CN113625877A - 基于感知空间分析的力触觉主观感知结果量化描述方法 - Google Patents
基于感知空间分析的力触觉主观感知结果量化描述方法 Download PDFInfo
- Publication number
- CN113625877A CN113625877A CN202110934826.5A CN202110934826A CN113625877A CN 113625877 A CN113625877 A CN 113625877A CN 202110934826 A CN202110934826 A CN 202110934826A CN 113625877 A CN113625877 A CN 113625877A
- Authority
- CN
- China
- Prior art keywords
- perception
- force
- subjective
- touch
- samples
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/016—Input arrangements with force or tactile feedback as computer generated output to the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于感知空间分析的力触觉主观感知结果量化描述方法,采用建立主观感知空间的方法实现对力触觉主观感知结果的全面量化描述。其特征在于首先收集主观感知结果,得到待分析刺激样本之间的差异性矩阵和描述样本集感知属性的形容词标签。然后,以样本之间的差异性矩阵作为输入,进行多元分析、相关性验证和维度解释,确定构成感知空间的基本感知维度,得到主观感知结果在感知空间内的分布规律,作为最终的量化描述结果。本发明有效避免了以往力触觉主观感知结果量化描述过程中表述抽象、主观性强、力触觉属性维度单一等缺点,是对力触觉刺激多维度感知结果的综合量化描述,有助于进一步理解力触觉感知的形成机理和感知特性。
Description
技术领域
本发明属于力触觉感知交互与再现技术领域,具体涉及一种基于感知空间分析的力触觉主观感知结果量化描述方法。
背景技术
力触觉再现技术已经广泛地应用于遥操作系统、医疗、工业设计与制造、通信、教育、娱乐等诸多领域中。成熟的力触觉再现技术能够增强人机交互的可交互性并扩展其应用范围。随着力触觉再现技术的发展,力触觉再现技术已经成为许多应用必不可少的环节。在虚拟外科手术、临场感遥操作、虚拟现实游戏等场合中,触感的强弱、准确性和真实性直接影响交互设备的性能和用户人机交互的友好度。
对人的力触觉感知机制和感知特性的研究,是良好的力触觉再现系统设计的基础。而力触觉感知系统生理机制的研究,是以力触觉心理物理学主观感知实验为基础的。首先通过记录用户在真实环境中对各类力触觉刺激样本的主观感知和判断结果,然后通过分析客观刺激样本与用户主观感知结果之间的映射规律,最终建立客观力触觉刺激与主观感知结果之间的力触觉感知模型,为力触觉再现装置和算法设计提供理论基础。由此可见,对于力触觉主观感知结果实现全面记录和量化描述是深入研究力触觉生理机制和感知特性的前提。
用户的主观感知通常包括心理物理层以及情感认知层两个方面。心理物理层主要指对物体的物理属性的感知,尤其是力触觉属性的感知,如软硬度、粘滞度等。情感认知层主要指用户主观情感认知,如喜欢、厌恶等。而在力触觉再现研究领域中,主要关注心理物理层的感知。在简单的力触觉感知场景下,用户对于物体的心理物理层感知结果是针对单一力触觉属性的,也就是单一维度的。然而,在日常生活中的大多数感知中,受试者心理物理层面主观感知的形成是各种维度上的感知属性的综合,并且各个维度之间的还存在交互影响耦合作用。前期已经有相关研究在探讨感知实验中受试者主观感知结果感知维度的构成。一些研究者发现,对于可发生形变的表面纹理感知,四维的心理物理学感知空间可以对感知结果进行很好的描述。大量的研究已经证实,在表面纹理主观感知中,存在两到三个基本的维度来描述主观感知结果,如硬度、粘滞等。伴随着各种新材料和新型力触觉再现形式的发展,局部单一维度的力触觉属性描述已经不足以全面反映用户的主观感受。因此,为了建立全面有效的力触觉感知模型,有必要建立力触觉主观感知空间,分析样本感知结果在感知空间内的分布,形成对力触觉主观感知结果的全面量化描述。
