CN115018700B 一种触觉图像超分辨率重建方法及采集系统 （大连理工大学）

US2017293825A1,2017.1US2021334584A1,2021.1一种触觉图像超分辨率重建方法及采集系统本发明涉及一种触觉图像超分辨率重建方然后利用触觉超分辨率数据集训练基于深度学将待测接触面的触觉数据重建为超分辨率触觉分辨率重建技术，能够有效的恢复出接触面形2使用触觉传感器对每个接触面进行多次采样，获得每个接触面根据每次采样时触觉传感器的中心点坐标，对每个接触面所有选取接触面中心区域内每次采样的触觉数据和对应接触面的高分辨率触觉图像样本根据所述触觉超分辨率数据集，采用有监督的机器学习方法训练深度学习网络模型，将触觉传感器采集的待测接触面的触觉数据输入触觉超分辨率模init为触觉传感器到接触面的垂直距使机械臂带动触觉传感器运动到接触面上方的采样位置(x,y,3将每次采样采集的多组触觉数据经过高通滤波后求平均，并将对所述初始高分辨率触觉图像样本进行平滑处理，获得接触面的高述选取接触面中心区域内每次采样的触觉数据和对应接触面的高分辨率触觉图像样选取每个接触面在且范围内采集的触模型为基于卷积神经网络的深度学习模型或基于生成对抗网络的深度所述基于卷积神经网络的深度学习模型和所述基于生成对抗网络的深度学习模型均所述基于卷积神经网络的深度学习模型的损所述基于生成对抗网络的深度学习模型的损觉传感器采集的原始低分辨x,y,z轴的触觉数据，表率触觉图像，DO,(GO,(I⃞2))表示判别网络判断预测的高分辨辨率触觉图像之间的差距。4机械臂的控制端和信号输出端均与上位机连接；所述上位机用于接收触触觉传感器的信号输出端与上位机连接；所述上位机用标签获得模块，用于根据每次采样时触觉传感器的中心点坐标，对每数据集构建模块，用于选取接触面中心区域内每次采样的触觉数训练模块，用于根据所述触觉超分辨率数据集，采用有应用模块，用于将触觉传感器采集的待测接触面的触觉数据输入触觉超分辨率模型，5类的触觉感知行为。Taxel-based触觉传感器是将多个触觉感应单元(taxel)组合在一起，[0003]超分辨率(SuperResolution，SR)是指一种能够将低分辨率(LowResolution，6[0010]选取接触面中心区域内每次采样的触觉数据和对应接触面的高分辨率触觉图像传感器运动到接触面上方的采样位置(x,y,hinit)，同时调节机械臂末端的Z轴垂直水平传感器运动到接触面上方的采样位置(x,y,hinit)，同时调节机械臂末端的Z轴垂直水平7[0031]选取每个接触面在且范围内采集[0034]所述基于卷积神经网络的深度学习模型和所述基于生成对抗网络的深度学习模其中，Lcaw表示基于生成对抗网络的深度学习模型的损失，Lcen表示对抗损失8[0056]图7为本发明实施例1提供的基于生成对抗网络的深度学习模型的判别网络框架9[0063]本发明实施例提供一种触觉图像超分辨率重建方法，如图1-2所示，包括以下步n]表示触觉传感器沿X轴采集第i次、沿Y轴采集第j次选取共K×K个低分辨率触觉图像和高分辨[0090]该方法可以利用原始分辨率为(M，N)的触觉传感器获取分辨率为(I×M,J×N)的[0096]其中即表示模型预测的高分辨率触觉图像，该损失函数比较了真实值触觉数据和真实的高分辨率触觉数据输入到判别网络中，让网络分辨那张是真实的数据，[0107]触觉传感器安装在机械臂的末端。机械臂的控制端和信号输出端均与上位机连[0109]采样模块用于获得每个接触面每次采样时的触觉数据和触觉传感器的中心点坐