[发明专利]一种基于纹理图片的力触觉再现方法

说明书

技术领域

本发明属于图像处理技术领域，具体来说，涉及一种基于纹理图片的力触觉再现方法。

背景技术

力触觉再现是人机交互的重要组成部分，力触觉再现所能表达的信息包括人在与环境物体接触过程中所感受到的表面形状、纹理，粗糙度、温度等特征信息。实现力触觉再现一般包含三个环节：物体物理特征信息提取、特征信息的力触觉建模以及力触觉刺激的渲染表达。

在虚拟现实中，纹理的表面微观高度和粗糙度是力触觉建模中的重要特征。获得纹理表面的表面微观高度的方法主要分为两类：一类是接触式测量，另一类是非接触式测量。接触式测量一般是借助传感器测量探针在纹理表面扫描时的接触状态，这种方法会改变系统的连接状态和动态特性，导致测量结果和原始结果之间存在偏差。非接触式测量的方法主要有两种：（1）运用图像处理方法从图像中提取纹理表面的轮廓特征，基于图像法快速便捷，硬件成本较低，但纹理图片会受光照、颜色、分辨率等因素的影响，使得实际提取的几何特征和真实纹理之间存在系统误差；（2）运用测微距设备对纹理表面进行扫描，以得到纹理表面的轮廓特征，这种方法多运用光学特性，具有非破坏性、测量精度高等特点，但硬件成本极高，比较耗费时间。

纹理粗糙度提取的方法同样分为接触式测量和非接触式测量两类，接触式测量：Jochen Lang等提出运用无线触觉传感器WHaT测量并记录手持探针轻敲纹理表面时的加速度信号和力信号，并用记录的信号计算纹理表面的粗糙度和刚度等。非接触式测量主要采用图像处理的方法，较为经典的纹理粗糙度度量算法有：Rosenfeld提出的基于最佳尺寸纹理粗糙度算法，该方法不但克服了粗糙度对度量尺度的依赖，而且能有效地处理显微纹理图像；Karu和Tamura等学者基于Rosenfeld纹理粗糙度算法，提高了度量纹理粗糙度的算法的速度；Pentland P提出了用分形维数作为度量一幅图像纹理粗糙度的方法；Julesz B等人提出利用纹理的二阶或高阶统计特性提取纹理区域的粗糙度分量的方法；Haralick R提出了基于共生矩阵的纹理粗糙度算法；Kaizer E提出了图像的自相关函数法；Jain R等人提出了功率谱的定义来度量纹理粗糙度。

常用的纹理力模型主要分有随机信号模型，正弦模型。（1）随机信号模型，该模型方法首先计算纹理图像像素点的均值m和方差s，设x为随机数，在国内外研究中较为常用的随机数模型有：均匀分布随机数（0～1均匀分布随机数）、正态分布随机数、对数正态分布随机数。纹理力的幅值可以被描述为均值，方差和随机数的线性组合。这类模型方法计算快速简便，但不能反映纹理的局部特征，即对纹理的区分度不够好，因为随机模型仅仅对纹理力进行了统计意义上的描述，而两幅完全不同的纹理图像可能会拥有相近甚至相同的统计变量（不限于均值和方差），会造成不同类型纹理输出相近或者相同纹理力的情况。（2）正弦模型，国外有学者将纹理力公式表述为正弦函数，其中正弦函数的幅值为与纹理图像像素平均值m正相关的常数，正弦函数周期是与纹理图像像素方差s成反比的常数。正弦模型具有一定的数学意义，因为如果将纹理图像看作是随空间坐标变化的函数，那么这个函数可以通过傅里叶变换变成一系列三角函数的线性组合。因此采用正弦函数来描述纹理变化是较为合适的。纹理力是反映纹理表面变化的力信号，所以同样采用正弦函数来描述纹理力变化。从公式可以看出,纹理图像像素值均值越大即纹理表面平均高度越大，周期性信号的幅值就越大,纹理越粗糙。纹理图像像素值即纹理表面高度变化越剧烈，则周期信号的频率越高纹理越细密。纹理力的大小随位置的变化而变化。该方法在一定程度上能较好的反映出纹理的特性，但确定性模型能够表达的纹理种类有限，仅能使力感觉有明显的区分度,但缺乏真实感，不能模拟真实的纹理接触。

发明内容

技术问题：本发明所要解决的技术问题是：提供一种基于纹理图片的力触觉再现方法，无需特定的测量设备即可获取虚拟纹理的动摩擦系数，无需专用的纹理表达装置，即可将虚拟纹理的粗糙感传递给人。

技术方案：为解决上述技术问题，本发明采用以下的技术方案：

一种基于纹理图片的力触觉再现方法，该力触觉再现方法包括以下过程：

步骤10）提取纹理特征，纹理特征包含纹理表面微观高度和表征纹理粗糙度的动摩擦系数；

步骤20）基于步骤10）提取的纹理特征，进行力触觉建模，测算纹理力合力；

步骤30）将步骤20）测算的纹理力合力，通过手控器输出反馈给操作者。

进一步，所述的步骤10）中，纹理表面微观高度采用从明暗恢复形状的方法提取。