DE102022101375A1

DE102022101375A1 - METHOD OF DETERMINING POSITION AND FORCE OF FINGERPRESS ON A TOUCH SURFACE AND ELECTRONIC DEVICE CONFIGURED TO CARRY OUT THE METHOD

Info

Publication number: DE102022101375A1
Application number: DE102022101375.8A
Authority: DE
Inventors: Omar Elmasry
Original assignee: Valeo Schalter und Sensoren GmbH
Current assignee: Valeo Schalter und Sensoren GmbH
Priority date: 2022-01-21
Filing date: 2022-01-21
Publication date: 2023-07-27
Also published as: WO2023139088A1

Abstract

Ein Verfahren zum Bestimmen einer Position und einer Kraft eines Fingerdrückens auf einer Berührungsoberfläche eines elektronischen Gerätes, mindestens zwei Kraftsensoren und einem Speicher, in dem ein jeweiliges Regressionsmodell für jeden der mindestens zwei Kraftsensoren gespeichert ist, das eine Beziehung zwischen einer auf die Berührungsoberfläche an einer bestimmten Position ausgeübten Kraft und einem jeweiligen Signal beschreibt, das von einem jeweiligen Kraftsensor erfasst wird, weist die folgenden Schritte auf:a) Erzeugen einer Vielzahl von Hypothesenpunkten, die jeweils ein Zustand von zufälliger Kraft und Position auf der Berührungsoberfläche sind;b) Abfragen jedes der Regressionsmodelle, um einen modellbasierten Wert für einen jeweiligen eine der Vielzahl von Hypothesenpunkten zu erhalten;c) jeweiliges Berechnen einer Wahrscheinlichkeit, dass der modellbasierte Wert für einen jeweiligen einen der mindestens zwei Kraftsensoren korrekt ist;d) Multiplizieren der jeweiligen Wahrscheinlichkeiten, um ein jeweiliges Gewicht für jeden der Vielzahl von Hypothesenpunkten zu erhalten;e) Resampeln der Vielzahl von Hypothesenpunkten basierend auf dem jeweiligen Gewicht;f) ändern der neu abgetasteten Vielzahl von Hypothesenpunkten, um eine geänderte neu abgetastete Vielzahl von Hypothesenpunkten zu erhalten;g) Wiederholen der Schritte b) bis f) mehrmals, bis eine vorbestimmte Bedingung erfüllt ist, undh) Bilden eines Mittelwerts der Positionen und zufälligen Kräfte der Hypothesen und Bestimmen der Position, an der die Berührungsoberfläche gedrückt wird, und der Kraft, mit der die Berührungsoberfläche gedrückt wird.A method for determining a position and force of a finger press on a touch surface of an electronic device, at least two force sensors, and a memory in which is stored a respective regression model for each of the at least two force sensors that describes a relationship between a pressure applied to the touch surface at a particular position exerted force and a respective signal sensed by a respective force sensor, comprises the steps of:a) generating a plurality of hypothesis points each being a state of random force and position on the touch surface;b) interrogating each of the regression models to obtain a model-based value for a respective one of the plurality of hypothesis points;c) each calculating a probability that the model-based value is correct for a respective one of the at least two force sensors;d) multiplying the respective probabilities by a respective weight for each of the plurality of hypothesis points;e) resampling the plurality of hypothesis points based on the respective weight;f) changing the resampled plurality of hypothesis points to obtain a changed resampled plurality of hypothesis points;g) repeating steps b) to f) multiple times until a predetermined condition is met, andh) averaging the positions and random forces of the hypotheses and determining the position at which the touch surface is pressed and the force with which the touch surface is pressed.

Description

Die vorliegende Erfindung betrifft ein Verfahren zum Bestimmen einer Position und einer Kraft eines Fingerdrucks auf einer Berührungsoberfläche und ein elektronisches Gerät, das konfiguriert ist, um das Verfahren auszuführen.The present invention relates to a method for determining a position and a force of a finger pressure on a touch surface and an electronic device configured to carry out the method.

Bei bekannten elektronischen Geräten wie Touchpads wird die Kraftmessung unter Verwendung eines netzartigen Sensors durchgeführt, der eine Karte der auf die Koordinaten/Positionen der Berührungsfläche ausgeübten Kraft bereitstellt, oder unter Verwendung einiger Einzelpunktsensoren, die die direkt über dem Ort, an dem er montiert ist, ausgeübte Kraft messen.In known electronic devices such as touchpads, force measurement is performed using a mesh-like sensor that provides a map of the force applied to the coordinates/positions of the touch surface, or using some single-point sensors that measure the force applied directly over the location where it is mounted.

Um ein elektronisches Gerät zu schaffen, das zum Bestimmen der Position und Kraft des Fingerdrückens auf der Berührungsfläche konfiguriert ist und niedrige Herstellungskosten aufweist, ist das Implementieren einer kontinuierlichen (Touchpad-) Berührungserfassung und eines Kraftsensornetzes/-arrays nicht günstig.In order to create an electronic device that is configured to determine the position and force of finger pressure on the touch surface and has a low manufacturing cost, implementing continuous (touchpad) touch sensing and a force sensor network/array is not cheap.

Es ist eine Aufgabe der vorliegenden Erfindung, ein verbessertes Verfahren zum Bestimmen einer Position und einer Kraft eines Fingerdrückens auf einer Berührungsoberfläche und ein verbessertes elektronisches Gerät bereitzustellen, das konfiguriert ist, um das Verfahren durchzuführen.It is an object of the present invention to provide an improved method for determining a position and force of a finger press on a touch surface and an improved electronic device configured to perform the method.

Diese Aufgabe wird durch die Merkmale der unabhängigen Ansprüche gelöst. Weitere bevorzugte Ausführungsformen der Erfindung sind Gegenstand der abhängigen Ansprüche.This object is solved by the features of the independent claims. Further preferred embodiments of the invention are subject of the dependent claims.

Gemäß einem Aspekt der Erfindung weist ein Verfahren zum Bestimmen einer Position und einer Kraft eines Fingerdrückens auf einer Berührungsoberfläche eines elektronischen Geräts, das eine Berührungsoberfläche, optional einen Berührungssensor, der konfiguriert ist, um zu erfassen, wenn die Berührungsoberfläche berührt wird, mindestens zwei Kraftsensoren, die konfiguriert sind, um ein jeweiliges Signal zu erfassen, das eine jeweilige Kraft angibt, die auf den jeweiligen Kraftsensor ausgeübt wird, wenn die Berührungsoberfläche gedrückt wird, und einen Speicher aufweist, in dem ein jeweiliges Regressionsmodell für jeden der mindestens zwei Kraftsensoren gespeichert ist, das eine Beziehung zwischen einer an einer bestimmten Position der Berührungsoberfläche auf die Berührungsoberfläche ausgeübten Kraft und einem jeweiligen Signal, das von einem jeweiligen Kraftsensor erfasst wird, beschreibt, die folgenden Schritte auf:

a) Erzeugen einer Vielzahl von Hypothesenpunkten, sodass jeder Hypothesenpunkt ein Zustand zufälliger Kraft und Position auf der Berührungsoberfläche ist, wenn mindestens einer der zwei Kraftsensoren erfasst, dass die Berührungsoberfläche gedrückt wird, und/oder der Berührungssensor erfasst, dass die Berührungsoberfläche berührt wird;
b) Abfragen jedes der Regressionsmodelle durch sequentielles Eingeben jedes der Vielzahl von Hypothesenpunkten, um einen jeweiligen modellbasierten Wert für einen jeweiligen der Vielzahl von Hypothesenpunkten zu erhalten, für jeden der mindestens zwei Kraftsensoren;
c) jeweiliges Berechnen einer Wahrscheinlichkeit, dass der modellbasierte Wert für einen jeweiligen einen der mindestens zwei Kraftsensoren korrekt ist, für jeden der modellbasierten Werte;
d) Multiplizieren der jeweiligen Wahrscheinlichkeiten, dass der modellbasierte Wert für einen jeweiligen einen der mindestens zwei Kraftsensoren korrekt ist, für jeden der modellbasierten Werte, um ein jeweiliges Gewicht für jeden der Vielzahl von Hypothesenpunkten zu erhalten;
e) Resampeln der Vielzahl von Hypothesenpunkten basierend auf dem jeweiligen Gewicht jedes der Hypothesenpunkte, um eine resampelte Vielzahl von Hypothesenpunkten zu erhalten;
f) Ändern der resampelten Vielzahl von Hypothesenpunkten durch Ändern mindestens eines resampelten Hypothesenpunkts, so dass eine vorbestimmte Kraft und ein willkürlicher Rauschbeitrag zu der zufälligen Kraft hinzugefügt werden und ein willkürlicher Rauschbeitrag zu der Position des mindestens einen resampelten Hypothesenpunkts hinzugefügt wird, um eine geänderte, resampelte Vielzahl von Hypothesenpunkten zu erhalten;
g) Wiederholen der Schritte b) bis f) mehrmals, bis eine vorbestimmte Bedingung erfüllt ist, wobei die geänderte, resampelte Vielzahl von Hypothesenpunkten als die Vielzahl von Hypothesenpunkten gesetzt wird, und
h) Bilden eines Mittelwerts der Positionen und der zufälligen Kräfte der Hypothesenpunkte und Bestimmen der Position, an der die Berührungsoberfläche gedrückt wird, und der Kraft, mit der die Berührungsoberfläche gedrückt wird, basierend auf dem Mittelwert der Positionen und dem Mittelwert der zufälligen Kräfte der Hypothesenpunkte.

