CN107167509A - 一种用于机器人自主环境感知的介质材料识别方法 - Google Patents
一种用于机器人自主环境感知的介质材料识别方法 Download PDFInfo
- Publication number
- CN107167509A CN107167509A CN201710407156.5A CN201710407156A CN107167509A CN 107167509 A CN107167509 A CN 107167509A CN 201710407156 A CN201710407156 A CN 201710407156A CN 107167509 A CN107167509 A CN 107167509A
- Authority
- CN
- China
- Prior art keywords
- signal
- electrostatic
- metal electrode
- dielectric material
- classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/60—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrostatic variables, e.g. electrographic flaw testing
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开的一种用于机器人自主环境感知的介质材料识别方法,属于材料识别领域。本发明包括如下步骤:驱使金属电极与被测材料进行多次接触分离,通过静电测量系统检测出由金属电极感应电荷变化产生的感静电信号,获得多类材料的静电信号;提取静电信号电荷泄放因子、有效负峰个数以及时间窗内正负峰值方差和三个特征量;利用组合的特征向量,采用k最近邻算法构建分类器进行识别分类;重新采集某类别的材料的静电信号,使用训练好的分类器对信号进行识别分类,实现机器人对材料的自动识别分类。本发明涉及一种用于机器人自主环境感知的介质材料识别方法,由于不需要外加激励的测量方式,具有不受光照条件影响,原理可靠,结构简单的特点。
Description
技术领域
本发明涉及一种用于机器人自主环境感知的介质材料识别方法,尤其涉及一种利用静电测量技术的介质材料识别方法,属于材料识别领域。
背景技术
随着电子与计算机技术、人工智能的快速发展,智能机器人技术取得了长足的进步。智能机器人是一类能够在无人干预情况下完成自主感知、自主决策、自主控制,独立地活动和处理问题的机器人。作为智能机器人强大自主能力的典型特征—自主环境感知技术,已经成为衡量机器人智能程度的重要标准,也是实现机器人自主决策和自主控制的重要基础,因此机器人自主感知技术的研究受到了人们的极大重视。
机器人自主感知的主要内容是对周围环境的感知。其中两项重要内容是对介质材料的识别分类和地面环境的识别分类。材料识别是智能机器人对目标物体进行感知并做出下一步动作的重要依据。比如机器人通过自身传感器对接触的材料进行识别,从而判断材料属性和种类,将识别结果反馈给机器人后,机器人进行一系列自主决策,并最终控制相关机构完成对物体的定位、拿取等操作。
现有的材料识别方法主要可以分为两个大类。其一是通过非接触式传感器进行识别,包括机器视觉识别,电磁和电容识别,超声波识别等。另外一类就是使用各种接触式传感器,通过与被测材料接触测量的方式来识别材料。主要利用热觉、静电或压电等原理进行测量。在机器人的材料自动识别的应用背景下,基于机器视觉的方法不仅容易收到光照和遮盖的影响,且其图像数据量大,处理复杂。相比之下,基于触觉的多种识别方法,能够对材料的属性,如硬度、电阻率,导热性等进行直接测量,数据量小,识别更快,但是也存在着需要外加激励,结构相对复杂,仅能识别特定材料的不足。
发明内容
本发明要解决的技术问题是提高机器人在自主环境感知中材料识别分类的能力。增强机器人环境感知过程中抗光照条件干扰的能力,拓宽机器人可识别的材料范围,降低机器人环境感知系统的复杂度。本发明公开了一种基于材料表面电荷泄放特性,不受光照、烟雾条件影响,不需要外加激励条件下就能测量,识别范围更加广泛的机器人用材料识别方法。
本发明公开的一种用于机器人自主环境感知的介质材料识别方法,具体实现步骤如下:
步骤一:布设金属电极检测被测材料上静电信号,检测方式是通过一个谐振式探测装置驱动着金属电极做上下谐振运动,使之与被测材料进行不断的接触与分离,使用静电测量系统检测出由金属电极感应电荷变化产生的感应电流信号。所述的静电测量系统包括:谐振式探测装置、静电信号检测单元、金属电极、被测材料、绝缘材料和接地的金属铝板构成的基座。其中静电信号检测单元包括:电流放大电路,f陷波器,I-V转换电路,数据采集仪。假设被测材料表面电荷量为Q,材料等效面积为S,在被测材料正上方间距为d位置处布置一块金属电极,等效面积s。谐振式探测装置驱使金属电极与被测材料不断地接触与分离,那么间距d的变化可用如下方程描述:
