一种基于生理物理建模的静电力触觉渲染方法技术

本发明专利技术提供一种基于生理物理建模的静电力触觉渲染方法，属于虚拟现实与人机交互领域领域。确定手指划过真实材质表面第一速度，第一法向力以及第一切向力；确定手指划过静电力触觉再现装置表面第二速度以及第二法向力；利用人工智能算法进行模型训练，确定生理物理映射关系f(t)；根据第二速度，第二法向力以及生理物理映射关系f(t)，确定驱动切向力；根据驱动切向力确定静电力触觉再现装置渲染真实材质施加的激励信号瞬态电压V(t)。本发明专利技术建立了生理物理映射关系，及手指划过触觉再现装置的切向力与激励信号的映射关系，实现了在触觉再现装置上呈现真实材质的纹理渲染。该方法无操作约束，通用性及可扩展性强。

A method of electrostatic tactile rendering based on physiological physical modeling

【技术实现步骤摘要】
一种基于生理物理建模的静电力触觉渲染方法
本专利技术涉及于虚拟现实与人机交互领域领域，尤其涉及一种基于生理物理建模的静电力触觉渲染方法。
技术介绍
触觉再现是当前人机交互与虚拟现实领域内的前沿技术，能够给人提供更好的沉浸式体验，相较于传统的视觉和听觉，触觉更注重人机的交互性。其中静电触觉再现技术是目前国际触觉再现的研究热点和重点，在教育教学、商业展示、医学治疗和娱乐等领域有着广阔的发展前景。静电力触觉再现技术主要是根据库伦定律，利用静电力吸引原理，通过调节手指与触觉再现面板间的摩擦力提供触觉体验。静电力触觉再现面板有玻璃底板、透明导电极板、透明绝缘薄膜组成。当激励信号施加于导电极板时，绝缘薄膜内部正负电荷周期性变化，从而产生一个周期性变化的电场。当手指触摸再现面板时，手指因电荷感应而周期性携带正负电荷，电荷间库仑力相互作用，使手指感知触觉力作用。可以通过对激励信号的参量控制，改变指尖所受摩擦力，进而产生不同的触觉体验。触觉再现渲染算法是在触觉再现装置基础上进一步提高触觉再现真实感的保证。近年来，随着触觉再现技术越来越受到国内外企业和研究机构的关注，多媒体终端触觉再现渲染方法研究得到了不断地发展。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：现有的关于静电力触觉再现装置的触觉渲染算法中，基于物理建模的渲染算法需要针对特定的再现装置建立精准的数学模型，计算量大，且由于过度简化物理模型，使得渲染效果并不理想。基于数据驱动的渲染算法，现有的方法中并没有建立物理触摸与触觉感受的普适性关系，即生理物理模型，仅限于实验数据本身来进行渲染，并且大部分的渲染方法是基于限制手指与触觉屏的接触条件，体验感不佳，另外渲染算法的渲染能力结果往往受限于实验数据本身，不具备通用性及扩展性。
技术实现思路
本专利技术提供一种基于生理物理建模的静电力触觉渲染方法，通过建立手指划过真实材质时的速度，法向力与切向力的生理物理映射关系，以及手指划过触觉再现装置时的切向力与激励信号之间的映射关系，实现了在静电力触觉再现装置上渲染真实材质的纹理。该方法无操作约束，渲染范围广，通用性及可扩展性强，且具有很好的渲染效果。本专利技术采取的技术方案是，包括下列步骤：(1)、确定手指划过真实材质表面时的第一速度v1，第一法向力FN1以及第一切向力Ff1；(2)、确定手指划过静电力触觉再现装置表面时的第二速度v2以及第二法向力FN2；(3)、根据第一速度v1，第一法向力FN1以及第一切向力Ff1，利用人工智能算法进行模型训练，确定生理物理映射关系f(t)；(4)、根据第二速度v2，第二法向力FN2以及生理物理映射关系f(t)，确定驱动切向力Ff；(5)、根据驱动切向力Ff确定静电力触觉再现装置渲染真实材质时施加的激励信号瞬态电压V(t)。