According to one aspect of the invention, a method for determining a position and a force of a finger press on a touch surface of an electronic device having a touch surface, optionally a touch sensor configured to detect when the touch surface is touched, at least two force sensors configured to detect a respective signal indicative of a respective force exerted on the respective force sensor when the touch surface is pressed, and a memory storing a respective regression model for each of the at least two force sensors is describing a relationship between a force applied to the touch surface at a particular position of the touch surface and a respective signal sensed by a respective force sensor, the following steps:

a) generating a plurality of hypothesis points such that each hypothesis point is a state of random force and position on the touch surface when at least one of the two force sensors detects that the touch surface is pressed and/or the touch sensor detects that the touch surface is touched;
b) querying each of the regression models by sequentially inputting each of the plurality of hypothesis points to obtain a respective model-based value for a respective one of the plurality of hypothesis points for each of the at least two force sensors;
c) for each of the model-based values, respectively calculating a probability that the model-based value is correct for a respective one of the at least two force sensors;
d) multiplying the respective probabilities that the model-based value for a respective one of the at least two force sensors is correct for each of the model-based values to obtain a respective weight for each of the plurality of hypothesis points;
e) resampling the plurality of hypothesis points based on the respective weight of each of the hypothesis points to obtain a resampled plurality of hypothesis points;
f) changing the resampled plurality of hypothesis points by changing at least one resampled plurality of hypothesis points such that a predetermined force and an arbitrary noise contribution are added to the random force and an arbitrary noise contribution is added to the position of the at least one resampled hypothesis point to obtain a changed, resampled plurality of hypothesis points;
g) repeating steps b) through f) a plurality of times until a predetermined condition is met, wherein the modified, resampled plurality of hypothesis points is set as the plurality of hypothesis points, and
h) averaging the positions and random forces of the hypothesis points and determining the position at which the touch surface is pressed and the force with which the touch surface is pressed based on the mean of the positions and the mean of the random forces of the hypothesis points.

Die in Schritt a) erzeugten Hypothesenpunkte werden auch als „Partikel“ bezeichnet, die in einem Partikelfilteralgorithmus verwendet werden, wobei die Schritte b) bis h) ebenfalls Teil des Partikelfilteralgorithmus sind. Durch die Verwendung des (Partikelfilter-)Algorithmus können die Position und die Kraft des Fingerdrückens unter Verwendung von nur (den mindestens) zwei Kraftsensoren bestimmt werden.The hypothesis points generated in step a) are also referred to as “particles”, which are used in a particle filter algorithm, with steps b) to h) also being part of the particle filter algorithm. By using the (particle filter) algorithm, the position and the force of the finger press can be calculated using only (the at least) two force sensors are determined.

Dementsprechend kann das Verfahren mit einem elektronischen Gerät durchgeführt werden, das mit geringen Herstellungskosten hergestellt werden kann, da nur relativ primitive Kraftsensoren und optional ein Berührungssensor mit relativ einfacher Berührungsfähigkeit benötigt werden. Außerdem ist das elektronische Gerät einfacher herzustellen als ein elektronisches Gerät mit Netz-Kraftsensoren und/oder piezoelektrischen Schichten, die das mechanische Design verkomplizieren oder einschränken könnten. Die mindestens zwei Kraftsensoren, die vorzugsweise als Einzelpunktsensoren ausgebildet sind, sind zusätzlich günstig für das Design des elektronischen Geräts, da die Einzelpunktsensoren theoretisch an beliebigen Positionen angeordnet werden können und dann das Regressionsmodell entsprechend gelernt wird. Darüber hinaus kann die Rechenlast des elektronischen Geräts gering gehalten werden, da der im Verfahren verwendete Partikelfilteralgorithmus einen geringen Rechenaufwand aufweist und konfigurierbar ist, indem die Anzahl der erzeugten Partikel wählbar/anpassbar ist.Accordingly, the method can be performed with an electronic device that can be manufactured with low manufacturing costs since only relatively primitive force sensors and optionally a touch sensor with relatively simple touch capability are required. In addition, the electronic device is easier to manufacture than an electronic device with mesh force sensors and/or piezoelectric layers, which could complicate or limit the mechanical design. The at least two force sensors, which are preferably designed as single-point sensors, are also favorable for the design of the electronic device, since the single-point sensors can theoretically be arranged at any position and the regression model is then learned accordingly. In addition, the computing load of the electronic device can be kept low, since the particle filter algorithm used in the method has a low computing effort and can be configured by selecting/adjusting the number of particles generated.

Das jeweilige Berechnen der Wahrscheinlichkeit, dass der modellbasierte Wert für einen jeweiligen der mindestens zwei Kraftsensoren korrekt ist, für jeden der modellbasierten Werte, das in Schritt c) durchgeführt wird, kann auch als jeweiliges Berechnen einer Wahrscheinlichkeit beschrieben werden, dass die Messung korrekt ist unter der Annahme/vorausgesetzt, dass eine zugrunde liegende Hypothese wahr ist.The respective calculation of the probability that the model-based value for a respective one of the at least two force sensors is correct, for each of the model-based values, which is carried out in step c), can also be described as respectively calculating a probability that the measurement is correct assuming/assuming that an underlying hypothesis is true.

Gemäß einer Ausführungsform weist Schritt h) ein Bilden eines Mittelwerts der Positionen und der zufälligen Kräfte von Hypothesenpunkten mit Gewichten höher als einem vorbestimmten Wert und ein Bestimmen des Mittelwerts der Positionen und des Mittelwerts der zufälligen Kräfte der Hypothesenpunkte mit Gewichten höher als dem vorbestimmten Wert als die Position, an der die Berührungsoberfläche gedrückt wird, und als die Kraft, mit der die Berührungsoberfläche gedrückt wird, auf.According to one embodiment, step h) comprises averaging the positions and the random forces of hypothesis points with weights higher than a predetermined value and determining the mean of the positions and the mean of the random forces of the hypothesis points with weights higher than the predetermined value as the position at which the touch surface is pressed and as the force with which the touch surface is pressed.

Gemäß einer anderen Ausführungsform weist Schritt h) ein Bilden eines Mittelwerts der Positionen und der zufälligen Kräfte einer Anzahl von Hypothesenpunkten mit den höchsten Gewichten und ein Bestimmen des Mittelwerts der Positionen und des Mittelwerts der zufälligen Kräfte der Anzahl von Hypothesenpunkten mit den höchsten Gewichten als die Position, an der die Berührungsoberfläche gedrückt wird, und als die Kraft, mit der die Berührungsoberfläche gedrückt wird, auf.According to another embodiment, step h) comprises averaging the positions and the random forces of a number of hypothesis points with the highest weights and determining the mean value of the positions and the mean value of the random forces of the number of hypothesis points with the highest weights as the position at which the touch surface is pressed and as the force with which the touch surface is pressed.