值得注意的是,前期相关研究中所得到的触觉感知空间的基本感知维度并不是完全一致的,感知维度的确定和感知空间的构成受到心理物理学实验方法、数据处理方法、刺激和交互类型等多方面的影响。例如,Lekowsk等人发现,在硬度感知中,对于真实样本的感知,一维的感知空间就足以有效地描述主观感知结果,而对于虚拟再现硬度感知,则需要两个维度构成的感知空间才能够很好地描述主观感知结果。很多研究并没有针对具体的应用场景选择合适的实验类型和数据处理方法,且没有对感知维度的含义做出必要的解释,难以保证感知维度和感知空间的完备性和准确性。因此,通过感知空间分析研究用户力触觉主观感知规律时,有必要对实验方案设计、数据处理以及最终感知维度的确定和物理维度的解释进行规范化分析研究,形成标准化的力触觉感知空间建立的过程,进而获得用户主观感知结果的全面准确量化描述。
用户力主观感知结果有多种表达方式,单一维度的力触觉感知属性通常是通过心理物理学实验参数指标来进行衡量的,如感知阈限、分辨力指标等。然而,单一维度的力触觉主观感知指标往往容易受到实验环境、受试者交互方式和主观判断标准的影响。更重要的是,大多数情况下,用户的主观感受的形成除了受局部单一力触觉属性感知的影响,还是多种力触觉感知属性感知结果的综合。传统的单一感知维度的心理物理学指标并不能全面反映和量化用户的主观综合感受。研究表明,与图像处理领域中RGB、HSV等颜色空间类似,在力触觉主观感知中,同样存在各种基本的力触觉感知维度,用户的主观感知结果是各个基本感知维度在多维感知空间内耦合和综合的结果。
发明内容
发明目的:针对上述现有技术,提出一种基于感知空间分析的力触觉主观感知结果量化描述方法,克服以往力触觉感知机制研究中,感知结果描述的主观性较强、不稳定以及不全面问题,同时充分考虑各个基本感知维度对于最终主观感知结果形成的综合影响,实现对用户主观感知结果的全面量化描述。
技术方案:基于感知空间分析的力触觉主观感知结果量化描述方法,包括如下步骤:
步骤1:根据待分析的力触觉刺激样本设计心理物理学实验,并记录受试者对于力触觉刺激样本的主观感受描述和判断;
步骤2:在记录的受试者主观感知结果基础上,获取样本之间的感知差异矩阵,作为信息输入源,进行多元分析,初步确定感知空间潜在的力触觉感知维度;
步骤3:对潜在的力触觉感知维度进行维度物理含义的解释并筛选,最终确定构成主观感知空间的基本维度,并确定主观感知结果在感知空间的分布规律和坐标表示。
进一步的,所述步骤1中,心理物理学实验需要收集和分析得到的受试者对于力触觉刺激样本的主观感受描述和判断包括三部分内容:
(1)待感知力触觉刺激样本集的形容词标签描述,包括受试者对于样本感知维度的主观形容词描述以及构成样本材料的物理性质;
(2)待感知力触觉刺激样本集中的样本两两之间的感知差异性度量,收集和分析获取样本之间的感知差异性度量采用的方法包括语义差别法、相似性评估法或分类法;
(3)待感知力触觉刺激样本集中样本在潜在感知维度下的主观感知强度,获取方法包括打分法、两两比较法或评级法。
进一步的,获取样本之间的感知差异性度量的方法中:语义差别法采用量表打分的方法对事先确定的力触觉感知属性形容词标签进行评分;相似度评估法是将待评估样本与标准样本进行对比分析,根据力触觉感知属性的相似度进行评估,评估方法包括打分法、评级法或视觉模拟缩放;分类法则是根据受试者依据样本之间相似度进行分类的结果计算出样本之间感知的相似性或差异性。
进一步的,所述步骤2中,样本之间的差异性度量以样本之间的感知差异性矩阵的形式进行表示,样本之间的感知差异性矩阵Dij的基本形式如下:
其中,dij表示样本集中第i个样本和第j个样本之间的感知差异性度量,感知差异性度量采用归一化表示;获取样本之间的感知差异性度量之后,以样本之间的感知差异性度量矩阵Dij为输入,采用多元分析的方法对原始高维度的差异性矩阵进行降维分析,初步获取构成感知空间潜在的力触觉感知维度;其中,多元分析的方法包括多维尺度分析法或因子分析法。
进一步的,所述步骤3中,解释潜在的力触觉感知维度的物理含义并确定最终主观感知空间基本维度的方法是根据多元分析方法的不同进行选择的:使用因子分析法时,根据公共因子包含的变量的物理含义进行解释;使用多维尺度分析法时,则是通过分析潜在的力触觉感知维度与主观感知实验中受试者描述样本使用的形容词标签的相关性进行的。
进一步的,所述步骤3中,样本在感知空间内的分布规律和坐标表示通过分析样本在步骤1中获取的潜在感知维度下的主观感知强度和感知空间坐标轴的相关性确定的,通过旋转变换将感知维度下的感知强度转换为感知空间内的样本分布和坐标表示。
