[发明专利]一种基于触觉传感器的拟人化触摸物体重构方法和系统有效
申请号: | 202110072638.6 | 申请日: | 2021-01-20 |
公开(公告)号: | CN112802182B | 公开(公告)日: | 2022-12-16 |
发明(设计)人: | 齐鹏;巴志彪;徐志宇 | 申请(专利权)人: | 同济大学 |
主分类号: | G06T17/00 | 分类号: | G06T17/00;G06K9/62;G06F16/28;G01D21/02 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 陈源源 |
地址: | 200092 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 触觉 传感器 拟人化 触摸 物体 方法 系统 | ||
1.一种基于聚类分析的拟人化触摸物体重构方法,其特征在于,包括以下步骤:
拟人化触摸步骤:带动触觉传感器在物体表面持续移动,通过所述触觉传感器与物体接触,获取弹性形变、法向力和切向力信息,根据所述触觉传感器的接触点和移动轨迹,获取有接触点的三维坐标记录;
物体属性建立步骤:根据所述弹性形变与法向力之间的关系,提取出物体接触面硬度属性数据;根据所述法向力和切向力信息,提取出物体接触面粗糙程度属性数据;根据所述接触点的三维坐标记录,拟合物体外表轨迹信息属性数据;将所述物体接触面硬度属性数据、物体接触面粗糙程度属性数据和物体外表轨迹信息属性数据汇总为物体属性数据;
特征库分类步骤:获取多个样本物体的所述物体属性数据,采用聚类算法对所述物体属性数据进行数据提取,建立数据集,并对该数据集进行分类,为同类物体建立对应的特征库;
物体重构步骤:获取待测物体,依次执行所述拟人化触摸步骤和物体属性建立步骤,构建该待测物体的多条物体属性数据,并与所述数据集数据进行比对,获取与该待测物体对应的所述特征库,根据该特征库从所述多条物体属性数据中获取最优的物体属性数据,完成物体重构;
所述法向力Fn的计算表达式为:
式中,q为触觉传感器测量的接触点力矩,n为触觉传感器的接触面法向量;
所述切向力Ft的计算表达式为:
Ft=p-Fn
式中,p为触觉传感器测量的三维作用力;
所述拟合物体外表轨迹信息属性数据具体为,若物体为近球形,则采取球曲面拟合的方式求解球方程,获取物体外表轨迹信息;
所述球方程的表达式为:
x2+y2+z2+ax+by+cz+d=0
所述球方程的拟合求解过程为:
假设测点矩阵为A,系数矩阵为m,距离矩阵为l,则有
Am=l
式中,x为x向坐标,y为y向坐标,z为z向坐标,为系数;
采用间接平差和最小二乘法进行拟合,可得系数矩阵m=(ATA)-1ATl,从而求解出系数矩阵m,获取物体外表轨迹信息;
所述物体接触面粗糙程度属性数据包括物体表面静摩擦因数μ,该物体表面静摩擦因数μ的计算表达式为:
根据所述触觉传感器测量的果实受力面半径Di,计算物体硬度,获取所述物体接触面硬度属性数据,所述物体硬度P的计算表达式为:
2.根据权利要求1所述的一种基于聚类分析的拟人化触摸物体重构方法,其特征在于,所述触觉传感器为六轴力—力矩传感器。
3.根据权利要求1所述的一种基于聚类分析的拟人化触摸物体重构方法,其特征在于,所述聚类算法为K-means聚类算法。
4.根据权利要求3所述的一种基于聚类分析的拟人化触摸物体重构方法,其特征在于,所述K-means聚类算法通过计算数据之间的欧氏距离的最小化平方误差,刻画出数据间的相似程度,实现数据分类。
5.根据权利要求1所述的一种基于聚类分析的拟人化触摸物体重构方法,其特征在于,所述拟人化触摸步骤中,通过机械臂带动触觉传感器在物体表面持续移动。
6.一种基于聚类分析的拟人化触摸物体重构系统,其特征在于,包括处理器、触觉传感器和机械臂,所述处理器分别连接所述触觉传感器和机械臂,所述机械臂还连接所述触觉传感器,所述处理器执行如权利要求1至5任一所述的方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110072638.6/1.html,转载请声明来源钻瓜专利网。