Gemäß einer Ausführungsform wird die Wahrscheinlichkeit, dass der modellbasierte Wert für den jeweiligen einen der mindestens zwei Kraftsensoren korrekt ist, für jeden der modellbasierten Werte, in Schritt c) basierend auf einem Vergleich des jeweiligen modellbasierten Werts mit dem jeweiligen vom jeweiligen Kraftsensor erfassten Signal berechnet.According to one embodiment, the probability that the model-based value is correct for the respective one of the at least two force sensors is calculated for each of the model-based values in step c) based on a comparison of the respective model-based value with the respective signal detected by the respective force sensor.

Gemäß einer Ausführungsform wird die Berührungsoberfläche durch Dämpfer gestützt und sind die mindestens zwei Kraftsensoren jeweils konfiguriert, um eine jeweilige Auslenkung eines jeweiligen Punkts der Berührungsoberfläche zu erfassen. Dabei entspricht insbesondere der jeweilige Punkt der Berührungsoberfläche einem Punkt der Berührungsoberfläche, der direkt über dem jeweiligen Kraftsensor angeordnet ist.According to one embodiment, the touch surface is supported by dampers and the at least two force sensors are each configured to sense a respective deflection of a respective point of the touch surface. In this case, the respective point on the touch surface corresponds in particular to a point on the touch surface which is arranged directly above the respective force sensor.

Gemäß einer Ausführungsform wird die vorbestimmte Kraft basierend auf einer durchschnittlichen Anstiegsrate der Kraft eines Fingerdrückens durch einen Menschen und einer Abtastrate der mindestens zwei Kraftsensoren bestimmt.According to one embodiment, the predetermined force is determined based on an average rate of increase in force of a human finger press and a sampling rate of the at least two force sensors.

Gemäß einer Ausführungsform ist die Berührungsoberfläche in zwei oder mehr Bereiche, insbesondere vier Bereiche unterteilt, wobei der Berührungssensor dazu konfiguriert ist, zu erfassen, welcher der zwei oder mehr Bereiche berührt wird.According to one embodiment, the touch surface is divided into two or more areas, in particular four areas, with the touch sensor being configured to detect which of the two or more areas is being touched.

Gemäß einer Ausführungsform ist die vorbestimmte Bedingung erfüllt, wenn eine Anstiegsrate des von mindestens einem der mindestens zwei Kraftsensoren erfassten Signals kleiner als ein vorbestimmter Schwellenwert ist.According to one embodiment, the predetermined condition is met when a rate of increase of the signal detected by at least one of the at least two force sensors is less than a predetermined threshold value.

Gemäß einer Ausführungsform werden die Gewichte der Vielzahl von Hypothesenpunkten so normiert, dass die Summe der Gewichte der Vielzahl von Hypothesenpunkten 1 ist, und die normierten Gewichte der jeweiligen Hypothesenpunkte werden als die Gewichte der jeweiligen Hypothesenpunkte nach Schritt d) gesetzt.According to one embodiment, the weights of the plurality of hypothesis points are normalized such that the sum of the weights of the plurality of hypothesis points is 1, and the normalized weights of the respective hypothesis points are set as the weights of the respective hypothesis points after step d).

Gemäß einem anderen Aspekt der Erfindung weist ein elektronisches Gerät auf:

eine Berührungsoberfläche;
optional einen Berührungssensor, der konfiguriert ist zu erfassen, wenn die Berührungsoberfläche gedrückt wird;
mindestens zwei Kraftsensoren, die konfiguriert sind, ein jeweiliges Signal erfassen, das eine jeweilige Kraft angibt, die auf den jeweiligen Kraftsensor ausgeübt wird, wenn die Berührungsoberfläche gedrückt wird;
einen Speicher, in dem ein jeweiliges Regressionsmodell für jeden der mindestens zwei Kraftsensoren gespeichert ist, das eine Beziehung zwischen einer an einer bestimmten Position der Berührungsoberfläche auf die Berührungsoberfläche ausgeübten Kraft und
einem jeweiligen Signal, das von einem jeweiligen Kraftsensor erfasst wird, beschreibt;

und

eine Steuereinheit, die konfiguriert ist, um:
1. a) eine Vielzahl von Hypothesenpunkten zu erzeugen, sodass jeder Hypothesenpunkt ein Zustand zufälliger Kraft und Position auf der Berührungsoberfläche ist, wenn mindestens einer der zwei Kraftsensoren erfasst, dass die Berührungsoberfläche gedrückt wird, und/oder der Berührungssensor erfasst, dass die Berührungsoberfläche berührt wird;
2. b) jedes der Regressionsmodelle durch sequentielles Eingeben jedes der Vielzahl von Hypothesenpunkten abzufragen, um einen jeweiligen modellbasierten Wert für einen jeweiligen einen der Vielzahl von Hypothesenpunkten zu erhalten, für jeden der mindestens zwei Kraftsensoren;
3. c) jeweils eine Wahrscheinlichkeit zu berechnen, dass der modellbasierte Wert für einen jeweiligen einen der mindestens zwei Kraftsensoren korrekt ist, für jeden der modellbasierten Werte;
4. d) die jeweiligen Wahrscheinlichkeiten, dass der modellbasierte Wert für einen jeweiligen einen der mindestens zwei Kraftsensoren korrekt ist, für jeden der modellbasierten Werte zu multiplizieren, um ein jeweiliges Gewicht für jeden der Vielzahl von Hypothesenpunkten zu erhalten;
5. e) die Vielzahl von Hypothesenpunkten basierend auf dem jeweiligen Gewicht jedes der Hypothesenpunkte zu resampeln, um eine resampelte Vielzahl von Hypothesenpunkten zu erhalten;
6. f) die resampelte Vielzahl von Hypothesenpunkten zu Ändern durch Ändern mindestens eines resampelten Hypothesenpunkts derart, dass eine vorbestimmte Kraft und ein willkürlicher Rauschbeitrag zu der zufälligen Kraft hinzugefügt werden und ein willkürlicher Rauschbeitrag zu der Position des mindestens einen resampelten Hypothesenpunkts hinzugefügt wird, um eine geänderte, resampelte Vielzahl von Hypothesenpunkten zu erhalten;
7. g) die Schritte b) bis f) mehrmals zu wiederholen, bis eine vorbestimmte Bedingung erfüllt ist, wobei die geänderte, resampelte Vielzahl von Hypothesenpunkten als die Vielzahl von Hypothesenpunkten gesetzt wird, und
8. h) Mittelwerte der Positionen und der zufälligen Kräfte der Hypothesenpunkte zu bilden und die Position, an der die Berührungsoberfläche gedrückt wird, und die Kraft, mit der die Berührungsoberfläche gedrückt wird, basierend auf dem Mittelwert der Positionen und dem Mittelwert der zufälligen Kräfte der Hypothesenpunkte zu bestimmen.

According to another aspect of the invention, an electronic device comprises:

a touch surface;
optionally a touch sensor configured to detect when the touch surface is pressed;
at least two force sensors configured to detect a respective signal indicative of a respective force applied to the respective force sensor when the touch surface is pressed;
a memory in which a respective regression model for each of the at least two Force sensors is stored, which is a relationship between a force exerted on the touch surface at a certain position of the touch surface and force
describes a respective signal sensed by a respective force sensor;

and

a control unit configured to:
1. a) generate a plurality of hypothesis points such that each hypothesis point is a state of random force and position on the touch surface when at least one of the two force sensors detects that the touch surface is pressed and/or the touch sensor detects that the touch surface is touched;
2. b) interrogating each of the regression models by sequentially inputting each of the plurality of hypothesis points to obtain a respective model-based value for a respective one of the plurality of hypothesis points for each of the at least two force sensors;
3. c) calculate a probability that the model-based value is correct for a respective one of the at least two force sensors, for each of the model-based values;
4. d) multiplying the respective probabilities that the model-based value for a respective one of the at least two force sensors is correct for each of the model-based values to obtain a respective weight for each of the plurality of hypothesis points;
5. e) resampling the plurality of hypothesis points based on the respective weight of each of the hypothesis points to obtain a resampled plurality of hypothesis points;
6. f) changing the resampled plurality of hypothesis points by changing at least one resampled hypothesis point such that a predetermined force and an arbitrary noise contribution are added to the random force and an arbitrary noise contribution is added to the position of the at least one resampled hypothesis point to obtain a changed, resampled plurality of hypothesis points;
7. g) repeating steps b) through f) a plurality of times until a predetermined condition is met, wherein the modified, resampled plurality of hypothesis points is set as the plurality of hypothesis points, and
8. h) to average the positions and the random forces of the hypotheses points and to determine the position at which the touch surface is pressed and the force with which the touch surface is pressed based on the mean of the positions and the mean of the random forces of the hypotheses points.