D表示金属电极与被测材料表面的最大间距,f表示金属电极谐振运动的频率。每个周期开始于金属电极距离被测材料表面最大高度,结束于电极回到相同位置为止。
被测材料表面电荷在金属电极上形成的电场强度如下:
根据高斯定理,材料表面电荷在金属电极上的感应电荷密度可以表示为:
ρ=ε0εrE (3)
那么,在接触与分离过程中,金属电极上的感应电荷可以表示为:
当金属电极以一定的运动方式靠近被测材料表面时,由于场强的变化,将会导致金属电极感应电荷的变化。通过静电信号检测单元,检测金属电极由感应电荷变化产生的感应电流。电路中感应电流如下所示:
除此之外,当金属电极与被测材料发生接触时,被测材料表面电荷将通过金属电极向大地泄放。而由于不同介质材料电阻率的差异,材料表面电荷流动性会不同,当介质材料电阻率较大时,材料对表面电荷的束缚更强,电荷就更不易发生流动,当金属电极与材料进行接触时,表面电荷被导入大地的比例就更小。为了衡量不同材料的表面电荷泄放特点,本发明定义一个表征电荷泄放快慢的参数-电荷泄放因子α。金属电极与被测材料每次接触时,材料表面电荷变化如下所示。
Q(n)=Q·αn (6)
式中n表示接触次数,Q(n)表示第n次接触时材料表面的电荷量,代入感应电流的公式(5),得到接触与分离状态下感应电流:
其中电荷泄放因子α为:
R和C分别表示金属电极与被测材料的接触电阻和接触电容。
所述的电流信号即为金属电极在与被测材料接触与分离过程中检测到的静电信号,这个信号中包含了材料种类的信息。
步骤二:使用静电测量系统采集5类典型的介质材料(玻璃,纸张,木材,铝板和聚四氟乙烯)的静电信号,每类材料分别采集50组静电信号。所述的静电信号是指:首先将检测得到电流信号经过电荷放大器以使其幅值得到放大,再将放大后的电流信号经过I-V转换电路转变为电压信号,电压信号随后经过低通滤波电路去除噪声,数据采集仪将滤波后的电压信号转化为数字静电信号存储下来。通过静电测量系统采集5类介质材料静电信号,用作后续分析与处理。
步骤三:将该采集到的5类介质材料电压信号进行滤波处理,提取信号三类特征量。通过实测信号表明,静电信号中最大负峰值代表金属电极与材料未接触时的最大电压值,而与主峰其紧邻的负峰值则代表着第一次接触分离后,材料表面残余电荷在金属电极上感应出的最大电压值。静电信号中这两个值的比值的倒数反映了电极与材料一次接触分离后,材料表面电荷泄放的比例,因此这个两个峰值的比值倒数即电荷的泄放比例就是本发明的电荷泄放因子,以此作为材料静电信号的第一个特征量。
5类介质材料的静电信号衰减趋势主要表现在同样的时间和接触频率内,信号幅值衰减到初始值的快慢。通过判断信号负峰的个数,能够直观分辨出5类介质材料静电信号。因此,为了找出5类介质材料静电信号的差异,本发明选取信号前3s区间内的负峰个数作为识别特征。有效负峰的定义附图1所示。
有效负峰是指划定最大负峰值绝对值的1/k作为判断线,当负峰值超过此线时,就将次峰认定为有效负峰。经过计算发现,当k=5时,5类介质材料静电信号的有效负峰个数存在明显的区别。因此,有效负峰个数可以作为识别5类介质材料静电信号的第二个特征量。
除此之外,由于所有的信号都是在同一频率下采集,当给信号划定一个相同的时间窗时,能够提取出同时段内信号的不同的峰值信息。对于5类介质材料的静电信号,除去明显的衰减趋势差异外,其信号的峰值也是一个较明显的参数,考察一个时间窗内的所有正负峰值信息可以有效弥补仅仅提取一对主副峰值的不足,有效的利用采集的数据。因此在本发明中,通过给信号加上一个两秒时长的时间窗,并提取出窗内信号的正负峰与负峰值,对正负峰值分别求方差之后再求和,最后从每个信号中提取出正负峰值方差和作为判断信号类别的第三个特征量。时间窗正负峰值的定义如附图2所示。
步骤四:采用k最近邻分类算法对采集到的静电信号进行识别分类。将每类材料静电信号提取电荷泄放因子、有效负峰个数以及时间窗内正负峰值方差和三个特征量后,组成一个特征向量进行识别分类。选择每类材料35组信号用于分类器训练,15组用于分类器测试验证。经过测试表明5类介质材料平均识别正确率达到86%。
步骤五:通过在机器人机体搭载静电测量系统和后端实现信号识别分类算法的硬件模块,并重新采集某类别介质材料的静电信号,经过滤波处理和特征提取之后,放于分类器进行识别分类,分类器最终根据分类算法得出该材料的类别结果,完成机器人对材料的自动识别分类,协助机器人完成环境的自主感知。
有益效果:
1、本发明涉及一种用于机器人自主环境感知的介质材料识别方法,首次提出利用材料表面静电泄放特性来识别介质材料,识别范围广,识别准确性更高。
2、本发明涉及一种用于机器人自主环境感知的介质材料识别方法,由于采用接触识别的方式,具有不受光照和烟雾条件影响的特点。
3、本发明涉及一种用于机器人自主环境感知的介质材料识别方法,由于利用材料本身电荷特性,采用不需要外加激励的测量方式,具有原理可靠,结构简单的特点。
附图说明
图1是第二个特征量-有效负峰个数的定义示意图;
