目前乒乓球机器人系统普遍存在两个难题：首先,乒乓球高速运动时,机器人较难在短时间内做出反应；其次,机器人无法识别来球类型(如下旋、上旋、无旋等),不能判断来球是否旋转以及旋转方向,这就造成机器人回球策略单一、应变能力差。针对这两个问题,本文对乒乓球机器人系统中球拍运动轨迹展开研究,主要包括球拍位姿的获取及球拍运动轨迹分类两部分。为了研究球拍运动轨迹,必须先获取球拍运动轨迹。本文基于PnP算法获取球拍的运动轨迹。首先利用图像分割算法提取球拍区域,然后用改进的LSD检测出线段,接着对线段进行分类并拟合出球拍上的直线,求出直线交点,并用卡尔曼滤波处理直线交点,最后利用PnP算法计算出球拍中心点在摄像机坐标系中的坐标,以及球拍坐标系和摄像机坐标系之间的旋转关系。获取到球拍运动轨迹之后,本文分别基于BP神经网络和ELM算法对球拍运动轨迹进行分类。在利用BP神经网络对球拍运动轨迹分类时,经过多次实验,最终选择球拍中心点的位置、速度、法向量作为一条球拍运动轨迹的特征。将球拍运动轨迹在击打点前后5帧的位置、速度及法向量作为BP神经网络的输入数据,对其进行归一化预处理,然后创建BP模式识别网络,输出则为该轨迹对应的击球类型。通过对大量的历史数据进行离线学习,将训练效果最好的网络模型保存,最后利用保存的网络模型对不同球拍运动轨迹进行分类。同时,又通过对加噪声后的球拍运动轨迹和发球机发出球的轨迹分别进行实验,验证了BP神经网络分类的鲁棒性和可行性。在利用ELM算法对球拍运动轨迹分类时。同样选择位置、速度、法向量来描述一条球拍的运动轨迹。实验证明与基于BP分类相比,ELM训练时间更短,但是精度相对会低。