一种硬度识别方法、硬度识别系统、装置及存储介质制造方法及图纸

本申请涉及机器人硬度识别领域，公开了一种硬度识别方法，硬度识别系统、装置及存储介质。该方法包括：获取触觉数据；其中，触觉数据是根据机械手对样本物体进行按压操作而采集的力矩数据和压力数据得到；对触觉数据进行预处理，以得到触觉图像；将触觉图像输入至预先训练的硬度识别网络中，以对触觉图像进行分类，进一步得到样本物体的硬度；其中，硬度识别网络至少包括一全连接层，全连接层的分类类别采用泊松分布编码确定。通过上述方式，本申请能够学习到硬度层级之间的有序关系并将硬度进行分类。进行分类。进行分类。

【技术实现步骤摘要】
一种硬度识别方法、硬度识别系统、装置及存储介质


[0001]本申请涉及机器人硬度识别领域，特别是涉及一种硬度识别方法、硬度识别系统、硬度识别装置及计算机可读存储介质。

技术介绍

[0002]当环境黑暗或者视觉传感器不能工作时，触觉识别对机器人探索环境起到了重要作用。当机器人触碰物体时，可以得到有关该物体的很多特性，例如物体表面的纹理、粗糙度、硬度等。其中硬度是机器人识别物体最重要的触觉属性之一。
[0003]触觉硬度识别可以补充视觉传感器无法感知的信息。例如，一些水果成熟前与成熟后在外观上并无明显区别，仅仅通过视觉传感器难以判断水果成熟度，但利用触觉硬度识别加以辅助可以很容易判断出水果的成熟度，因为成熟度不同的水果其硬度有较大差别。到目前为止，深度学习在物体的硬度识别上展现出优越的性能。
[0004]传统的基于深度学习的硬度识别方法具有一定的局限性，这些方法都无法学习到物体硬度层级之间的有序信息。

