基于振动加速度信息的触觉纹理分类方法研究

当手持刚性工具在材料表面滑动时,用户可以通过工具的振动来感受材料表面的纹理特征。这些振动加速度数据包含了丰富的纹理类别信息,为纹理的分类提供了基础。利用触觉进行纹理分类对于力触觉人机交互、机器人精细化操作等应用具有重要的意义。目前,手工设计与纹理相关的特征以及借助卷积神经网络进行简单的特征提取等方法已经被应用于触觉纹理分类。然而,这些方法未能关注时间尺度的选择和触觉序列数据间的时间依赖性,还存在触觉数据特征提取不充分和分类精度不佳等问题。为了解决上述问题,本文提出一种由多尺度卷积网络和双向长短时记忆网络相结合的融合模型,以便同时捕获触觉信号多尺度的几何局部空间特征和时间依赖特征。所提出的模型从公开的触觉数据集中学习材料表面纹理的触觉特征,并在公开的纹理振动加速度数据库上进行训练。实验结果表明,本文提出的模型可以稳健且高效地实现最高92.1%的纹理分类精度。

基于纹理图像和用户动作信息的纹理触觉再现方法研究

近年来,对虚拟表面纹理进行工具介导的振动触觉再现已经成为触觉领域的一个研究热点。针对已有的纹理触觉渲染方法还存在适用范围窄、泛化能力弱、交互真实感低等问题,以改进后的MelGAN为基本网络,构建了一种新的纹理触觉渲染模型。该模型以纹理图像和用户的实时动作信息为输入,在能够高保真地生成振动触觉信号的同时,对常见纹理图像拥有更好的泛化能力。此外,设计了一款具有动作信息实时采集和振动触觉表达功能的笔式装置。在采集了数据库之外的真实纹理表面的振动触觉信号后,比较了提出的模型与已有方法在信号生成方面的性能差异。结果表明,模型实现了最低的均方根误差(0.173),验证了其对未建模纹理进行触觉渲染的能力。最后,使用笔式装置进行了两项用户实验。平均6.01的主观相似度评分说明,即使是数据库之外的新纹理,模型也能为用户提供较高的纹理交互真实感。

基于磁致伸缩逆效应的纹理触觉传感器研究

纹理是物体表面微观结构分布特征的体现,为了提取不同物体表面微观结构特性,提出一种基于Galfenol材料的新型磁致伸缩触觉感知系统。基于磁致伸缩逆效应、悬臂梁挠度理论等建立纹理触觉传感器输出电压与纹理表面微观结构的关系。实验选取5种织物样本测试,测试的输出电压明显不同,然后利用MATLAB软件提取输出电压中与纹理有关的峰值平均电压和功率谱密度,表明在粗糙度大于6.0的范围内,传感器可以识别物体的粗糙度;在细密度大于6时,细密度的识别具有较高的灵敏度。最后通过测试触觉传感器的线性度为0.019%,灵敏度为97.31 mV/mm,重复性小于0.33%,验证纹理触觉传感器的稳定性,满足设计要求。

纹理触觉信息检测系统研究

本文利用PVDF(聚偏二氟乙烯)薄膜的压电效应和其独特物理性质,设计了一种高精度、高分辨率、高速响应的具有纹理触觉感知作用的传感器;然后,模拟人体感知纹理触觉信息的过程,制作了基于伺服电机的纹理触觉信息检测平台,可以实现对纹理压电信号的采集与调理;最后,对6种典型的纹理样本进行信号采集,通过试验数据证明了该系统的有效性。

基于感知实验的纹理触觉感知模型

提出了从纹理触觉感知心理物理学实验中,利用非度量多维尺度分析方法确定纹理触觉感知特征参数,并建立纹理触觉感知特征参数与客观刺激特征参数的回归分析模型,从而全面刻画了客观刺激与主观感知之间的关系。通过所提方法最终建立的客观刺激特征参数(振动能量、振动频率、等效刚度系数以及力的变化率)与纹理触觉感知特征参数的相关性模型,具有较好的线性相关性,R;为0.9以上。通过与前人研究比较,证明了本模型在客观刺激/主观感知规律的描述上具有较好的一致性和全面性。

纹理力触觉建模与表达技术研究综述

力触觉再现作为一种新兴的信息传递方式,对提高人机交互的真实感和准确性具有重要意义。纹理的力触觉表达是借助触觉反馈通道反映人与环境交互过程中物体表面凹凸特性。介绍了纹理力触觉表达的研究背景,阐述了纹理力触觉表达系统的基本原理,归纳了纹理力触觉表达的触觉特征提取和建模方法,并对不同类别的建模方法的特点和问题进行了分析,最后给出了纹理力触觉表达技术的未来研究方向和建议。

基于图像特征的力反馈渲染改进算法

传统基于图像特征的力反馈渲染算法在图像预处理降噪阶段容易丢失虚拟对象表面粗糙度信息。为此,提出一种改进的力反馈渲染算法。在快速矢量滤波器内置噪声检测器之前,增加一级基于图像边缘特征矢量的噪声检测器,以提高噪声检测准确率、保护图像边缘细节特征。实验结果表明,改进算法能够准确描述虚拟对象表面细微的粗糙度信息,实现更逼真的触觉与视觉融合的力反馈。