图2是第三个特征量-时间窗和正、负峰值的定义示意图;
图3是材料静电信号测量系统示意图;
具体实施方式
下面结合附图详细描述本发明的具体实施方式。
本实施例公开的一种用于机器人自主环境感知的介质材料识别方法。具体实现步骤如下:
步骤一:布设一个谐振式探测装置驱使金属电极与被测材料多次接触分离,使用静电测量系统检测出由金属电极感应电荷变化产生的感应电流信号。所述的静电测量系统包括:谐振式探测装置、金属电极、静电信号检测单元、被测材料、绝缘材料和接地的金属铝板构成的基座。静电信号检测单元包括:电流放大电路,f陷波器,I-V转换电路,数据采集仪。材料静电信号测量系统如附图3所示。金属电极等效面积为1cm2,金属电极与被测材料间距最大值为0.15m,谐振式探测装置谐振频率为2Hz。采集5类典型的介质材料(玻璃,纸张,木材,铝板和聚四氟乙烯)的静电信号,每类材料分别采集50组静电信号,所述的静电信号是每个时刻探测系统获取的电压信号,该电压信号是经感应电流信号转换而来。
步骤二:采用k最近邻算法对采集到的静电信号进行识别分类。将每类材料静电信号提取电荷泄放因子、有效负峰个数以及时间窗内正负峰值方差和三个特征量后,组成一个特征向量进行识别分类。选择每类材料35组信号用于分类器训练,15组用于分类器测试验证。经过训练测试获得平均识别正确率超过80%的分类器。
步骤三:将静电测量系统和和后端实现信号识别分类算法的硬件模块搭载与机器人上,并驱使机器人重新采集某类别的介质材料的静电信号,经过滤波处理和特征提取之后,放于分类器进行识别分类,分类器最终根据分类算法得出该材料的类别结果,完成机器人对材料的自动识别分类,协助机器人完成环境的自主感知。
本发明保护范围不仅局限于本实施例,本实施例用于解释本发明,凡与本发明在相同原理和构思条件下的变更或修改均在本发明公开的保护范围之内。
Claims (5)
1.一种用于机器人自主环境感知的介质材料识别方法,其特征在于,包括如下步骤:
步骤一:布设金属电极检测被测材料上的静电信号,检测方式是通过一个机械往复机构驱动着金属电极做上下往复运动,使之与被测材料进行不断的接触与分离,使用静电测量系统检测出由金属电极感应电荷变化产生的感应电流信号。所述的静电测量系统包括:谐振式探测装置、静电信号检测单元、金属电极、被测材料、绝缘材料和接地的金属铝板构成的基座。其中静电信号检测单元包括:电流放大电路,f陷波器,I-V转换电路,数据采集仪。谐振式探测装置。假设被测材料表面电荷量为Q,材料等效面积为S,在被测材料正上方间距为d位置处布置一块金属电极,等效面积s。机械往复机构驱使金属电极与被测材料不断地接触与分离,金属电极与被测材料间距在D和零之间以正弦规律变化。此外,在金属电极与被测材料的接触和分离过程中,被测材料表面电荷通过金属电极向大地泄放。本发明电荷泄放因子α来衡量每次接触时材料表面电荷泄放比例。由此得到接触分离状态下的静电信号。
步骤二:将该采集到的5类材料电压信号进行滤波处理,提取电荷泄放因子、有效负峰个数以及时间窗内正负峰值方差和三个特征量。
步骤三:采用k最近邻算法对采集到的静电信号进行识别分类。将每类材料静电信号的电荷泄放因子、有效负峰个数以及时间窗内正负峰值方差和三个特征量组成一个特征向量进行识别分类。将特征向量集分为训练集和测试集,用于分类器的构建和验证。
步骤四:通过重新采集某已知类别的材料的静电信号,经过滤波处理和特征提取之后,放于分类器进行识别分类,分类器最终根据分类算法得出该材料的类别结果,完成机器人对材料的自动识别分类,协助机器人完成环境的自主感知。
2.根据权利要求1所述的电荷泄放因子α,其特征在于:由于不同介质材料电阻率的差异,材料表面电荷流动性会不同,当介质材料电阻率较大时,材料对表面电荷的束缚更强,电荷就更不易发生流动,当金属电极与材料进行接触时,表面电荷被导入大地的比例就更小。通过定义电荷泄放因子α来衡量出电荷泄放的快慢,也即金属电极每次与材料接触时材料表面电荷泄放比例。
3.根据权利要求1所述的静电信号是指:首先将检测得到电流信号经过电荷放大器以使其幅值得到放大,再将放大后的电流信号经过电流-电压转换电路转变为电压信号,电压信号随后经过低通滤波电路去除噪声,数据采集仪将滤波后的电压信号转化为数字静电信号存储下来。
4.根据权利要求1所述的k最近邻识别算法,其特征在于:为了分类一个未知介质材料的特征向量X,通过算法在给定的训练集的集合中,进行近邻排序,其中5类介质材料特征向量Xi(i=1,2,3,4,5)分别用五个标签Ci(i=1,2,3,4,5)标注,并且使用最相似的近邻的类标签Cj(j=1,2,…,K)K来预测未知介质材料样本的类别,这些近邻的标签序号是根据X与每个近邻的相似性决定。其中相似性通常采用欧氏距离来衡量。通过计算距离寻找与未知介质材料特征向量X距离最近的k个介质材料样本,计算每种介质材料类别在k个最近邻介质材料样本中所占的比例,并将比例高的介质材料样本类别作为未知介质材料样本的类别。
