力反馈仿真数据的生成方法及力反馈仿真系统技术方案

本发明专利技术公开了力反馈仿真数据的生成方法及力反馈仿真系统。其中，方法包括训练样本图形获取样本模型及样本的图像特征值。采集当前采集阵列中各采集点的力值，根据各采集点的灰度值生成检测阵列的当前图像。获取当前图像的图像特征值。根据样本图形、各采集点的灰度值及各采集点在当前检测矩阵中的分布特征获取触感反馈阵列中各触点的力反馈仿真数据。通过CNN卷积神经网络构建样本图形，根据当前的多采集点生成当前灰度图形的当前图像特征值。通过当前图像特征值与样本图像特征值的匹配结果，根据样本图形仿真当前动作。对于对象细节多、采集面积较大及仿真采集数据精度高的模型可在不提升处理器性能的同时，保证其仿真的精度及准确性。

Generation Method of Force Feedback Simulation Data and Force Feedback Simulation System

【技术实现步骤摘要】
力反馈仿真数据的生成方法及力反馈仿真系统
本专利技术属于机器学习及系统仿真领域，特别应用于力反馈的模拟场景，尤其涉及力反馈仿真数据的生成方法及力反馈仿真系统。
技术介绍
在系统仿真的场景还原时，通过模拟力反馈点阵对仿真区域内的反馈力进行模拟输出。为了保证各反馈点的准确模拟，多采用多点力采集方式对仿真对象的施力状态进行采集。当仿真对象的采集细节较多、采集面积较大或仿真采集数据精度较高时，则需要在仿真对象上设置上百级或上千级的力采集点。采集点数量较多时，则会因处理器性能的局限，使采集数据无法在设定时间内准确处理，无法满足力反馈数据生成的需要。
技术实现思路
本专利技术实施方式提供力反馈仿真数据的生成方法及力反馈仿真系统，用于至少解决上述技术问题之一。第一方面，本专利技术提供力反馈仿真数据的生成方法，包括以下步骤：步骤S101，训练样本图形获取样本模型及样本的图像特征值。步骤S102，采集当前采集阵列中各采集点的力值，根据各采集点的力值对应力值与灰度值对应关系获取各采集点的灰度值，根据各采集点的灰度值生成检测阵列的当前图像。步骤S103，通过样本模型对当前图像进行卷积神经网络计算，获取当前图像本文档来自技高网...

【技术保护点】
1.力反馈仿真数据的生成方法，其特征在于，包括以下步骤：步骤S101，训练样本图形获取样本模型及样本的图像特征值；步骤S102，采集当前采集阵列中各采集点的力值，根据各采集点的力值对应力值与灰度值对应关系获取所述各采集点的灰度值，根据所述各采集点的灰度值生成检测阵列的当前图像；步骤S103，通过所述样本模型对所述当前图像进行卷积神经网络计算，获取当前图像的图像特征值；步骤S104，若所述当前图像的图像特征值与所述样本的图像特征值匹配，则根据所述样本图形、所述各采集点的灰度值及所述各采集点在所述当前检测矩阵中的分布特征获取触感反馈阵列中各触点的力反馈仿真数据，所述力反馈仿真数据包括能够驱动所述各...

【技术特征摘要】
1.力反馈仿真数据的生成方法，其特征在于，包括以下步骤：步骤S101，训练样本图形获取样本模型及样本的图像特征值；步骤S102，采集当前采集阵列中各采集点的力值，根据各采集点的力值对应力值与灰度值对应关系获取所述各采集点的灰度值，根据所述各采集点的灰度值生成检测阵列的当前图像；步骤S103，通过所述样本模型对所述当前图像进行卷积神经网络计算，获取当前图像的图像特征值；步骤S104，若所述当前图像的图像特征值与所述样本的图像特征值匹配，则根据所述样本图形、所述各采集点的灰度值及所述各采集点在所述当前检测矩阵中的分布特征获取触感反馈阵列中各触点的力反馈仿真数据，所述力反馈仿真数据包括能够驱动所述各触点动作的驱动信息。2.根据权利要求1所述的生成方法，其特征在于，所述步骤S101中还包括：训练多个样本图形获取与其对应的多个样本模型及多个样本的图像特征值；所述步骤S104中还包括：将所述当前图像的图像特征值匹配所述多个样本的图像特征值，获取与其对应的样本图形，根据该样本图形、所述各采集点的灰度值及所述各采集点在所述当前检测矩阵中的分布特征获取触感反馈阵列中各触点的力反馈仿真数据，所述力反馈仿真数据包括能够驱动所述各触点动作的驱动信息。3.根据权利要求1或2所述的生成方法，其特征在于，所述步骤S102中还包括：根据所述各采集点的灰度值对所述当前采集阵列中各采集点的对应位置进行渲染，获取所述检测阵列的当前图像。4.根据权利要求1所述的生成方法，其特征在于，所述步骤S102中还包括，根据设定的采集间隔时间，采集多个时间点的当前采集阵列中各采集点的力值，根据各时间点的各采集点的力值对应力值与灰度值对应关系获取各时间点的所述各采集点的灰度值，根据各时间点的所述各采集点的灰度值生成各时间点的检测阵列的当前图像；所述步骤S103中包括，通过所述样本模型对各时间点的所述当前图像进行卷积神经网络计算，获取各时间点的当前图像的图像特征值；所述步骤S104中包括，判断所述各时间点中设定数量的所述当前图像的图像特征值与所述样本的图像特征值是否匹配，若是，则根据所述样本图形、所述各采集点的灰度值及所述各采集点在所述当前检测矩阵中的分布特征获取触感反馈阵列中各触点的力反馈仿真数据，若否，则生成不匹配信息。5.根据权利要求1所述的生成方法，其特征在于，所述步骤S101中还包括，从所述样本图形中提取部分样本图形，训练所述部分样本图形获取部分样本模型及部分样本的图像特征值；步骤S102，根据所述部分样本图形对应的检测阵列，获取与其对应的部分采集点；采集当前采集阵列中各采集点的力值，根据各采集点的力值对应力值与灰度值对应关系获取所述各采集点的灰度值，根据所述部分采集点的灰度值生成检测阵列中部分采集点的当前图像；步骤S103，通过所述样本模型对所述部分采集点的当前图像进行卷积神经网络计算，获取部分当前图像的图像特征值；步骤S104，若所述部分当前图像的图像特征值与所述部分样本的图像特征值匹配，则根据所述部分样本图形、所述各采集点的灰度值及所述各采集点在所述当前检测矩阵中的分布特征获取触感反馈阵列中各触点的力反馈仿真数据，所述力反馈仿真数据包括能够驱动所述各触点动作的驱动信息。6.根据权利要求1所述的生成方法，其特征在于，所述步骤S104中根据所述样本图形、所述各采集点的灰度值及所述各采集点在所述当前检测矩阵中的分布区域获取触感反馈阵列中各触点的力反馈仿真数据的步骤包括：步骤S1041、根据所述各采集点的灰度值，匹配灰度值与施力值对应关系，获取各采集点的施力值，将所述各采集点的施力值对应于所述样本图形的相应位置，获取触感反馈阵列中各触点的力驱动值；步骤S1042，从所述各采集点在所述当前检测矩阵中的分...

【专利技术属性】
技术研发人员：陈超，齐晓雨，潘思歧，刘佳昊，张皓颖，
申请(专利权)人：华北科技学院，
类型：发明
国别省市：河北,13