Das jeweilige Berechnen der Wahrscheinlichkeit, dass der modellbasierte Wert für einen jeweiligen einen der mindestens zwei Kraftsensoren korrekt ist, für jeden der modellbasierten Werte, das in c) durchgeführt wird, kann auch als ein jeweiliges Berechnen einer Wahrscheinlichkeit beschrieben werden, dass die Messung korrekt ist, unter der Annahme/vorausgesetzt, dass eine zugrunde liegende Hypothese wahr ist.The respective calculation of the probability that the model-based value for a respective one of the at least two force sensors is correct, for each of the model-based values, which is performed in c), can also be described as a respective calculation of a probability that the measurement is correct, assuming/assuming that an underlying hypothesis is true.

Gemäß einer Ausführungsform ist das elektronische Gerät konfiguriert, einen Mittelwert der Positionen und der zufälligen Kräfte von Hypothesenpunkten mit Gewichten höher als einem vorbestimmten Wert zu bilden, und in h) den Mittelwert der Positionen und den Mittelwert der zufälligen Kräfte der Hypothesenpunkte mit Gewichten höher als der vorbestimmte Wert als die Position, an der die Berührungsoberfläche gedrückt wird, und als die Kraft zu bestimmen, mit der die Berührungsoberfläche gedrückt wird.According to one embodiment, the electronic device is configured to form an average of the positions and the random forces of hypothesis points with weights higher than a predetermined value, and in h) to determine the average of the positions and the mean of the random forces of the hypothesis points with weights higher than the predetermined value as the position at which the touch surface is pressed and as the force with which the touch surface is pressed.

Gemäß einer Ausführungsform ist das elektronische Gerät dazu konfiguriert, einen Mittelwert der Positionen und der zufälligen Kräfte einer Anzahl von Hypothesenpunkten mit den höchsten Gewichten zu bilden, und in h) den Mittelwert der Positionen und den Mittelwert der zufälligen Kräfte der Anzahl von Hypothesenpunkten mit den höchsten Gewichten als die Position, an der die Berührungsoberfläche gedrückt wird, und als die Kraft, mit der die Berührungsoberfläche gedrückt wird, zu bestimmen.According to one embodiment, the electronic device is configured to form an average of the positions and the random forces of a number of hypothesis points with the highest weights, and in h) to determine the average of the positions and the mean of the random forces of the number of hypothesis points with the highest weights as the position at which the touch surface is pressed and as the force with which the touch surface is pressed.

Gemäß einer Ausführungsform ist das elektronische Gerät konfiguriert, jeweils die Wahrscheinlichkeit zu berechnen, dass der modellbasierte Wert für den jeweiligen einen der mindestens zwei Kraftsensoren korrekt ist, für jeden der modellbasierten Werte, basierend auf einem Vergleich des jeweiligen modellbasierten Werts mit dem jeweiligen Signal, das von dem jeweiligen Kraftsensor erfasst wird.According to one embodiment, the electronic device is configured to calculate the probability that the model-based value for the respective one of the at least two force sensors is correct, for each of the model-based values, based on a comparison of the respective model-based value with the respective signal that is detected by the respective force sensor.

Gemäß einer Ausführungsform wird die Berührungsoberfläche von Dämpfern gestützt, wobei die mindestens zwei Kraftsensoren jeweils konfiguriert sind, eine jeweilige Auslenkung eines jeweiligen Punkts der Berührungsoberfläche zu erfassen. Dabei entspricht insbesondere der jeweilige Punkt der Berührungsoberfläche einem Punkt der Berührungsoberfläche, der direkt über dem jeweiligen Kraftsensor angeordnet ist. According to one embodiment, the touch surface is supported by dampers, wherein the at least two force sensors are each configured to sense a respective deflection of a respective point of the touch surface. In this case, the respective point on the touch surface corresponds in particular to a point on the touch surface which is arranged directly above the respective force sensor.

Gemäß einer Ausführungsform ist die vorbestimmte Bedingung, dass die Berührungsoberfläche gedrückt wird, erfüllt, wenn das von mindestens einem der mindestens zwei Kraftsensoren erfasste Signal größer als ein vorbestimmter Schwellenwert ist.According to one embodiment, the predetermined condition that the touch surface is pressed is met when the signal sensed by at least one of the at least two force sensors is greater than a predetermined threshold.

Gemäß einer Ausführungsform ist die Steuereinheit ferner dazu konfiguriert, die Gewichte der Vielzahl von Hypothesenpunkten so zu normieren, dass die Summe der Gewichte der Vielzahl von Hypothesenpunkten 1 ist, und die normierten Gewichte der jeweiligen Hypothesenpunkte als die Gewichte der jeweiligen Hypothesenpunkte zu setzen, nach dem Multiplizieren der jeweiligen Wahrscheinlichkeiten, dass der modellbasierte Wert für einen jeweiligen der mindestens zwei Kraftsensoren korrekt ist, für jeden der modellbasierten Werte, um ein jeweiliges Gewicht für jeden der Vielzahl von Hypothesenpunkte zu erhalten.According to one embodiment, the control unit is further configured to normalize the weights of the plurality of hypothesis points such that the sum of the weights of the plurality of hypothesis points is 1, and to set the normalized weights of the respective hypothesis points as the weights of the respective hypothesis points after multiplying the respective probabilities that the model-based value for a respective one of the at least two force sensors is correct for each of the model-based values to obtain a respective weight for each of the plurality of hypothesis points.

Weitere Vorteile und Merkmale ergeben sich aus den abhängigen Ansprüchen und den Ausführungsbeispielen. Dazu zeigt, teilweise schematisiert:

1 ein elektronisches Gerät gemäß einer Ausführungsform;
2 eine Berührungsoberfläche des in 1 gezeigten elektronischen Geräts;
3 die in 2 gezeigte Berührungsoberfläche, wobei die Positionen von erzeugten Hypothesenpunkte angegeben sind; und
4 die in 3 gezeigte Berührungsoberfläche, wobei die Positionen einer Vielzahl von resampelten Hypothesenpunkten angegeben sind.

Further advantages and features emerge from the dependent claims and the exemplary embodiments. This shows, partially schematized:

1 an electronic device according to an embodiment;
2 a touch surface of the in 1 electronic device shown;
3 in the 2 touch surface shown with positions of generated hypothesis points indicated; and
4 in the 3 touch surface shown, where the positions of a plurality of resampled hypothesis points are indicated.

1 zeigt eine elektronisches Gerät gemäß einer Ausführungsform und 2 zeigt eine Berührungsoberfläche des in 1 gezeigten elektronischen Geräts. 1 12 shows an electronic device according to an embodiment and 2 shows a touch surface of the in 1 electronic device shown.

Das elektronische Gerät 100, das in einem Fahrzeug verwendet werden kann und beispielsweise als ein berührungsbasierter Lenkradschalter oder ein Fahrer-Infotainment-Touchscreen konfiguriert sein kann, weist eine Berührungsoberfläche 10 zum Empfangen eines Fingerdrückens auf, das durch einen Benutzer ausgeführt wird, um das elektronische Gerät 100 oder ein separates (externes elektronisches) Gerät in Kommunikation mit dem elektronischen Gerät 100 zu steuern. Die Berührungsoberfläche 10 ist in zwei oder mehr Bereiche 11, 12, 13, 14, unterteilt, im vorliegenden Ausführungsbeispiel in vier Bereiche 11, 12, 13, 14.The electronic device 100, which can be used in a vehicle and can be configured, for example, as a touch-based steering wheel switch or a driver infotainment touch screen, has a touch surface 10 for receiving a finger press performed by a user to control the electronic device 100 or a separate (external electronic) device in communication with the electronic device 100. The touch surface 10 is divided into two or more areas 11, 12, 13, 14, in the present embodiment into four areas 11, 12, 13, 14.

