随着计算机技术的飞速发展,目标追踪已经成为图像处理领域中不可或缺的一项重要技术。基于形状的匹配算法是计算机视觉领域里最具代表性的方法之一。它从待识别图像中提取若干特征向量与模板对应的特征向量进行比较,计算图像与模板特征向量之间的距离,用最小距离法判定所属类别。本课题为羽毛球机器人感知与控制系统设计与实现,羽毛球识别与定位不同于传统的基于形状的匹配方法。很多都是把整幅图像作为模板,或者将图像分成许多块,把每块都当作模板,这样在匹配的过程中消耗了很多无用时间。本课题基于HDevelop的形状匹配是将图像中感兴趣的区域划分出来,通过Dxf文件创建模板,提取感兴趣的区域轮廓。创建好模板后,就可以打开另一幅图像,来进行模板匹配了,在搜索匹配中,通过金字塔等级和其它参数优化来提高搜索速度。除去传统相机成像技术,深度相机、激光扫描仪、全景相机等设备,是现代数字摄影测量与计算机视觉互动的热点领域,辅以计算机信息处理技术,能产生许多激动人心的成果。本课题选择基于TOF技术的Kinectv2深度相机作为羽毛球定位及落点预测系统的深度图像采集传感器。TOF是Time of flight的简写,直译为飞行时间的意思。所谓飞行时间法3D成像,是通过给目标连续发送光脉冲,然后利用传感器接收从物体返回的光,通过探测光脉冲的飞行时间来得到目标物的距离。TOF的深度精度不随距离改变而变化,基本能稳定在cm级。在理论研究的基础上,本课题完成了系统的软硬件实现并进行了测试。羽毛球机器人通过深度摄像头采集场景的深度图像,然后使用机器视觉理论对采集到的深度图像进行处理,结合图像深度信息获得羽毛球在三维空间相机坐标系的位置,再转换到场地坐标系的位置,最后利用多帧图像中羽毛球的位置信息预测羽毛球的落点,完成羽毛球定位及落点分析,羽毛球机器人迅速跑向羽毛球预测的落点位置,完成一次击打任务。