本专利技术所述步骤(3)中，根据第一速度v1，第一法向力FN1以及第一切向力Ff1，利用人工智能算法进行模型训练，确定生理物理映射关系f(t)，具体包括：将第一法向力FN1按照固定间距分成n段，并将n个第一法向力FN1区间固定取值为n个第一法向分力FN1_n，其中n为大于或等于1的整数；在n个第一法向分力FN1_n的条件下，分别根据n个第一法向力FN1区间所对应的第一速度v1与第一切向力Ff1，利用人工智能算法进行模型训练，确定n个分段生理物理映射关系fn(t)。本专利技术所述步骤(3)中，根据第一速度v1，第一法向力FN1以及第一切向力Ff1，利用人工智能算法进行模型训练，确定生理物理映射关系f(t)，具体包括：将第一速度v1按照固定间距分成n段，并将n个第一速度v1区间固定取值为n个第一速度分量v1_n，其中n为大于或等于1的整数；在n个第一速度分量v1_n的条件下，分别根据n个第一速度v1区间所对应的第一法向力FN1与第一切向力Ff1，利用人工智能算法进行模型训练，确定n个分段生理物理映射关系fn(t)。本专利技术所述步骤(3)中，根据第一速度v1，第一法向力FN1以及第一切向力Ff1，利用人工智能算法进行模型训练，确定生理物理映射关系f(t)，具体包括：将第一速度v1和第一法向力FN1分别或同时作为输入参量，将第一切向力Ff1作为输出参量，利用人工智能算法进行模型训练，得到生理物理映射关系f(t)；本专利技术所述步骤(3)中，人工智能算法为RBF神经网络算法。本专利技术所述步骤(4)中，根据第二速度v2，第二法向力FN2以及生理物理映射关系f(t)，确定驱动切向力Ff，具体包括：判断当前第二法向力FN2的取值，当第二法向力FN2等于第m第一法向分力FN1_m时，其中m为小于或等于n的正整数，根据所对应的第m分段生理物理映射关系fm(t)与当前第二速度v2，确定当前驱动切向力Ff；当第二法向力FN2的取值在第m第一法向分力FN1_m与第m-1第一法向分力FN1_m-1之间时，分别根据所对应的所述第m分段生理物理映射关系fm(t)与第m-1分段生理物理映射关系fm-1(t)以及当前第二速度v2确定第m驱动切向力Ff_m以及第m-1驱动切向力Ff_m-1，并根据第m驱动切向力Ff_m以及第m-1驱动切向力Ff_m-1确定当前驱动切向力Ff。本专利技术所述步骤(4)中，根据第二速度v2，第二法向力FN2以及生理物理映射关系f(t)，确定驱动切向力Ff，具体包括：判断当前第二速度v2的取值，当第二速度v2等于第m第一速度分量v1_m时，其中m为小于或等于n的正整数，根据所对应的第m分段生理物理映射关系fm(t)与当前第二法向力FN2，确定当前驱动切向力Ff；当第二速度v2的取值在第m第一速度分量v1_m与第m-1第一速度分量v1_m-1之间时，分别根据所对应的第m分段生理物理映射关系fm(t)与第m-1分段生理物理映射关系fm-1(t)以及当前第二法向力FN2确定第m驱动切向力Ff_m以及第m-1驱动切向力Ff_m-1，并根据第m驱动切向力Ff_m以及第m-1驱动切向力Ff_m-1确定当前驱动切向力Ff。本专利技术所述步骤(5)中，根据驱动切向力Ff确定静电力触觉再现装置渲染真实材质时施加的激励信号瞬态电压V(t)，具体包括：根据如下公式计算得到激励信号瞬态电压V(t)；Ff＝μAV2(t)+μFN2式中，A为所述静电力触觉再现装置电路系数，μ为所述静电力触觉再现装置屏幕材质摩擦系数。本专利技术所述步骤(5)中，，根据驱动切向力Ff确定静电力触觉再现装置渲染真实材质时施加的激励信号瞬态电压V(t)，具体包括：当静电力触觉再现装置施加激励信号Y(t)时，确定手指划过静电力触觉再现装置表面时的第二切向力Ff2，根据第二切向力Ff2以及对应的激励信号Y(t)，确定第一映射关系f1(t)，并根据驱动切向力Ff以及第一映射关系f1(t)确定静电力触觉再现装置渲染真实材质时施加的激励信号瞬态电压V(t)。本专利技术所述步骤(5)中，第一映射关系f1(t)为基于NA本文档来自技高网...