5.根据权利要求1步骤二所述,被测材料的选择与信号的采集,可以根据实际情况增加新的介质材料进行静电信号的采集和特征提取,并进行分类器的训练和分类识别。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710044247 | 2017-01-21 | ||
CN2017100442477 | 2017-01-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107167509A true CN107167509A (zh) | 2017-09-15 |
CN107167509B CN107167509B (zh) | 2020-11-27 |
Family
ID=59824238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710407156.5A Active CN107167509B (zh) | 2017-01-21 | 2017-06-02 | 一种用于机器人自主环境感知的介质材料识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107167509B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109758030A (zh) * | 2019-01-31 | 2019-05-17 | 莱克电气股份有限公司 | 清洁机器人控制方法、存储介质、一种清洁机器人 |
CN109856228A (zh) * | 2019-01-16 | 2019-06-07 | 清华大学 | 材料识别和分类方法及其系统 |
CN110596476A (zh) * | 2019-09-17 | 2019-12-20 | 华南师范大学 | 一种快速测量表面束缚电荷密度的方法 |
CN111041772A (zh) * | 2019-12-30 | 2020-04-21 | 海信集团有限公司 | 一种衣物材质检测方法、装置和洗衣设备 |
CN114371210A (zh) * | 2021-12-16 | 2022-04-19 | 江苏大学 | 一种基于静电探测技术的饮料瓶材质识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008107147A (ja) * | 2006-10-24 | 2008-05-08 | Ntn Corp | 破片検出センサ |
CN101285794A (zh) * | 2008-04-25 | 2008-10-15 | 华中科技大学 | 应用高压静电感应电荷识别塑料的装置 |
CN101617238A (zh) * | 2008-02-20 | 2009-12-30 | 惠瑞捷(新加坡)私人有限公司 | 检测静电放电事件的系统、方法和计算机程序 |
CN104802514A (zh) * | 2015-05-13 | 2015-07-29 | 广州广电运通金融电子股份有限公司 | 一种表面粘贴异物的薄片类介质检测装置 |
CN107345927A (zh) * | 2017-01-21 | 2017-11-14 | 北京理工大学 | 一种用于机器人自主环境感知的介质材料识别装置 |
-
2017
- 2017-06-02 CN CN201710407156.5A patent/CN107167509B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008107147A (ja) * | 2006-10-24 | 2008-05-08 | Ntn Corp | 破片検出センサ |
CN101617238A (zh) * | 2008-02-20 | 2009-12-30 | 惠瑞捷(新加坡)私人有限公司 | 检测静电放电事件的系统、方法和计算机程序 |
CN101285794A (zh) * | 2008-04-25 | 2008-10-15 | 华中科技大学 | 应用高压静电感应电荷识别塑料的装置 |
CN104802514A (zh) * | 2015-05-13 | 2015-07-29 | 广州广电运通金融电子股份有限公司 | 一种表面粘贴异物的薄片类介质检测装置 |
CN107345927A (zh) * | 2017-01-21 | 2017-11-14 | 北京理工大学 | 一种用于机器人自主环境感知的介质材料识别装置 |
Non-Patent Citations (1)
Title |
---|
薛开 等: "基于振动采用k-近邻法的机器人地形分类", 《振动、测试与诊断》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856228A (zh) * | 2019-01-16 | 2019-06-07 | 清华大学 | 材料识别和分类方法及其系统 |