技术实现思路

[0005]本申请主要解决的技术问题是提供一种硬度识别方法，能够实现正确识别硬度类别的同时还能够反映出不同硬度之间的关系。
[0006]为了解决上述技术问题，本申请采用的一种技术方案是：提供了一种硬度识别方法，包括：
[0007]获取触觉数据；其中，触觉数据是根据机械手对样本物体进行按压操作而采集的力矩数据和压力数据得到；对触觉数据进行预处理，以得到触觉图像；将触觉图像输入至预先训练的硬度识别网络中，以对触觉图像进行分类，进一步得到样本物体的硬度；其中，硬度识别网络至少包括一全连接层，全连接层的分类类别采用泊松分布编码确定。
[0008]其中，泊松分布编码基于以下公式实现；
[0009][0010]其中，其中，K表示预测类别的数量，H(k)表示对泊松分布的概率密度函数求对数后得到，表示全部预测类别的概率之和，其结果为1，exp(
‑
H(k))表示编码正确类别的概率。
[0011]该方法还包括，机械手的预设数量个手指中，每一手指上设置一力矩传感器和多个阵列分布的压力传感器；其中，对触觉数据进行预处理，以得到触觉图像包括：根据每一手指的多个阵列分布的压力传感器采集的数据，形成第一压力数据矩阵；将预设数量个手指对应的第一压力数据矩阵进行拼接，形成第二压力数据矩阵；以及根据预设数量个手指的力矩传感器采集的数据，形成第一力矩数据矩阵；对第一力矩数据矩阵进行复制，形成第
二力矩数据矩阵；对第二压力数据矩阵与第二力矩数据矩阵进行拼接，以得到触觉图像。
[0012]其中，对多个时间点的触觉数据进行下采样处理；将下采样后的多个触觉图像组合形成触觉图像序列；将触觉图像输入至预先训练的硬度识别网络中，以对触觉图像进行分类，进一步得到样本物体的硬度，包括：将触觉图像序列输入至预先训练的硬度识别网络中，以对触觉图像序列进行分类，进一步得到样本物体的硬度。
[0013]其中，对触觉数据进行去噪处理，以将机械手接触样本物体之间的数据进行去除。
[0014]其中，还包括，对触觉数据进行正则化处理。
[0015]该方法还包括，建立硬度识别网络；获取数据集；其中，数据集包括多个触觉数据；对数据集进行预处理，以得到多个触觉图像序列；将多个触觉图像序列输入至硬度识别网络，以对硬度识别网络进行训练。
[0016]其中，硬度识别网络为CNN
‑
LSTM网络，CNN
‑
LSTM网络包括CNN模块、LSTM层和全连接层，CNN模块包括卷积层、批次正则化层和池化层。
[0017]其中，将多个触觉图像序列划分为训练数据集和测试数据集；将训练数据集输入至硬度识别网络，以对硬度识别网络进行训练；将测试数据集输入至硬度识别网络，以对硬度识别网络进行测试。
[0018]其中，根据样本物体的形状对多个触觉图像序列进行分类；将每一类触觉图像序列划分为训练数据集和测试数据集。
[0019]为了解决上述问题，本申请采用的另一种技术方案是：提供一种硬度识别系统，包括：获取模块，用于获取触觉数据；其中，触觉数据是根据机械手对样本物体进行按压操作而采集的力矩数据和压力数据得到；预处理模块，用于对触觉数据进行预处理，以得到触觉图像；识别模块，用于将触觉图像输入至预先训练的硬度识别网络中，以对触觉图像进行分类，进一步得到样本物体的硬度；其中，硬度识别网络至少包括一全连接层，全连接层的分类类别采用泊松分布编码确定。
[0020]为了解决上述问题，本申请采用的另一种技术方案是：提供一种硬度识别装置，包括：处理器以及与处理器耦接的存储器，存储器中存储有计算机程序，处理器用于执行计算机程序以实现上述方法。
[0021]为了解决上述问题，本申请采用的另一种技术方案是：提供一种计算机可读存储介质，其中，计算机可读存储介质后存储有程序数据，程序数据在被处理器执行时，用于实现上述方法。
[0022]本申请的有益效果是：区别于现有技术的情况，本申请提供的一种硬度识别方法。该方法通过获取触觉数据；其中，触觉数据根据机械手对样本物体进行按压操作而采集的力矩数据和压力数据得到；对触觉数据进行预处理，以得到触觉图像；将触觉图像输入至预先训练的硬度识别网络中，对触觉图像进行分类，达到对物体进行硬度识别的效果。同时，本申请采用的硬度识别网络至少包括一全连接层，该全连接层的分类类别采用泊松分布编码确定。泊松分布编码基于泊松分布，不仅可以反应出正确类别，还可以反应出不同硬度层级之间的有序信息。通过上述方式，本申请能够充分学习到硬度层级之间的有序信息并对硬度进行分类。
附图说明
[0023]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0024]图1是本申请提供的一种硬度识别方法一实施例的流程示意图；
[0025]图2是本申请提供的触觉图像构建方法一实施例的流程示意图；
[0026]图3是本申请提供的一种预处理方法一实施例的流程示意图；
[0027]图4是本申请提供的一种预处理方法另一实施例的流程示意图；
[0028]图5是本申请提供的一种预处理方法另一实施例的流程示意图；
[0029]图6是本申请提供的一种硬度识别网络构建方法一实施例的流程示意图；
[0030]图7是本申请提供的一种硬度识别网络一实施例的结构示意图；
[0031]图8是本申请提供的一种硬度识别网络构建方法另一实施例的流程示意图；
[0032]图9是本申请提供的硬度识别系统一实施例的结构示意图；
[0033]图10是本申请提供的硬度识别装置一实施例的结构示意图；
[0034]图11是本申请提供的计算机可读存储介质一实施例的结构示意图；
具体实施方式
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种硬度识别方法，其特征在于，所述方法包括:获取触觉数据；其中，所述触觉数据是根据机械手对样本物体进行按压操作而采集的力矩数据和压力数据得到；对所述触觉数据进行预处理，以得到触觉图像；将所述触觉图像输入至预先训练的硬度识别网络中，以对所述触觉图像进行分类，进一步得到所述样本物体的硬度；其中，所述硬度识别网络至少包括一全连接层，所述全连接层的分类类别采用泊松分布编码确定。2.根据权利要求1所述的方法，其特征在于：所述泊松分布编码基于以下公式实现：其中，K表示预测类别的数量，H(k)表示对泊松分布的概率密度函数求对数后得到，表示全部预测类别的概率之和，其结果为1，exp(
‑
H(k))表示编码正确类别的概率。3.根据权利要求1所述的方法，其特征在于：所述机械手的预设数量个手指中，每一所述手指上设置一力矩传感器和多个阵列分布的压力传感器；所述对触觉数据进行预处理，以得到触觉图像，包括：根据每一手指的多个阵列分布的压力传感器采集的数据，形成第一压力数据矩阵；将预设数量个手指对应的所述第一压力数据矩阵进行拼接，形成第二压力数据矩阵；以及根据预设数量个手指的力矩传感器采集的数据，形成第一力矩数据矩阵；对所述第一力矩数据矩阵进行复制，形成第二力矩数据矩阵；将所述第二压力数据矩阵与所述第二力矩数据矩阵进行拼接，以得到触觉图像。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：对多个时间点的所述触觉数据进行下采样处理；将下采样后的多个所述触觉图像组合形成触觉图像序列；所述将所述触觉图像输入至预先训练的硬度识别网络中，以对所述触觉图像进行分类，进一步得到所述样本物体的硬度，包括：将所述触觉图像序列输入至预先训练的硬度识别网络中，以对所述触觉图像序列进行分类，进一步得到所述样本物体的硬度。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：对所述触觉数据进行去噪处理，以将所述机械手接触所述样本物体之前的数据进行去除。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：对所述触觉数据进行正则化处理。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：建立...

【专利技术属性】
技术研发人员：易正琨，吴新宇，方森林，周贞宁，叶超翔，孙健铨，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：