Das elektronische Gerät 100 weist ferner einen Berührungssensor 20 auf, der dazu konfiguriert ist, zu erfassen, wenn die Berührungsoberfläche 10 berührt wird, und insbesondere, welcher der vier Bereiche 11, 12, 13, 14 gedrückt wird.The electronic device 100 further includes a touch sensor 20 configured to detect when the touch surface 10 is touched, and specifically which of the four areas 11, 12, 13, 14 is pressed.

Weiterhin umfasst das elektronische Gerät 100 einen ersten und einen zweiten Kraftsensor FS-a, FS-b, insbesondere einen ersten und einen zweiten Einzelpunkt-Kraftsensor FS-a, FS-b, die in einem Inneren des elektronischen Geräts 100 unterhalb der Berührungsoberfläche 10 an verschiedenen Positionen angeordnet und konfiguriert sind, ein jeweiliges (analoges) Signal zu erfassen, das eine jeweilige Kraft angibt, die auf den jeweiligen Kraftsensor FS-a, FS-b ausgeübt wird, wenn die Berührungsoberfläche 10 gedrückt wird.Furthermore, the electronic device 100 comprises a first and a second strength sensor FS-A, FS-B, in particular a first and a second single point enrollment FS-A, FS-B, which are arranged and configured in an interior of the electronic device 100 below the touch interface at different positions and configured, a respective (analog) signal that indicates a respective force on the respective strengthensor FS-A, FS-B. is exercised when the touch interface 10 is pressed.

In Bezug auf die Konfiguration des elektronischens Geräts 100 ist es vorzuziehen, dass es eine gewisse Asymmetrie gibt, entweder in der Form der Berührungsoberfläche 10, im mechanischen Design oder in der Position des ersten und des zweiten Kraftsensors FS-a, FS-b, so dass der später beschriebene Algorithmus zum Bestimmen der Position und der Kraft, an der/mit der die Berührungsoberfläche 10 gedrückt wird, ein Drücken nicht mit einem anderen verwechselt, das den ersten und zweiten Kraftsensor FS-a, FSb in der gleichen Weise beeinflusst.Regarding the configuration of the electronic device 100, it is preferable that there is some asymmetry, either in the shape of the touch surface 10, in the mechanical design or in the position of the first and second force sensors FS-a, FS-b, so that the algorithm described later for determining the position and the force at which/with which the touch surface 10 is pressed does not confuse one press with another, which the first and second force sensors FS-a, FSb in influenced in the same way.

Insbesondere sind der erste und der zweite Kraftsensor FS-a, FS-b dazu konfiguriert, eine (vertikale) Auslenkung eines jeweiligen Punkts der Berührungsoberfläche 10, der der jeweiligen Position des jeweiligen Kraftsensors FS-a, FS-b entspricht, in ein (analoges) Signal umzusetzen, das die ausgeübte Kraft repräsentiert.In particular, the first and the second force sensor FS-a, FS-b are configured to convert a (vertical) deflection of a respective point of the touch surface 10, which corresponds to the respective position of the respective force sensor FS-a, FS-b, into an (analog) signal that represents the force exerted.

Die Berührungsoberfläche 10 wird durch (nicht gezeigte) Dämpfer gestützt, so dass ein Stoß/Fingerdrücken an irgendeiner Stelle/Position auf der Berührungsoberfläche 10 die gesamten Oberflächenpunkte mit unterschiedlichen (vertikalen) Auslenkungen nach unten bewegt. Daher verursacht ein Stoß mit einer Kraft F direkt über dem Sensorpunkt eines jeweiligen Kraftsensors FS-a, FS-b eine größere Auslenkung (und ein entsprechendes analoges Signal) als ein Stoß mit der gleichen Kraft F an einer von dem Sensorpunkt entfernten Position.The touch surface 10 is supported by dampers (not shown) such that a nudge/finger press anywhere on the touch surface 10 moves the entire surface points down with different (vertical) deflections. Therefore, an impact with a force F directly above the sensor point of a respective force sensor FS-a, FS-b causes a larger deflection (and a corresponding analog signal) than a shock with the same force F at a position distant from the sensor point.

Das elektronische Gerät 100 weist ferner einen Speicher 30 auf, in dem ein jeweiliges Regressionsmodell für jeden des ersten und zweiten Kraftsensors FS-a, FS-b gespeichert ist. Die jeweiligen Regressionsmodelle beschreiben eine Beziehung zwischen einer Kraft F, die an einer bestimmten (zweidimensionalen) Position P(x, y) der Berührungsoberfläche 10 auf die Berührungsoberfläche 10 ausgeübt wird, und einem jeweiligen Signal, das von dem jeweiligen ersten oder zweiten Kraftsensor FS-a, FS-b erfasst wird.The electronic device 100 also has a memory 30 in which a respective regression model for each of the first and second force sensors FS-a, FS-b is stored. The respective regression models describe a relationship between a force F that is exerted on the touch surface 10 at a specific (two-dimensional) position P(x, y) of the touch surface 10 and a respective signal that is detected by the respective first or second force sensor FS-a, FS-b.

Die Anpassung der Daten, um die jeweiligen Regressionsmodelle zu erhalten, kann abhängig von den physikalischen Eigenschaften des elektronischen Geräts 100 durch lineare oder polynomiale Regression erfolgen. Trainingsproben zum Erstellen der Regressionsmodelle können entweder unter Verwendung einer Simulation des Verhaltens/Biegens der Berührungsoberfläche 10, wenn die Berührungsoberfläche 10 gedrückt wird, und den entsprechenden, durch den ersten und den zweiten Kraftsensor FS-a, FS-b erzeugten Signalen, oder unter Verwendung von echten Messdaten gesammelt werden.Depending on the physical properties of the electronic device 100, the fitting of the data in order to obtain the respective regression models can be carried out by means of linear or polynomial regression. Training samples to create the regression models can be collected either using a simulation of the behavior/flexing of the touch surface 10 when the touch surface 10 is pressed and the corresponding signals generated by the first and second force sensors FS-a, FS-b, or using real measurement data.

Die folgende Formel beschreibt ein lineares Regressionsmodell, in dem C^ das jeweilige Signal darstellt, das von dem jeweiligen ersten oder zweiten Kraftsensors FS-a, FS-b erfasst wird, wenn die Kraft F an der Position P (x, y) auf die Berührungsoberfläche 10 ausgeübt wird, die durch die Position x auf der X-Koordinate und die Position y auf der Y-Koordinate angegeben wird, wobei β₀, β₁, β₂, und β₃ Koeffizienten sind. $C^{\land} = β_{0} + β_{1} \times x + β_{2} \times y + β_{3} \times F$

The following formula describes a linear regression model in which C^ represents the respective signal that is recorded by the respective first or second strengthensors FS-A, FS-B when the force F at position P (x, y) is exerted on the touch interface 10, which is specified by position _X on the X-coordinate and position y on the y coordinate, where β ₀ , β ₂ , and β ₃ coefficients are.

C^{\land} = β_{0} + β_{1} \times x + β_{2} \times y + β_{3} \times f

Außerdem weist das elektronische Gerät 100 eine Steuereinheit 40 auf, die mit dem Berührungssensor 20, dem ersten und zweiten Kraftsensor FS-a, FS-b, dem Speicher 30 und einer Kommunikationseinheit 50 verbunden ist, die die Kommunikation mit einem externen (elektronischen) Gerät ermöglicht, das durch das elektronische Gerät 100 basierend auf der Position und/oder Kraft des empfangenen Fingerdrückens gesteuert werden soll.In addition, the electronic device 100 has a control unit 40 that is connected to the touch sensor 20, the first and second force sensors FS-a, FS-b, the memory 30 and a communication unit 50 that enables communication with an external (electronic) device to be controlled by the electronic device 100 based on the position and/or force of the received finger press.

Die Steuereinheit 40, der Berührungssensor 20, die ersten und zweiten Kraftsensoren FS-a, FS-b, der Speicher 30 und die Kommunikationseinheit 50 sind konfiguriert, um miteinander zu kommunizieren, und Daten untereinander auszutauschen. Insbesondere ist die Steuereinheit 40 konfiguriert, um von dem Berührungssensor 20 ein oder mehrere Signale zu empfangen, die angeben, dass die Berührungsoberfläche 10 berührt wird, und welcher der Bereiche 11, 12, 13, 14 berührt wird. Darüber hinaus ist die Steuereinheit 40 konfiguriert, um von dem ersten und dem zweiten Kraftsensor FS-a, FS-b die jeweiligen Signale zu empfangen, die die jeweilige Kraft angeben, welche auf den jeweiligen Kraftsensor FS-a, FS-b ausgeübt wird.The control unit 40, the touch sensor 20, the first and second force sensors FS-a, FS-b, the memory 30 and the communication unit 50 are configured to communicate with each other and exchange data with each other. In particular, controller 40 is configured to receive one or more signals from touch sensor 20 indicating that touch surface 10 is being touched and which of areas 11, 12, 13, 14 is being touched. In addition, the control unit 40 is configured to receive from the first and the second force sensor FS-a, FS-b the respective signals that indicate the respective force that is exerted on the respective force sensor FS-a, FS-b.