WO2020147447A1 (zh) * | 2019-01-16 | 2020-07-23 | 清华大学 | 材料识别和分类方法及其系统 |
CN109758030A (zh) * | 2019-01-31 | 2019-05-17 | 莱克电气股份有限公司 | 清洁机器人控制方法、存储介质、一种清洁机器人 |
CN110596476A (zh) * | 2019-09-17 | 2019-12-20 | 华南师范大学 | 一种快速测量表面束缚电荷密度的方法 |
CN111041772A (zh) * | 2019-12-30 | 2020-04-21 | 海信集团有限公司 | 一种衣物材质检测方法、装置和洗衣设备 |
CN114371210A (zh) * | 2021-12-16 | 2022-04-19 | 江苏大学 | 一种基于静电探测技术的饮料瓶材质识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107167509B (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107345927A (zh) | 一种用于机器人自主环境感知的介质材料识别装置 | |
CN109344894B (zh) | 基于多传感器融合和深度学习的垃圾分类识别方法及装置 | |
CN107167509A (zh) | 一种用于机器人自主环境感知的介质材料识别方法 | |
CN102302370B (zh) | 一种跌倒检测方法和装置 | |
CN116484307B (zh) | 基于云计算智能戒指远程控制方法 | |
CN103530607B (zh) | 一种人手检测与识别的方法与装置 | |
CN108470138A (zh) | 用于目标检测的方法和装置 | |
Tian et al. | Fast recognition and location of target fruit based on depth information | |
CN108510521A (zh) | 一种多特征融合的尺度自适应目标跟踪方法 | |
Moalla et al. | Application of convolutional and recurrent neural networks for buried threat detection using ground penetrating radar data | |
CN108051777A (zh) | 目标的追踪方法、装置及电子设备 | |
CN106056135B (zh) | 一种基于压缩感知的人体动作分类方法 | |
Lan et al. | Vehicle detection and recognition based on a MEMS magnetic sensor | |
CN106198885B (zh) | 一种联合收割机谷物含水率在线检测装置及方法 | |
CN109856228A (zh) | 材料识别和分类方法及其系统 | |
US9846519B2 (en) | Input device, and method and program for controlling the same | |
Jia et al. | A fast and efficient green apple object detection model based on Foveabox | |
Ding et al. | Using machine learning for material detection with capacitive proximity sensors | |
CN115049662A (zh) | 基于图像处理的喷雾机流量控制方法 | |
CN106056592B (zh) | 一种基于稀疏表示的视觉显著性检测方法 | |
Xue et al. | Automatic identification of butterfly species based on gray-level co-occurrence matrix features of image block | |
CN109117719A (zh) | 基于局部可变形部件模型融合特征的驾驶姿态识别方法 | |
Liu et al. | Action Recognition with PIR Sensor Array and Bidirectional Long Short-term Memory Neural Network | |
CN108171246A (zh) | 一种服装显著区域检测方法 | |
Brkljač et al. | Automatic hoverfly species discrimination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |