[发明专利]基于视觉的触觉测量方法、装置、设备及存储介质

权利要求书

1.一种基于视觉的触觉测量方法，其特征在于，所述方法应用于芯片中，所述芯片与触觉传感器相连，所述触觉传感器包括传感面和图像传感组件，所述传感面设置有标记图案；

所述方法包括：

获取所述图像传感组件对所述传感面采集的图像序列，所述图像序列的图像中包括所述标记图案；

根据所述图像序列中的相邻图像内的所述标记图案，计算所述标记图案的位移信息；

调用前馈神经网络中的隐藏层对所述标记图案的位移信息进行特征提取，得到特征表示，所述隐藏层的数量为1；

调用所述前馈神经网络中的输出层对所述特征表示进行处理，得到触觉测量结果。

2.根据权利要求1所述的方法，其特征在于，所述隐藏层内设置有n个隐藏神经元，n为整数；

所述隐藏层是基于逻辑斯蒂函数Sigmoid隐藏神经元构建的；

所述输出层是基于归一化指数函数Softmax输出神经元或线性输出神经元构建的。

3.根据权利要求1所述的方法，其特征在于，所述触觉测量结果包括接触位置；所述前馈神经网络包括：位置估计模型，所述位置估计模型包括第一隐藏层和第一输出层；

所述调用所述前馈神经网络中的所述隐藏层对所述标记图案的位移信息进行特征提取，得到特征表示，包括：

调用所述位置估计模型中的所述第一隐藏层对所述标记图案的位移信息进行特征提取，得到接触位置特征表示；

所述调用所述前馈神经网络中的所述输出层对所述特征表示进行处理，得到触觉测量结果，包括：

调用所述位置估计模型中的所述第一输出层对所述接触位置特征表示进行处理，得到所述接触位置。

4.根据权利要求1所述的方法，其特征在于，所述触觉测量结果包括接触力的三维信息，所述前馈神经网络包括接触力估计模型，所述接触力估计模型包括：第二隐藏层和第二输出层；

所述调用所述前馈神经网络中的所述隐藏层对所述标记图案的位移信息进行特征提取，得到特征表示，包括：

调用所述接触力估计模型中的所述第二隐藏层对所述标记图案的位移信息进行特征提取，得到接触力特征表示；

所述调用所述前馈神经网络中的所述输出层对所述特征表示进行处理，得到触觉测量结果，包括：

调用所述接触力估计模型中的所述第二输出层对所述接触力特征表示进行处理，得到所述接触力的三维信息，所述三维信息包括大小和/或方向。

5.根据权利要求1所述的方法，其特征在于，所述触觉测量结果包括接触表面的局部曲率半径；所述前馈神经网络包括：表面分类模型和至少两个曲率估计模型；

所述调用前馈神经网络对所述标记图案的位移信息进行处理，得到触觉测量结果，包括：

调用所述表面分类模型对所述标记图案的位移信息进行表面识别，得到所述接触表面的表面类型；

根据所述表面类型调用所述至少两个曲率估计模型中的目标曲率估计模型对所述接触表面进行曲率预测，得到所述接触表面的局部曲率半径。

6.根据权利要求5所述的方法，其特征在于，所述曲率估计模型包括：球面估计模型和圆柱面估计模型；

所述根据所述表面类型调用所述至少两个曲率估计模型中的目标曲率估计模型对所述接触表面进行曲率预测，得到所述接触表面的局部曲率半径，包括：

当所述表面类型是球面时，调用所述球面估计模型对所述球面进行第一曲率预测，得到所述球面的局部曲率半径；

当所述表面类型是圆柱面时，调用所述圆柱面估计模型对所述圆柱面进行第二曲率预测，得到所述圆柱面的局部曲率半径。

7.根据权利要求5所述的方法，其特征在于，所述表面分类模型包括第三隐藏层和第三输出层；

所述调用所述表面分类模型对所述标记图案的位移信息进行表面识别，得到所述接触表面的表面类型，包括：

调用所述表面分类模型中的所述第三隐藏层对所述标记图案的位移信息进行表面识别，得到表面类型特征表示；

调用所述表面分类模型中的所述第三输出层对所述表面类型特征表示进行处理，得到接触表面的表面类型。