【技术保护点】
1.一种基于生理物理建模的静电力触觉渲染方法，其特征在于，包括下列步骤：/n(1)、确定手指划过真实材质表面时的第一速度v

【技术特征摘要】
1.一种基于生理物理建模的静电力触觉渲染方法，其特征在于，包括下列步骤：
(1)、确定手指划过真实材质表面时的第一速度v1，第一法向力FN1以及第一切向力Ff1；
(2)、确定手指划过静电力触觉再现装置表面时的第二速度v2以及第二法向力FN2；
(3)、根据所述第一速度v1，所述第一法向力FN1以及所述第一切向力Ff1，利用人工智能算法进行模型训练，确定生理物理映射关系f(t)；
(4)、根据所述第二速度v2，所述第二法向力FN2以及所述生理物理映射关系f(t)，确定驱动切向力Ff；
(5)、根据所述驱动切向力Ff确定所述静电力触觉再现装置渲染所述真实材质时施加的激励信号瞬态电压V(t)。


2.根据权利要求1所述的基于生理物理建模的静电力触觉渲染方法，其特征在于：所述步骤(3)中，根据所述第一速度v1，所述第一法向力FN1以及所述第一切向力Ff1，利用人工智能算法进行模型训练，确定生理物理映射关系f(t)，具体包括：
将所述第一法向力FN1按照固定间距分成n段，并将n个所述第一法向力FN1区间固定取值为n个第一法向分力FN1_n，其中n为大于或等于1的整数；
在n个所述第一法向分力FN1_n的条件下，分别根据n个所述第一法向力FN1区间所对应的所述第一速度v1与所述第一切向力Ff1，利用人工智能算法进行模型训练，确定n个分段生理物理映射关系fn(t)。


3.根据权利要求1所述的基于生理物理建模的静电力触觉渲染方法，其特征在于，所述步骤(3)中，根据所述第一速度v1，所述第一法向力FN1以及所述第一切向力Ff1，利用人工智能算法进行模型训练，确定生理物理映射关系f(t)，具体包括：
将所述第一速度v1按照固定间距分成n段，并将n个所述第一速度v1区间固定取值为n个第一速度分量v1_n，其中n为大于或等于1的整数；
在n个所述第一速度分量v1_n的条件下，分别根据n个所述第一速度v1区间所对应的所述第一法向力FN1与所述第一切向力Ff1，利用人工智能算法进行模型训练，确定n个分段生理物理映射关系fn(t)。


4.根据权利要求1-3所述的基于生理物理建模的静电力触觉渲染方法，其特征在于，所述根据所述第一速度v1，所述第一法向力FN1以及所述第一切向力Ff1，利用人工智能算法进行模型训练，确定生理物理映射关系f(t)，具体包括：
将所述第一速度v1和所述第一法向力FN1分别或同时作为输入参量，将所述第一切向力Ff1作为输出参量，利用人工智能算法进行模型训练，得到所述生理物理映射关系f(t)。


5.根据权利要求2～4所述的基于生理物理建模的静电力触觉渲染方法，其特征在于，所述人工智能算法为RBF神经网络算法。


6.根据权利要求1所述的基于生理物理建模的静电力触觉渲染方法，其特征在于，所述步骤(4)中，根据所述第二速度v2，所述第二法向力FN2以及所述生理物理映射关系f(t)，确定驱动切向力F...

【专利技术属性】
技术研发人员：孙晓颖，张淼，刘国红，武秋爽，刘健余，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22