有益效果:本发明方法提出了通过基于感知空间分析的方法来实现对感知结果全面量化描述。首先设计标准化的心理物理学实验过程,收集记录受试者对于样本集的主观感知描述和判断。其次,以样本之间的差异矩阵为信息源,通过多元分析法确定构成感知空间合适的基本维度以及维度之间的耦合关系。最后,进一步筛选分析并确定样本在感知空间的分布规律,作为主观感知的量化描述结果。
与以往的主观感知结果描述和记录方法相比,本发明规范了主观感知结果实验设计和结果获取的标准化过程,确立了主观感知结果全面量化表示的基本步骤。克服了以往力触觉感知机制研究中,感知结果描述的主观性较强、不稳定问题。同时,采用建立触觉感知空间的方法,分析构成触觉感知结果的基本维度,使用样本在各个感知维度上的分布表示其在该感知维度上的感知强度,考虑了各种感知维度对于触觉主观感知结果的综合影响,实现了对用户主观感知结果的全面量化描述。
附图说明
图1为基于感知空间分析的力触觉主观感知结果量化描述的基本步骤;
图2为具体实施过程中采用的纹理样本集;
图3为具体实施过程中最终的主观感知结果量化描述。
具体实施方式
下面结合附图对本发明做更进一步的解释。
基于感知空间分析的力触觉主观感知结果量化描述方法,用于对人在力触觉感知和交互过程中对于力触觉刺激样本的主观感知结果实现全面量化描述。如附图1所示,方法包括主观感知结果收集、多元分析、感知空间维度的确定三个基本步骤,具体为:
步骤1:根据待分析的力触觉刺激样本设计心理物理学实验,并记录受试者对于力触觉刺激样本的主观感受描述和判断。
心理物理学实验需要收集和分析得到的受试者对于力触觉刺激样本的主观感受描述和判断包括三部分内容:
(1)待感知力触觉刺激样本集的形容词标签描述,包括受试者对于样本感知维度的主观形容词描述以及构成样本材料的物理性质。
(2)待感知力触觉刺激样本集中的样本两两之间的感知差异性度量,收集和分析获取样本之间的感知差异性度量采用的方法包括语义差别法、相似性评估法或分类法;其中,语义差别法采用量表打分的方法对事先确定的力触觉感知属性形容词标签进行评分;相似度评估法是将待评估样本与标准样本进行对比分析,根据力触觉感知属性的相似度进行评估,评估方法包括打分法、评级法或视觉模拟缩放;分类法则是根据受试者依据样本之间相似度进行分类的结果计算出样本之间感知的相似性或差异性。
(3)待感知力触觉刺激样本集中样本在潜在感知维度下的主观感知强度,获取方法包括打分法、两两比较法或评级法。
步骤2:在记录的受试者主观感知结果基础上,获取样本之间的感知差异矩阵,作为信息输入源,进行多元分析,初步确定感知空间潜在的力触觉感知维度。
其中,样本之间的差异性度量以样本之间的感知差异性矩阵的形式进行表示,样本之间的感知差异性矩阵Dij的基本形式如下:
其中,dij表示样本集中第i个样本和第j个样本之间的感知差异性度量,感知差异性度量采用归一化表示;获取样本之间的感知差异性度量之后,以样本之间的感知差异性度量矩阵Dij为输入,采用多元分析的方法对原始高维度的差异性矩阵进行降维分析,初步获取构成感知空间潜在的力触觉感知维度;其中,多元分析的方法包括多维尺度分析法或因子分析法。
步骤3:对潜在的力触觉感知维度进行维度物理含义的解释并筛选,最终确定构成主观感知空间的基本维度,并确定主观感知结果在感知空间的分布规律和坐标表示。
其中,主观感知空间维度的确定则是在回归分析、相关性分析的基础上,分析各个感知维度对最终感知结果的影响程度,筛选确定构成主观感知空间的基本维度。解释潜在的力触觉感知维度的物理含义并确定最终主观感知空间基本维度的方法是根据多元分析方法的不同进行选择的:使用因子分析法时,根据公共因子包含的变量的物理含义进行解释;使用多维尺度分析法时,则是通过分析潜在的力触觉感知维度与主观感知实验中受试者描述样本使用的形容词标签的相关性进行的。
样本在感知空间内的分布规律和坐标表示通过分析样本在步骤1中获取的潜在感知维度下的主观感知强度和感知空间坐标轴的相关性确定的,通过旋转变换将感知维度下的感知强度转换为感知空间内的样本分布和坐标表示,作为最终用户主观感知结果的量化表示。
下面以纹理力触觉感知为例,具体说明本发明基于感知空间分析的力触觉主观感知结果量化描述方法的具体实施过程。
本实例中采用的纹理力触觉刺激样本集基于前期相关研究成果和纹理样本库选取了24种日常生活中常见的纹理表面,包括硅胶、海绵、木材、泡沫、皮革、皮毛、织物、塑料、纸板等9类不同的材料,如附图2所示。具体实施过程中,还需对实验条件进行规范,本实例中交互模式为使用刚性探针与纹理表面进行交互,所涉及的潜在基本感知维度有硬/软、粗糙/光滑、粘滞/平滑三种。在选取纹理表面样本时,将这三种潜在感知维度的感知属性作为参考标准,尽量覆盖较大的感知范围。同时,同一种材料的纹理表面样本尽可能选取人类主观感知可以区分的感知强度水平,并采用五级量表进行初步评估,作为纹理选取的初步依据。
下面将结合基于感知空间分析的主观感知结果量化描述的基本步骤对具体实施过程进行说明:
步骤1:主观感知结果数据收集。本实验包括两个部分,一是采用分类法收集样本之间主观感知差异实验,二是两两比较法收集受试者在给定的形容词标签下的主观感知强度实验。具体实施过程中,受试者坐在实验桌前,使用刚性探针对纹理表面进行感知。感知过程采用预设的标准化采集和感知过程,包括按压过程和水平滑动过程。完成标准化采集过程中,受试者在结果记录界面上给出主观感知结果。实验过程中受试者将佩戴降噪耳机以排除听觉对主观力触觉感知结果的影响。同时,在受试者和待感知纹理之间有一道隔帘,防止纹理表面的视觉信息对受试者主观感知结果造成干扰。实验分为预实验和正式实验。预实验目的是为了收集受试者对样本集的形容词标签描述。正式实验目的一是获取样本之间主观感知差异,二是获取样本在潜在感知维度上的感知强度。根据本实例中样本集的特点,样本之间感知差异采用分类法进行,潜在感知维度上感知强度通过两两比较法进行。
分类实验中,样本以乱序呈现给受试者,受试者将依次感受24种表面纹理样本,并被要求将24种纹理样本按照感知结果的差异进行分类。分类的组别不能少于3种,不得多于7种。整个分类实验过程对于每个受试者大概需要30分钟完成,在实验过程中,受试者可以进行短暂的休息以保证注意力集中和感知结果的准确性。
两两比较实验中,受试者需要对样本在给定的形容标签下的感知强度进行区分实验。受试者每次被呈现给两个样本刺激,受试者通过标准化感知过程感知两个样本,然后依次回答给定的形容词标签下两个样本感知强度的比较结果。在一个完整的比较循环中,每个样本都需要与其他23个样本进行比较,因此共有276次比较,两两比较实验中,平均每个受试者完成实验的时长为90分钟左右。
步骤2:多元分析。本实例中,样本之间的感知差异性矩阵是通过计算两个样本被所有受试者分到同一组的次数进行的。多元分析法是通过多维尺度分析进行的。样本之间的归一化差异矩阵Dij可以通过1减去样本之间的归一化相似性Sij获得:
Dij=1-Sij=1-mij/N
式中,mij表示有m名受试者将样本i和j分到了同一类,而N表示参与实验的受试者的总人数。样本之间差异性数值在0到1之间,越接近于1则说明该两种样本之间差异性越大。
以样本感知差异性矩阵为输入,采用度量型多维尺度变换对主观感知结果进行分析,可以获得样本在感知空间内的分布和感知空间的基本维度。解析结果与原始样本观测差异性之间的偏离度可以用名为Stress的值进行衡量,Stress值由Kruskal应力公式计算得到的,其定义为:
其中,表示由观测数据拟合得到的样本差异,dij为原始观测数据矩阵。Stress的值越小,说明感知空间的重构效果越好。从本实例分析结果可知,当主观感知空间维度增大时,多维尺度分析拟合样本分布差异性越小,“拐点”处出现在感知维度为3时,且此时Stress值为0.064,小于0.2。因此,三维主观感知空间可以最优地表达本实施例24个纹理样本的分布以及主观感知结果。
步骤3:感知空间维度确定。使用多维尺度分析方法生成样本在主观感知空间内分布之后,还需要对主观感知空间的维度进一步解释分析,最终确定样本在感知空间内的分布规律和坐标表示。分为以下几个步骤:1)以样本在感知空间内的坐标为自变量,以样本在不同形容词标签下的感知强度为因变量,进行回归分析,取标准偏回归系数。标准化的偏回归系数消除了原始自变量量纲不同的影响,体现了自变量对因变量的贡献大小。2)过原点并以偏回归系数为形容词标签在感知空间内的方向向量作直线,将形容词标签映射到主观感知空间中。3)根据形容词标签在感知空间内映射结果,分析形容词之间的相关性,选择接近正交的形容词标签对纹理样本主观感知空间的基本感知维度进行解释。
样本在三维感知空间内的分布结果如附图3的(a)所示,实心圆点表示样本在感知空间内坐标,点与点之间的距离代表样本之间感知差异性大小,距离越远说明样本之间感知差异性越大。样本聚集区域表示这几个样本在主观感知感觉上可以分为一类。为了确定样本在主观感觉上的分类结果,根据样本之间的感知距离的大小,本实施例参照受试者在分类实验中的主观感知结果,采用K-means方法将24个纹理样本聚类为6类,不同类型的点型表示不同的类别。形容词标签在感知空间内的结果如附图3的(b)所示,图中不同的样本点的类型与附图3的(a)中一致,代表该样本分属不同的类别。实线、短横虚线和点虚线直线分别代表“硬度”、“粗糙度”和“粘滞度”形容词标签在感知空间内的映射结果,“+”和“-”号代表感知强度变化方向,表明沿着该形容词标签映射直线方向上分布的纹理样本,主观感知强度变大或者变小。
本实例以纹理样本感知为例实现了纹理样本感知空间分析和主观感知结果量化描述的过程。通过多维尺度分析法确立了三维感知空间是适合表征纹理主观感知结果的最优空间。确定了“硬度”、“粗糙度”和“粘滞度”这三个形容词标签可以用来解释感知空间的三个基本感知维度的物理含义。受试者对纹理样本的主观感知,可进一步量化为两类实验结果,分别是分类结果和感知维度上的强度感知结果。分类结果表征的是样本的多维度综合整体感知,感知维度上的感知强度结果是对纹理感知属性的局部细节感知。通过感知空间的建立,实现了对纹理主观感知结果的全面量化描述。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.基于感知空间分析的力触觉主观感知结果量化描述方法,其特征在于:包括如下步骤:
步骤1:根据待分析的力触觉刺激样本设计心理物理学实验,并记录受试者对于力触觉刺激样本的主观感受描述和判断;
步骤2:在记录的受试者主观感知结果基础上,获取样本之间的感知差异矩阵,作为信息输入源,进行多元分析,初步确定感知空间潜在的力触觉感知维度;
步骤3:对潜在的力触觉感知维度进行维度物理含义的解释并筛选,最终确定构成主观感知空间的基本维度,并确定主观感知结果在感知空间的分布规律和坐标表示。
2.根据权利要求1所述的基于感知空间分析的力触觉主观感知结果量化描述方法,其特征在于:所述步骤1中,心理物理学实验需要收集和分析得到的受试者对于力触觉刺激样本的主观感受描述和判断包括三部分内容:
(1)待感知力触觉刺激样本集的形容词标签描述,包括受试者对于样本感知维度的主观形容词描述以及构成样本材料的物理性质;
(2)待感知力触觉刺激样本集中的样本两两之间的感知差异性度量,收集和分析获取样本之间的感知差异性度量采用的方法包括语义差别法、相似性评估法或分类法;
(3)待感知力触觉刺激样本集中样本在潜在感知维度下的主观感知强度,获取方法包括打分法、两两比较法或评级法。
3.根据权利要求2所述的基于感知空间分析的力触觉主观感知结果量化描述方法,其特征在于:获取样本之间的感知差异性度量的方法中:语义差别法采用量表打分的方法对事先确定的力触觉感知属性形容词标签进行评分;相似度评估法是将待评估样本与标准样本进行对比分析,根据力触觉感知属性的相似度进行评估,评估方法包括打分法、评级法或视觉模拟缩放;分类法则是根据受试者依据样本之间相似度进行分类的结果计算出样本之间感知的相似性或差异性。
5.根据权利要求4所述的基于感知空间分析的力触觉主观感知结果量化描述方法,其特征在于:所述步骤3中,解释潜在的力触觉感知维度的物理含义并确定最终主观感知空间基本维度的方法是根据多元分析方法的不同进行选择的:使用因子分析法时,根据公共因子包含的变量的物理含义进行解释;使用多维尺度分析法时,则是通过分析潜在的力触觉感知维度与主观感知实验中受试者描述样本使用的形容词标签的相关性进行的。
6.根据权利要求4所述的基于感知空间分析的力触觉主观感知结果量化描述方法,其特征在于:所述步骤3中,样本在感知空间内的分布规律和坐标表示通过分析样本在步骤1中获取的潜在感知维度下的主观感知强度和感知空间坐标轴的相关性确定的,通过旋转变换将感知维度下的感知强度转换为感知空间内的样本分布和坐标表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934826.5A CN113625877A (zh) | 2021-08-16 | 2021-08-16 | 基于感知空间分析的力触觉主观感知结果量化描述方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934826.5A CN113625877A (zh) | 2021-08-16 | 2021-08-16 | 基于感知空间分析的力触觉主观感知结果量化描述方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113625877A true CN113625877A (zh) | 2021-11-09 |
Family
ID=78385539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110934826.5A Pending CN113625877A (zh) | 2021-08-16 | 2021-08-16 | 基于感知空间分析的力触觉主观感知结果量化描述方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113625877A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706453A (zh) * | 2012-06-14 | 2012-10-03 | 北京印刷学院 | 不同心理物理实验方法的比较评价方法 |
CN103745084A (zh) * | 2013-12-16 | 2014-04-23 | 北京工业大学 | 基于心理物理实验的中医舌色感知量化方法 |
CN106408035A (zh) * | 2016-10-31 | 2017-02-15 | 东南大学 | 基于人力触觉感知特性的力触觉再现真实感客观评价方法 |
CN109542224A (zh) * | 2018-11-19 | 2019-03-29 | 东南大学 | 一种基于人力触觉感知特性的纹理粗糙度客观评价方法 |
CN109567746A (zh) * | 2018-11-08 | 2019-04-05 | 东南大学 | 一种基于信号检测论的纹理粗糙度量化评价方法 |
-
2021
- 2021-08-16 CN CN202110934826.5A patent/CN113625877A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706453A (zh) * | 2012-06-14 | 2012-10-03 | 北京印刷学院 | 不同心理物理实验方法的比较评价方法 |
CN103745084A (zh) * | 2013-12-16 | 2014-04-23 | 北京工业大学 | 基于心理物理实验的中医舌色感知量化方法 |
CN106408035A (zh) * | 2016-10-31 | 2017-02-15 | 东南大学 | 基于人力触觉感知特性的力触觉再现真实感客观评价方法 |
CN109567746A (zh) * | 2018-11-08 | 2019-04-05 | 东南大学 | 一种基于信号检测论的纹理粗糙度量化评价方法 |
CN109542224A (zh) * | 2018-11-19 | 2019-03-29 | 东南大学 | 一种基于人力触觉感知特性的纹理粗糙度客观评价方法 |
Non-Patent Citations (1)
Title |
---|
龚逸: "基于物体属性识别的力触觉图像采集系统设计与数据分析研究", 《万方数据库》, pages 50 - 55 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200300829A1 (en) | Utilization of electronic nose-based analysis of odorants | |
TWI452998B (zh) | System and method for establishing and analyzing skin parameters using digital image multi-area analysis | |
Joshanloo | Cultural religiosity as the moderator of the relationship between affective experience and life satisfaction: A study in 147 countries. | |
KR20040057023A (ko) | 피부 분석방법 | |
Johnson et al. | Understanding aesthetics and fitness measures in evolutionary art systems | |