Darüber hinaus ist Steuereinheit 40 konfiguriert, um a) eine Vielzahl von Hypothesenpunkten (Partikeln) HP₁, ..., HP_n (oder einfach HP_i mit i = 1, ..., n) zu erzeugen, so dass jeder Hypothesenpunkt HP₁, ..., HP_n ein Zustand zufälliger Kraft und Position auf der Berührungsoberfläche 10 ist, wenn der Berührungssensor 20 erfasst, dass die Berührungsoberfläche 10 berührt wird. Ein Beispiel für die Positionen der erzeugten Hypothesenpunkte HP₁, ..., HP₉ ist in 3 dargestellt. Dabei werden vorzugsweise nur Hypothesenpunkte HP₁, ..., HP_n erzeugt, deren Positionen in dem (erfassten) Bereich 11, 12, 13, 14 liegen, der gedrückt wurde. In dem in 3 dargestellten Beispiel wurde durch den Berührungssensor 20 erfasst, dass der Bereich 11 berührt wurde. Daher werden nur Hypothesenpunkte HP_i erzeugt, deren Positionen sich im Bereich 11 befinden.In addition, control unit 40 is configured to a) generate a plurality of hypothesis points (particles) HP ₁ , ..., HP _n (or simply HP _i with i = 1, ..., n) such that each hypothesis point HP ₁ , ..., HP _n is a state of random force and position on touch surface 10 when touch sensor 20 detects that touch surface 10 is touched. An example of the positions of the generated hypothesis points HP ₁ , ..., HP ₉ is in 3 shown. In this case, preferably only hypothetical points HP ₁ , _. . . in the in 3 illustrated example, it was detected by the touch sensor 20 that the area 11 was touched. Therefore, only hypothesis points HP _i whose positions are in area 11 are generated.

Die Steuereinheit 40 ist ferner konfiguriert, b) jedes der Regressionsmodelle durch sequentielles Eingeben jedes der Vielzahl von Hypothesenpunkten HP_i abzufragen, um einen jeweiligen modellbasierten Wert für einen jeweiligen einen der Vielzahl von Hypothesenpunkten HP₁, ..., HP_n, zu erhalten, für jeden der ersten und zweiten Kraftsensoren FS-a, FS-b, und c) jeweils eine Wahrscheinlichkeit zu berechnen, dass der modellbasierte Wert für einen jeweiligen der ersten und zweiten Kraftsensoren FSa, FS-b korrekt ist, für jeden der modellbasierten Werte.The control unit 40 is further configured to b) query each of the regression models by sequentially inputting each of the plurality of hypothesis points HP _i to obtain a respective model-based value for a respective one of the plurality of hypothesis points HP ₁ , ..., HP _n , for each of the first and second force sensors FS-a, FS-b, and c) to calculate a probability that the model-based value for a respective one of the first and second force sensors FSa, FS-b is correct for each of the model-based values.

In einer bevorzugten Ausführungsform basiert die Berechnung der Wahrscheinlichkeit auf einem Vergleich des jeweiligen modellbasierten Werts mit dem jeweiligen Signal, das von dem jeweiligen Kraftsensor FS-a, FS-b erfasst wird. Beispielsweise können die Wahrscheinlichkeiten Probi, _FS-a und Probi, _FS-b, dass ein Hypothesenpunkt HP_i korrekt ist, unter Verwendung der folgenden Formeln berechnet werden: $P r o b_{i, F S - a} = \frac{1}{σ \sqrt{2 π}} \times e^{- \frac{1}{2} {(\frac{c_{F S - a^{\land} i} - c_{F S - a}}{σ})}^{2}} = w {[(F S - a)]}_{i},$

P r o b_{i, F S - b} = \frac{1}{σ \sqrt{2 π}} \times e^{- \frac{1}{2} {(\frac{c_{F S - b^{\land} i} - c_{F S - b}}{σ})}^{2}} = w {[(F S - b)]}_{i}

wobei C_FS-a ^i und C_FS-b ^ die modellbasierten Werte für den Hypothesenpunkt HP_i sind, C_FS-a und C_FS-b die von den Kraftsensors FS-a und FS-b erfassten Signale sind, z. B. Kapazitätswerte, wenn entsprechende Kraftsensoren verwendet werden, und σ die Standardabweichung der Verteilung um eine Messung herum ist, beispielsweise eine Normalverteilung. Die berechneten Wahrscheinlichkeiten können auch als Gewichte w[(FS-a)]_i und w[(FS-b)]_i bezeichnet werden.In a preferred embodiment, the calculation of the probability is based on a comparison of the respective model-based value with the respective signal that is detected by the respective force sensor FS-a, FS-b. For example, the probabilities Probi, _FS-a and Probi, _FS-b that a hypothesis point HP _i is correct can be calculated using the following formulas:

P right O b_{i, f S - a} = \frac{1}{σ \sqrt{2 π}} \times e^{- \frac{1}{2} {(\frac{c_{f S - a^{\land} i} - c_{f S - a}}{σ})}^{2}} = w {[(f S - a)]}_{i},

P right O b_{i, f S - b} = \frac{1}{σ \sqrt{2 π}} \times e^{- \frac{1}{2} {(\frac{c_{f S - b^{\land} i} - c_{f S - b}}{σ})}^{2}} = w {[(f S - b)]}_{i}

where C _FS-a ^i and C _FS-b ^ are the model-based values for the hypothesized point HP _i , C _FS-a and C _FS-b those detected by the force sensors FS-a and FS-b signals are e.g. B. capacitance values when corresponding force sensors are used, and σ is the standard deviation of the distribution around a measurement, e.g. a normal distribution. The calculated probabilities can also be denoted as weights w[(FS-a)] _i and w[(FS-b)] _i .

Die Steuereinheit 40 ist ferner konfiguriert, d) die jeweiligen Wahrscheinlichkeiten, dass der modellbasierte Wert für einen jeweiligen einen der ersten und zweiten Kraftsensoren FS-a, FS-b korrekt ist, für jeden der modellbasierten Werte, zu multiplizieren, um ein jeweiliges Gewicht w_i für jeden der Vielzahl von Hypothesenpunkten HP_i zu erhalten, insbesondere unter Verwendung der folgenden Formel: $w_{i} = w {[(F S - a)]}_{i} \times w {[(F S - b)]}_{i}$

The control unit 40 is further configured, d) to multiply the respective probabilities that the model-based value for a respective one of the first and second force sensors FS-a, FS-b is correct, for each of the model-based values, in order to obtain a respective weight w _i for each of the plurality of hypothesis points HP _i , in particular using the following formula:

w_{i} = w {[(f S - a)]}_{i} \times w {[(f S - b)]}_{i}

Die Steuereinheit 40 ist ferner konfiguriert, e) die Vielzahl von Hypothesenpunkten HP_i basierend auf dem jeweiligen Gewicht von jedem der Hypothesenpunkte HP_i zu resampeln, um eine resampelte Vielzahl von Hypothesenpunkten HP_i zu erhalten, wie in 4. gezeigt. In diesem Resample-Prozess werden Hypothesenpunkte HP_i mit einem relativ niedrigen Gewicht w_i gelöscht oder mit einer geringeren Wahrscheinlichkeit ausgewählt, während andere Hypothesenpunkte HP_i mit einem relativ hohen Gewicht w_i mehr als einmal ausgewählt werden, um die resampelte Vielzahl von Hypothesenpunkten HP_i zu erhalten.The control unit 40 is further configured to e) resample the plurality of hypothesis points HP _i based on the respective weight of each of the hypothesis points HP _i to obtain a resampled plurality of hypothesis points HP _i as in FIG 4 . shown. In this resample process, hypothesis points HP _i with a relatively low weight w _i are deleted or selected with a lower probability, while other hypothesis points HP _i with a relatively high weight w _i are selected more than once to obtain the resampled plurality of hypothesis points HP _i .

