飞行物体的轨迹预测和拦截回击对体育、军事、工业等领域均具有重要的研究意义和应用价值,其中涉及的目标感知、运动跟踪和建模、动作决策、运动规划和执行也是机器人系统的关键技术。本文以国家“863”项目支持的浙江大学仿人乒乓球机器人为平台,以快速飞行的乒乓球为研究对象,开展快速视觉识别,运动建模和轨迹预测、旋转状态实时估计等算法和技术研究。在总结现有系统和技术的基础上,本文主要研究内容包括：1、针对高速视觉系统目标识别中的常见问题,如目标在图像中所占像素少,颜色不均匀,飞行目标成像受位姿和光照变化影响存在反光、阴影、拖影等干扰,算法复杂无法满足高速需求等,提出了一种基于直方图统计的目标特征自动学习算法和一种采用后继点和后继边分析的快速轮廓搜索算法。进一步通过设计多线程并行的视觉系统流程框架,保障高速视觉数据采集和处理的高效和稳定,结合背景建模、动态搜索窗口和降采样技术实现快速精确的目标识别、分割和空间定位。算法对飞行乒乓球的动态识别准确率达到近99%,目标轮廓搜索速度是传统算法的4倍,乒乓球平均识别时间小于0.15ms,定位精度小于1cm。2、针对飞行目标拦截中需大提前量地精确预测飞行轨迹的问题,提出了一种基于智能学习训练的在线自适应轨迹预测算法。与现有方法采用黑箱模型或采用固定经验参数的离散模型进行轨迹分析不同,本算法建立等价的运动离散模型和连续模型,其中离散模型用于运动状态估计,连续模型用于模型参数辨识和轨迹预测,并通过神经网络学习模型参数与飞行状态之间的关系,实现参数的在线自适应调整,有效提高了预测精度和鲁棒性。乒乓球运动轨迹测试实验表明,该方法可弥补模型降阶带来的不准确性,可适应少量旋转,在对方来球情况下,可在球飞过约0.5m时(发送机器人伺服命令前),预测落点误差小于1.2cm,预测时间偏差约4ms,优于现有其它算法。3、针对快速飞行目标旋转难以观测导致对其状态估计和轨迹预测存在较大误差的问题,设计构建了旋转观测视觉系统,提出了基于球标观测的目标旋转状态估计方法。通过识别旋转飞行目标表面标记还原其三维姿态,定义飞行目标中心坐标系以实现多帧观测姿态数据的统一,并结合加权RANSAC和均值滤波算法进行旋转转轴和旋转速度的估计计算,最后采用EKF算法实现对旋转乒乓球的运动状态估计和轨迹预测。该工作打破了现有飞行目标旋转无法实时精确观测的壁障,测试表明,本系统在转速0-60转／s下对乒乓球旋转速度的平均估计误差小于0.07转／s,对旋转乒乓球的飞行轨迹预测精度得到了有效提升,成功伺服机器人实现对旋转球的回击。基于上述算法,本文实现了可成功伺服仿人乒乓球机器人“悟”“空”进行多回合人对打和双机器人对打的高效精确视觉系统,机器人与人对打最高纪录为145回合,双机器人对打最高纪录为114回合。文章的最后对本文的内容进行了总结,并对今后的研究方向进行了展望。