Mileva et al. | Understanding facial impressions between and within identities | |
Liu et al. | An aesthetic measurement approach for evaluating product appearance design | |
Ruan et al. | Intelligent sensory evaluation: methodologies and applications | |
Guo et al. | Analysis of texture characteristics associated with visual complexity perception | |
Xue et al. | Interpretation of fabric tactile perceptions through visual features for textile products | |
Thumfart et al. | Modeling human aesthetic perception of visual textures | |
Petiot et al. | A cross-cultural study of users' craftsmanship perceptions in vehicle interior design | |
CN113625877A (zh) | 基于感知空间分析的力触觉主观感知结果量化描述方法 | |
Carlisi et al. | Using genetic algorithms to uncover individual differences in how humans represent facial emotion | |
Chuang et al. | How to rate 100 visual stimuli efficiently | |
Sartori et al. | Emotions in abstract art: does texture matter? | |
Hu et al. | The study of the double color matching of the elderly assistive products based on the Kansei engineering | |
Baret et al. | Characterization and quantification of the skin radiance through new digital image analysis | |
KR101916596B1 (ko) | 이미지의 혐오감을 예측하는 방법 | |
Thomas et al. | Multidimensional signal detection decision models of the uncertainty task: Application to face perception | |
Zhou et al. | Aesthetic Cognitive Computing Clues of Materials Based on Multidimensional Perception | |
Kimoto | Color feature extraction for computer-aided art therapy | |
Shao et al. | Perceptual model for compliance in ineraction with compliant objects with rigid surface | |
Schubert et al. | Evaluating the Performance of Large Language Models on a Neurology Board-Style Examination | |
Eriksson et al. | Affective surface engineering-using soft and hard metrology to measure the Sensation and perception in surface properties |
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 |