Das Steuereinheit 40 ist ferner konfiguriert, f) die resampelte Vielzahl von Hypothesenpunkten HP_i durch Ändern mindestens eines resampelten Hypothesenpunkts HP₁, so dass eine vorbestimmte Kraft und ein willkürlicher Rauschbeitrag zu der zufälligen Kraft hinzugefügt werden und ein willkürlicher Rauschbeitrag zu der Position des mindestens einen resampelten Hypothesenpunkts HP_i hinzugefügt wird, zu ändern, um eine geänderte, resampelte Vielzahl von Hypothesenpunkten HP_i zu erhalten. In einer bevorzugten Ausführungsform werden alle resampelten Hypothesenpunkte HP_i geändert, um die geänderte, resampelte Vielzahl von Hypothesenpunkten HP_i zu erhalten. The control unit 40 is further configured to f) change the resampled plurality of hypothesis points HP _i by changing at least one resampled hypothesis point HP ₁ such that a predetermined force and an arbitrary noise contribution are added to the random force and an arbitrary noise contribution is added to the position of the at least one resampled hypothesis point HP _i to obtain a changed, resampled plurality of hypothesis points HP _i . In a preferred embodiment, all of the resampled hypothesis points HP _i are modified to obtain the modified, re-sampled plurality of hypothesis points HP _i .

Ein Beispiel für das Hinzufügen des jeweiligen willkürlichen Rauschbeitrags, insbesondere Gauß'schem Rauschen, zu der zufälligen Kraft und zu der Position des mindestens einen resampelten Hypothesenpunktes HP_i ist in den folgenden Formeln dargestellt: $x_{i} \leftarrow x_{i} + N (0, σ)$

y_{i} \leftarrow y_{i} + N (0, σ)

F_{i} \leftarrow F_{i} + N (0, σ),

wobei
N (0, σ) die Normalverteilung in Bezug auf einen Mittelpunkt 0 und σ eine Standardabweichung ist, die in Abhängigkeit von der Größe der Sensorfläche in Bezug auf x_i und y_i und in Bezug auf F_i in Abhängigkeit von einem Druckkraftbereich gewählt wird, mit dem das Drücken durchgeführt wird, wobei die σ's für x_i, y_i und F_i voneinander verschieden gewählt werden können.An example for adding the respective random noise contribution, in particular Gaussian noise, to the random force and to the position of the at least one resampled hypothesis point HP _i is shown in the following formulas:

x_{i} \leftarrow x_{i} + N (0, σ)

y_{i} \leftarrow y_{i} + N (0, σ)

f_{i} \leftarrow f_{i} + N (0, σ),

whereby
N (0, σ) is the normal distribution with respect to a center 0 and σ is a standard deviation chosen depending on the size of the sensor area with respect to x _i and y _i and with respect to F _i depending on a compressive force range with which the compressing is performed, where the σ's for x _i , y _i and F _i can be chosen different from each other.

Ein Beispiel für das Hinzufügen der vorbestimmten Kraft zu der zufälligen Kraft des mindestens einen resampelten Hypothesenpunkts HP_i ist in der folgenden Formel dargestellt: $F_{i} \leftarrow F_{i} + F_{a v} \times T_{s a m p l e},$

wobei
F_av eine durchschnittliche Anstiegsrate der Kraft eines Fingerdrückens durch einen Menschen und T_sample eine Abtastrate der Kraftsensors FS-a, FS-b und/oder des Berührungssensors 20 ist.An example of adding the predetermined force to the random force of the at least one resampled hypothesis point HP _i is shown in the following formula:

f_{i} \leftarrow f_{i} + f_{a v} \times T_{s a m p l e},

whereby
F _av is an average rate of increase in force of a finger press by a human; and T _sample is a sampling rate of force sensor FS-a, FS-b and/or touch sensor 20.

Die elektronisches Gerät 40 ist ferner konfiguriert, g) die Schritte b) bis f) mehrmals zu wiederholen, bis eine vorbestimmte Bedingung erfüllt ist, wobei die geänderte resampelte Vielzahl von Hypothesenpunkten HP_i als die Vielzahl von Hypothesenpunkten HP_i gesetzt wird, h) einen Mittelwert der Positionen und der zufälligen Kräfte der Hypothesenpunkte HP_i zu bilden und die Position P (x, y) zu bestimmen, an der die Berührungsoberfläche 10 gedrückt wird, und die Kraft F, mit der die Berührungsoberfläche 10 gedrückt wird, basierend auf dem Mittelwert der Positionen und dem Mittelwert der zufälligen Kräfte der Hypothesenpunkte HP₁, ..., HP_n.The electronic device 40 is further configured to g) repeat steps b) through f) multiple times until a predetermined condition is met, wherein the changed resampled plurality of hypothesis points HP _i is set as the plurality of hypothesis points HP _i , h) to form an average of the positions and the random forces of the hypothesis points HP _i and to determine the position P (x, y) at which the touch surface 10 is pressed and the force F with which the touch surface 10 is pressed , based on the mean of the positions and the mean of the random powers of the hypothesis points HP ₁ , ..., HP _n .

Gemäß einer Ausführungsform ist das elektronische Gerät 40 konfiguriert, in h) einen Mittelwert der Positionen und der zufälligen Kräfte von Hypothesepunkten mit Gewichten höher als einem jeweiligen vorbestimmter Wert zu bilden, und den Mittelwert der Positionen und den Mittelwert der zufälligen Kräfte der Hypothesenpunkte HP₁, ..., HP_n mit den Gewichten höher als den jeweiligen vorbestimmten Werten als die Position P (x, y), an der die Berührungsoberfläche 10 gedrückt wird, und als die Kraft F, mit der die Berührungsoberfläche 10 gedrückt wird, zu bestimmen.According to one embodiment, the electronic device 40 is configured, in h) to form an average of the positions and the random forces of hypotheses points with weights higher than a respective predetermined value, and to determine the mean of the positions and the mean of the random forces of the hypotheses points HP ₁ , ..., HP _n with the weights higher than the respective predetermined values as the position P (x, y) at which the touch surface 10 is pressed and as the force F with which the touch surface 10 is pressed .

Gemäß einer anderen Ausführungsform ist das elektronische Gerät 40 konfiguriert, in h) einen Mittelwert der Positionen und der zufälligen Kräfte einer Anzahl von Hypothesenpunkten HP₁, ..., HP_n mit den höchsten Gewichten zu bilden, und den Mittelwert der Positionen und den Mittelwert der zufälligen Kräfte der Anzahl von Hypothesenpunkten mit den höchsten Gewichten als die Position P (x, y), an der die Berührungsoberfläche 10 gedrückt wird, und als die Kraft F, mit der die Berührungsoberfläche 10 gedrückt wird, zu bestimmen.According to another embodiment, the electronic device 40 is configured, in h) to form an average of the positions and the random powers of a number of hypothesis points HP ₁ , ..., HP _n with the highest weights, and the average of the positions and the average of the random powers of the number of hypothesis points with the highest weights as the position P (x, y) at which the touch surface 10 is pressed and the force F with which the touch surface 10 is pressed.

Die vorbestimmte Bedingung kann erfüllt sein, wenn eine Anstiegsrate des Signals, das von mindestens einem der ersten und zweiten Kraftsensoren FS-a, FS-b erfasst wird, kleiner als ein vorbestimmter Schwellenwert ist, der angibt, dass das Fingerdrücken gestoppt ist.The predetermined condition may be met when a rate of increase of the signal sensed by at least one of the first and second force sensors FS-a, FS-b is less than a predetermined threshold value indicating that finger pressing is stopped.

