的乒乓球,且在复杂场景中可有效回收边角处的乒乓球,满足了实际应用需求。     

基于数值积分法的弹道导弹落点实时预测

为了及时准确预测洲际导弹再入段落点,直观、清晰地为靶场指控中心呈现落点偏差;以数值积分法为基础,通过使用光电经纬仪交会测量数据修正预测结果来排除扰动引力对预测结果的影响,实现对弹体落点的精确预测,并结合Direct3D图形编程技术设计落点预测模拟显示系统;实验结果表明:该方法预测误差≤50m,模拟目标运动过程逼真、平稳,落点显示直观,可作为操作人员的预判依据,满足了靶场测量过程中实时预测和显示弹体落点的要求。     

浅析少儿乒乓球训练中步法的重要性

步法是指乒乓球运动员为选择合适的击球位置所采用的步法移动方法。它是一名优秀运动员必须具备的重要技术因素，是及时准确地使用与衔接各项技术动作的纽带，也是执行各项战术的有力保证。所以，从初学乒乓球技术开始，就应该重视步法的训练。     

基于摄动理论的弹丸落点预测精度仿真研究北大核心CSCD

弹道修正技术中,需对弹丸飞行状态实时预测落点,通过比较目标点与预测点形成修正控制指令,传统预测模型计算复杂、预测实时性差。提出了预测精度高、预测模型简单的基于摄动理论的落点预测方法。从数学角度上分析了采用摄动理论进行弹丸落点预测的理论依据,给出了偏导数的数值解法。针对某型弹道修正榴弹,分析了偏导数选取方法。仿真结果表明,选用一阶泰勒展开获得的偏导数用于落点预测精度较高;选用小步长计算获得的偏导数用于落点预测精度较高;弹丸飞行中,选用一次线性拟合插值调用偏导数用于落点预测精度较高,为弹丸落点精度预测优化提供了科学依据。     

基于计算机视觉技术的乒乓球技术动作AI评分系统研究与设计

鉴于目前乒乓球教学中存在学生挥拍动作不规范、个性化施教不足及教学效率相对较低的三大问题,基于AI(人工智能)计算机视觉技术设计乒乓球技术动作AI评分系统。该系统结合广东科学技术职业学院乒乓球精品课程建设,以乒乓球八个基本技术动作构建AI模型,使用目标检测、姿态估计、动作识别算法对学生的实际动作进行AI评分。实验结果表明,使用乒乓球技术动作AI评分系统有利于开展个性化教学,提高了教学效率,还能支持远程教学,可以在乒乓球教学中推广应用。     

基于模糊自调节算法的乒乓球机器人回球速度计算

提出了一种新的回球速度计算模型, 达到以期望的落球速度定点回球的目的. 首先, 忽略了运动过程中马格努斯力的影响, 以多项式拟合乒乓球的运动轨迹, 利用LM算法求解得到回球速度的初始值. 然后, 提出了一种新的基于区域分割的经验数据存储与替换模式, 经线性拟合经验数据得到回球速度, 并与初始速度求加权平均值, 作为模糊调节的初始值. 分析了回球速度的各分量对落点误差的影响, 根据预测的落点误差, 利用模糊算法调节回球速度, 将调整后的结果用于控制回球过程中的球拍位姿与击球速度. 实验结果验证了方法的有效性.     

变电运行中红外测温技术的应用探析

变电站是电力系统中的重要组成部分之一,在促进电力发展中发挥着重要作用。在变电运行中,红外测温技术能迅速、准确地对各种设备的温度进行检测,对变电站的正常运行具有重要意义。从红外测温技术的基本概念出发,介绍了红外测温技术的诊断方法和应用优势,并在此基础上对它在变电运行中的具体应用进行了分析。     

基于火箭残骸实时定位信息的落点计算模型

为减轻航天发射任务落区残骸回收工作负担,需建设一套火箭残骸回收系统,基于火箭残骸坠落过程的自定位装置实时测量信息,利用精简适用型落点计算模型实现预定高度落点位置的精准预测,保证系统工作异常情况下也能实现残骸落点的精确预测和快速回收;建立了一种基于火箭残骸实时定位信息的动力学落点计算模型,以残骸坠落过程中的实时位置、速度信息为输入,以四阶“龙格库塔”法求动力学运动微分方程解,计算出预测落点;并基于火箭残骸坠落试验获取的自定位实测数据,对模型精度进行了验证,计算结果理想,模型简化适用、准确有效,能够实现高度相差20 km以内偏差小于1 km的落点位置精准预测,满足工程应用指标要求.     

