Abstract— Predicting the trajectory

Abstract— Predicting the trajectory of flying objects with spinis a challenge but an essential task in many fields, especially inmilitary and sports. Robots playing ping-pong is a very goodplatform to validate the trajectory prediction method. Variousvision systems have been proposed, but only position informationwas used in most cases, which limits their capability to predict thetrajectory of the spinning ball. Based on the fact that a spinningball’s motion can be separated into translation movement andspinning with respect to the ball’s center, this paper proposes anovel vision system that can provide both the position and thespin information of a flying ball in a real-time mode with highaccuracy. With a frame difference-based recognition method,the natural brand of a ball can be recognized under normalillumination conditions. Then the 3-D pose of the ball can berestored in ball coordinates. With the observation and analysisthat the axis and angular speed of spin do not change duringflying, the spin state can be estimated using a weighted-randomsample consensus-based plane fitting method. Combining bothposition and spin information in a force-based dynamic model,accurate trajectory prediction can be achieved via an extendedKalman filter. Experimental results show the effectiveness andprecision of the proposed method.

0/5000

原始語言: -

目標語言: -

結果 (繁體中文) 1: [復制]

復制成功！

摘要：預測與旋轉飛行物體的軌跡 是一個挑戰，但在許多領域的重要任務，特別是在 軍事和體育。機器人打乒乓球是一個非常好的 平台，以驗證軌跡預測方法。各種 視覺系統已經被提出，但只是位置信息， 在大多數情況下使用，這限制了其預測能力 的旋轉球的軌跡。基於這樣的事實，一個旋轉 球的運動可以分為平移運動和 旋轉相對於球的中心，本文提出了一種 新穎的視覺系統，可以同時提供位置和 飛行球的實時自旋信息高模式 準確性。與基於差分幀識別方法， 所述天然品牌球的可正常下被識別 的照明條件。然後球的3-d姿勢可 在球坐標恢復。隨著觀察和分析 該自旋軸和角速度期間不改變 飛行，自旋態可使用加權隨機來估計 基於共識樣品平面擬合方法。組合這兩個 在基於力的動態模型的位置和旋轉的信息， 精確軌跡預測可以通過擴展來實現 的卡爾曼濾波器。實驗結果表明，有效性和 所提出的方法的精確度。

正在翻譯中..

結果 (繁體中文) 2:[復制]

復制成功！

摘要—用旋轉預測飛行物體的軌跡 是一個挑戰，但在許多領域，特別是在 軍事和體育。打乒乓球的機器人是一個很好的 平臺驗證軌跡預測方法。各種 已提出視覺系統，但僅提供位置資訊 在大多數情況下，這限制了他們預測 旋轉球的軌跡。基於一個事實，一個旋轉 球的運動可以分為翻譯運動和 旋轉相對於球的中心，本文提出一個 新穎的視覺系統，可以提供位置和 飛行球的即時旋轉資訊與高 精度。使用基於幀差異的識別方法， 球的自然品牌在正常情況下可以識別 照明條件。然後，球的三維姿勢可以 在球座標中恢復。與觀察和分析 軸和角速的旋轉速度不會改變 飛行，旋轉狀態可以用加權隨機估計 示例基於共識的平面擬合方法。組合兩者 基於力的動態模型中的位置和旋轉資訊， 準確的軌跡預測可以通過擴展 卡爾曼篩檢程式實驗結果表明，其效果和效果 該方法的精度。

正在翻譯中..

結果 (繁體中文) 3:[復制]

復制成功！

用自旋預測飛行物體的飛行軌跡 是一項挑戰，但在許多領域是一項基本任務，特別是在 軍事和體育。打桌球的機器人是很好的 平臺驗證了軌跡預測方法。各種各樣的 已經提出了視覺系統，但只有位置資訊 在大多數情况下使用，這限制了他們預測 旋轉球的軌跡。基於一個事實 球的運動可以分為平移運動和 根據球的中心旋轉，本文提出 一種既能提供位置資訊又能提供位置資訊的新型視覺系統 高速實时飛行球的自旋資訊 準確度。使用基於幀差的識別方法， 正常情况下，球的自然品牌是可以識別的 照明條件。然後球的三維姿勢可以是 以球座標恢復。通過觀察和分析 旋轉的軸和角速度在 飛行時，自旋狀態可以用加權亂數來估計 基於樣本一致性的平面擬合方法。兩者結合 基於力的動力學模型中的位置和自旋資訊， 精確的軌跡預測可以通過擴展 卡爾曼濾波器。實驗結果表明了該方法的有效性和可行性 所提出方法的精度。

正在翻譯中..

其它語言

本翻譯工具支援: 世界語, 中文, 丹麥文, 亞塞拜然文, 亞美尼亞文, 伊博文, 俄文, 保加利亞文, 信德文, 偵測語言, 優魯巴文, 克林貢語, 克羅埃西亞文, 冰島文, 加泰羅尼亞文, 加里西亞文, 匈牙利文, 南非柯薩文, 南非祖魯文, 卡納達文, 印尼巽他文, 印尼文, 印度古哈拉地文, 印度文, 吉爾吉斯文, 哈薩克文, 喬治亞文, 土庫曼文, 土耳其文, 塔吉克文, 塞爾維亞文, 夏威夷文, 奇切瓦文, 威爾斯文, 孟加拉文, 宿霧文, 寮文, 尼泊爾文, 巴斯克文, 布爾文, 希伯來文, 希臘文, 帕施圖文, 庫德文, 弗利然文, 德文, 意第緒文, 愛沙尼亞文, 愛爾蘭文, 拉丁文, 拉脫維亞文, 挪威文, 捷克文, 斯洛伐克文, 斯洛維尼亞文, 斯瓦希里文, 旁遮普文, 日文, 歐利亞文 (奧里雅文), 毛利文, 法文, 波士尼亞文, 波斯文, 波蘭文, 泰文, 泰盧固文, 泰米爾文, 海地克里奧文, 烏克蘭文, 烏爾都文, 烏茲別克文, 爪哇文, 瑞典文, 瑟索托文, 白俄羅斯文, 盧安達文, 盧森堡文, 科西嘉文, 立陶宛文, 索馬里文, 紹納文, 維吾爾文, 緬甸文, 繁體中文, 羅馬尼亞文, 義大利文, 芬蘭文, 苗文, 英文, 荷蘭文, 菲律賓文, 葡萄牙文, 蒙古文, 薩摩亞文, 蘇格蘭的蓋爾文, 西班牙文, 豪沙文, 越南文, 錫蘭文, 阿姆哈拉文, 阿拉伯文, 阿爾巴尼亞文, 韃靼文, 韓文, 馬來文, 馬其頓文, 馬拉加斯文, 馬拉地文, 馬拉雅拉姆文, 馬耳他文, 高棉文, 等語言的翻譯.