The present invention discloses a quantitative evaluation method of texture roughness based on signal detection theory, which includes: texture roughness perception experiment, recording the recognition results of different texture samples perceived by the subjects and correctly answering texture probabilities after perception by contrast to normal distribution table, and calculating rough texture parameters of different texture samples. Degree discrimination index; According to correlation, taking objective texture parameters as input and texture roughness quantization value based on signal detection theory as output, a texture roughness perception evaluation model is established, and the weight of objective texture parameters in the model is obtained by fitting with non-linear least squares method; the objective texture parameters to be evaluated are substituted into the model, and the corresponding texture roughness is obtained by output. Roughness measurements. The method effectively increases the stability of subjective perception results in the case of limited experimental objects, improves the accuracy of evaluation, and can be widely used in texture roughness perception prediction of manipulators.
【技术实现步骤摘要】
一种基于信号检测论的纹理粗糙度量化评价方法
本专利技术涉及一种基于信号检测论的纹理粗糙度量化评价方法,属于纹理力触觉建模与表达
技术介绍
纹理是人体获取物体表面感知信息的关键因素,人体对纹理的触觉感知机制复杂,通过量化主观感知,并建立主观感知评价模型,能指导对不同客观属性下的感知结果预测,用于对建立虚拟纹理的有效性验证。传统研究中,对触觉感知评价方法主要有客观评价方法与主观评价方法两种。张建凯利用有限元模型,建立了手指触摸物体时物体客观属性与粗糙度之间的感知模型,预测在不同工况表面下手指感知的敏感性。模型输出为振动频率,以此作为触觉感知的直接相关评价依据,而并不是触觉感知结果。汪莉等人通过CHARMM力场模拟触觉感知信息,建立客观属性与触觉感知之间的评价模型。近期的,有部分神经网络的研究量化触觉的感知结果。周嵘等人利用BP神经网络,对人体触摸过程中的力信号进行识别分类,实现触觉感知信息分类预测。上述方法都是从客观属性到客观响应的研究,存在不符合人体主观感知的缺陷。在对人体主观触觉感知量化评价研究中,龙慧利用精神物理学中的静电力触觉在现效果主观评价方法,量化人体对静电力触觉的粗糙度,并建立静电频率、波形、振幅与感知评价结果之间的模型。触觉主观评价方法评价结果更符合人体感知规律。目前研究手段主要从主观感知实验开始,获取人体主观感知结果,量化并建立评价模型。传统的人体主观感知的测量心理学实验方法主要有恒定刺激法、评分法、最小变化法等,其中,评分法是量化人体主观感知最直接的心理学评测方法,实验过程中,受试者感知刺激变化强弱,主观对其进行打分。前人研究中, ...
【技术保护点】
1.一种基于信号检测论的纹理粗糙度量化评价方法,其特征在于,包括以下步骤:步骤1、利用信号检测论的心理物理学实验方法进行纹理粗糙度感知实验,记录受试者感知不同纹理样本的识别结果并对照至正态分布表得到感知后虚报纹理概率和感知后正确回答纹理概率;步骤2、根据感知后虚报纹理概率和感知后正确回答纹理概率,结合所感知不同纹理样本的客观纹理参数,计算得到粗糙度辨别力指标;步骤3、根据所感知不同纹理样本的客观纹理参数与粗糙度辨别力指标之间的相关性,以所感知不同纹理样本的客观纹理参数作为输入并基于信号检测论的纹理粗糙度量化值作为输出,建立纹理粗糙度感知评价模型,并利用非线性最小二乘法拟合求得客观纹理参数在模型中的权重;步骤4、将待评价的客观纹理参数代入求得权重后的纹理粗糙度感知评价模型,及输出得到对应的纹理粗糙度量化值。
【技术特征摘要】
1.一种基于信号检测论的纹理粗糙度量化评价方法,其特征在于,包括以下步骤:步骤1、利用信号检测论的心理物理学实验方法进行纹理粗糙度感知实验,记录受试者感知不同纹理样本的识别结果并对照至正态分布表得到感知后虚报纹理概率和感知后正确回答纹理概率;步骤2、根据感知后虚报纹理概率和感知后正确回答纹理概率,结合所感知不同纹理样本的客观纹理参数,计算得到粗糙度辨别力指标;步骤3、根据所感知不同纹理样本的客观纹理参数与粗糙度辨别力指标之间的相关性,以所感知不同纹理样本的客观纹理参数作为输入并基于信号检测论的纹理粗糙度量化值作为输出,建立纹理粗糙度感知评价模型,并利用非线性最小二乘法拟合求得客观纹理参数在模型中的权重;步骤4、将待评价的客观纹理参数代入求得权重后的纹理粗糙度感知评价模型,及输出得到对应的纹理粗糙度量化值。2.根据权利要求1所述基于信号检测论的纹理粗糙度量化评价方法,其特征在于,所述步骤1中不...
【专利技术属性】
技术研发人员:吴涓,吴淼,邵知宇,欧阳强强,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。