到达时间差定位方法在乒乓球落点估计中的应用研究

基于到达时间差(Time Difference Of Arrival,TDOA)定位系统定位二维平面目标至少需要三个传感器,本文论述了三站时间差定位系统的原理。用几何精度因子(Geometric Dilution of Precision,GDOP)分析定位精度并通过MATLAB数值仿真的方法研究传感器分布与定位精度之间的关系。最后本文基于TDOA定位方法提出了乒乓球落点估计应用中的三站传感器最优分布方案。     

单片机控制的乒乓球自动分拣系统

国际乒联对比赛用球的重量有十分严格的规定,因此,乒乓球生产厂必须将所生产的球按重量进行分拣,以达到区分档次,挑选高档球的目的。这项工作以前是由手工完成,工人工作紧张,效率低,成本高。为改变这种状况,华南师大物理系与用乒乓球厂联合研制了单片机控制的乒乓球自动分拣系统,此系统能自动且准确地称出乒乓球的重量,并按下表所示重量等级自动分档:     

基于体感识别技术的乒乓球握姿训练系统设计

为了提高乒乓球握姿训练的自动化水平,提出一种基于体感识别技术的乒乓球握姿训练系统,采用图像传感器进行乒乓球握姿的图像信息采集,对采集的乒乓球握姿图像信息进行体感特征监测,提取乒乓球握姿图像的体感动态特征量,采用支持向量机模型进行乒乓球握姿的体感特征分类识别。根据对乒乓球握姿的体感特征识别结果进行乒乓球握姿的自动调节,实现乒乓球握姿训练优化。仿真结果表明,采用该方法进行乒乓球握姿训练的提高特征检测能力较好,识别准确性较高,提高了乒乓球握姿的自动训练水平。     

红外热成像无损检测技术及其应用现状

科学技术的不断发展和制造工艺要求的不断提高,要求无损检测技术更加可靠、经济、准确、快速并且使用方便,此时传统的无损检测技术表现出其局限性,无法满足更高水平的要求。红外热成像技术作为非接触探测方式逐渐应用到无损检测领域,并以其快速、准确、安全的特点逐渐被人们认识并应用到多个领域。本文对目前红外热像仪的应用做了简单总结,重点是其在红外无损检测领域中的应用,并对红外热成像无损检测技术做了简要介绍,包括脉冲红外检测、锁相红外检测、脉冲相位检测等技术的原理、方法、研究现状,以促进红外检测技术与多种检测方法的融和,扩展其在更多领域的应用。     

乒乓球轨迹预测的研究与仿真

机器人打乒乓球时需要对快速运动的乒乓球的轨迹做出准确的预测。首先对乒乓球飞行轨迹预测中采用的运动学模型以及乒乓球碰撞的物理模型进行了分析,其次主要是对乒乓球飞行轨迹预测中采用的运动学模型的算法进行改进,速度反馈调节系数不再使用定值,而是采用动态系数。同时,反弹前的速度是通过对预测的轨迹用最小二乘法进行曲线拟合求导计算出来的。实验结果表明,预测效果很好。最后为了直观地分析预测轨迹,设计了基于OPENGL的3D仿真平台。     

基于图像识别的乒乓球选手头部运动及健康分析

近年来由于生活和工作的不良习惯,颈椎病的发病率成上升趋势,严重影响着人们的正常工作和身心健康.乒乓球运动作为深受广大人民喜爱的一项运动,对颈椎病的预防和治疗有很大的疗效.介绍了一种基于图像识别的检测乒乓球选手头部运动的方法,以检测目标范围中的像素块为主要算法,为乒乓球运动有益颈椎健康提供了科学并准确的依据,增强其说服力,鼓励大家多多参加乒乓球运动.     

基于模糊神经网络的乒乓球旋转飞行轨迹模式分类

轨迹预测在打乒乓球机器人击球的过程中具有十分重要的作用, 轨迹预测的准确性关系到击球的成败. 因击球时, 非光滑的接触面对乒乓球产生摩擦力, 使乒乓球产生了旋转并对乒乓球的飞行轨迹产生了一定影响, 造成轨迹预测的不准确. 在对旋转球进行受力分析的基础上, 详细讨论了不同旋转模式下Magnus 力对乒乓球飞行轨迹的影响, 并设计了两个模糊神经网络分类器, 分别对左右旋和上下旋的飞行轨迹进行分类. 发球机实验验证了分类器的有效性.