BezugszeichenlisteReference List

1010: Berührungsoberflächetouch surface
11-1411-14: Bereich der Berührungsoberflächearea of the touch surface
2020: Berührungssensortouch sensor
3030: SpeicherStorage
4040: Steuereinheitcontrol unit
5050: Kommunikationseinheitcommunication unit
100100: elektronisches Gerätelectronic device
FS-aFS-a: erster Kraftsensorfirst force sensor
FS-bFS-b: zweiter Kraftsensorsecond force sensor
HPihpi: Hypothesenpunkthypothesis point

Claims

A method for determining a position and a force of a finger press on a touch surface (10) of an electronic device (100), which has a touch surface (10), optionally a touch sensor (20) configured to detect when the touch surface (10) is touched, at least two force sensors (FS-a, FS-b) configured to detect a respective signal indicative of a respective force (F) indicating that the respective force sensor (FS-a, FS-b) is exerted, when the touch surface (10) is pressed, and has a memory (30) in which a respective regression model is stored for each of the at least two force sensors (FS-a, FS-b), which describes a relationship between a force exerted on the touch surface (10) at a specific position (P (x, y)) of the touch surface (10) and a respective signal that is detected by a respective force sensor (FS-a, FS-b); the method comprising the steps of: a) generating a plurality of hypothesis points (HP ₁ ,...,HP _n ) such that each hypothesis point (HP ₁ ,...,HP _n ) is a state of random force and position on the touch surface (10) if at least one of the two force sensors (FS-a, FS-b) detects that the touch surface (10) is pressed and/or the touch sensor (20) detects that the touch surface ( 10) is touched; b) querying each of the regression models by sequentially inputting each of the plurality of hypothesis points (HP ₁ ,...,HP _n ) to obtain a respective model-based value for a respective one of the plurality of hypothesis points (HP ₁ ,...,HP _n ), for each of the at least two force sensors (FS-a, FS-b); c) respectively calculating a probability that the model-based value for a respective one of the at least two force sensors (FS-a, FS-b) is correct for each of the model-based values; d) multiplying the respective probabilities that the model-based value for a respective one of the at least two force sensors (FS-a, FS-b) is correct, for each of the model-based values to obtain a respective weight for each of the Vile number of hypothesis points (HP ₁ , ..., HP _n ); e) resampling the plurality of hypothesis points (HP ₁ ,...,HP _n ) based on the respective weight of each of the hypothesis points (HP ₁ ,...,HP _n ) to obtain a resampled plurality of hypothesis points (HP ₁ ,...,HP _n ); f) changing the resampled plurality of hypothesis points (HP ₁ ,...,HP _n ) by changing at least one resampled hypothesis point (HP ₁ ,...,HP _n ) such that a predetermined force and an arbitrary noise contribution are added to the random force and an arbitrary noise contribution is added to the position of the at least one resampled hypothesis point (HP ₁ ,...,HP _n ) to produce a changed, obtain a resampled plurality of hypothesis points; g) repeating steps b) to f) a number of times until a predetermined condition is met, setting the modified, resampled plurality of hypothesis points as the plurality of hypothesis points (HP ₁ , ..., HP _n ), and h) averaging the positions and random forces of the hypothesis points and determining the position ((P (x, y)) at which the touch surface (10) is pressed and the force (F) with which the touch surface (10 ) based on the mean of the positions and the mean of the random forces.

procedure after claim 1 , wherein step h) averaging the positions and the random forces of hypothesis points (HP ₁ , ..., HP _n ) with weights higher than a respective predetermined value, and determining the mean of the positions and the mean of the random forces of the hypothesis points (HP ₁ , ..., HP _n ) with the weights higher than the respective predetermined values as the position (P (x, y)) at which the touch surface is pressed and as the force (F), with which the touch surface (10) is pressed.

procedure after claim 1 , wherein step h) averaging the positions and the random forces of a number of hypothesis points (HP ₁ , ..., HP _n ) with the highest weights and determining the mean value of the positions and the mean of the random forces of the number of hypothesis points (HP ₁ , ..., HP _n ) with the highest weights as the position (P (x, y)) at which the touch surface (10) is pressed and as the force (F) with which the touching surface (10) is pressed, has.

Method according to one of the preceding claims, wherein the probability that the model-based value for the respective one of the at least two force sensors (FS-a, FS-b) is correct, for each of the model-based values, in step c) based on a comparison of the respective model-based value with the respective signal that is detected by the respective force sensor (FS-a, FS-b) is calculated.

A method according to any preceding claim, wherein the touch surface (10) is supported by dampers and the at least two force sensors (FS-a, FS-b) are each configured to sense a respective deflection of a respective point of the touch surface (10).

A method according to any one of the preceding claims, wherein the predetermined force is determined based on an average rate of increase in force of a finger press by a human and a sampling rate of the at least two force sensors (FS -a, FS -b).

Method according to one of the preceding claims, wherein the touch surface (10) is divided into two or more areas (11, 12, 13, 14), in particular four areas, and the touch sensor (20) is configured to detect which of the two or more areas (11, 12, 13, 14) is touched.

Method according to one of the preceding claims, wherein the predetermined condition is met when a rate of increase of the signal detected by at least one of the at least two force sensors (FS-a, FS-b) is less than a predetermined threshold value.

Method according to one of the preceding claims, wherein after step d) the weights of the plurality of hypothesis points (HP ₁ , ..., HP _n ) are normalized such that the sum of the weights of the plurality of hypothesis points (HP ₁ , ..., HP _n ) is 1, and the normalized weights of the respective hypothesis points (HP ₁ , ..., HP _n ) are set as the weights of the respective hypothesis points (HP ₁ , ..., HP _n ). become.

An electronic device (100) comprising: a touch surface (10); optionally a touch sensor (20) configured to detect when the touch surface (10) is touched; at least two force sensors (FS-a, FS-b) configured to detect a respective signal indicative of a respective force (F) exerted on the respective force sensor (FS-a, FS-b) when the touch surface (10) is pressed; a memory (30) in which a respective regression model for each of the at least two force sensors (FS-a, FS-b) is stored, which describes a relationship between a force exerted on the touch surface (10) at a specific position of the touch surface (10) and a respective signal which is detected by a respective force sensor (FS-a, FS-b); and a control unit (40) configured to: a) generate a plurality of hypothesis points (HP ₁ , HP _i ) such that each hypothesis point (HP ₁ , HP _i ) is a state of random force and position on the touch surface (10) when at least one of the two force sensors (FS-a, FS-b) detects that the touch surface (10) is pressed and/or the touch sensor (20) detects that the touch surface (10) is touching will; b) query each of the regression models by sequentially inputting each of the plurality of hypothesis points (HP ₁ , HP _i ) to obtain a respective model-based value for a respective one of the plurality of hypothesis points (HP ₁ , HP _i ), for each of the at least two force sensors (FS-a, FS-b); c) to calculate in each case a probability that the model-based value is correct for a respective one of the at least two force sensors (FS-a, FS-b) for each of the model-based values; d) multiplying the respective probabilities that the model-based value for a respective one of the at least two force sensors is correct for each of the model-based values to obtain a respective weight for each of the plurality of hypothesis points (HP ₁ , HP _i ); e) resampling the plurality of hypothesis points (HP ₁ , HP _i ) based on the respective weight of each of the hypothesis points (HP1, HPi) to obtain a resampled plurality of hypothesis points; f) changing the resampled plurality of hypothesis points by changing at least one resampled hypothesis point such that a predetermined force and an arbitrary noise contribution are added to the random force and an arbitrary noise contribution is added to the position of the at least one resampled hypothesis point to obtain a changed, resampled plurality of hypothesis points; g) repeating steps b) to f) several times until a predetermined condition is met, wherein the modified, resampled plurality of hypothesis points is set as the plurality of hypothesis points, and h) averaging the positions and the random forces of the hypothesis points and determining the position (P(x,y)) at which the touch surface (10) is pressed and the force (F) with which the touch surface (10) is pressed based on the mean of the positions and the mean of the random forces of the hypothesis points.

Electronic device (100) after claim 10 , wherein the electronic device (40) is configured to average the positions and the random forces of hypothesis points (HP ₁ ,...,HP _n ) with weights higher than a respective predetermined value, and the average of the positions and the mean of the random forces of the hypothesis points (HP ₁ ,...,HP _n ) with the weights higher than the respective predetermined values as the position (P (x ,y)) at which the touch surface is pressed and as the force (F ) with which the touch surface (10) is pressed, to be determined in h).

Electronic device (100) after claim 10 , wherein the electronic device (40) is configured to form the mean of the positions and the random forces of a number of hypothesis points (HP ₁ , ..., HP _n ) with the highest weights, and the mean of the positions and the mean of the random forces of the number of hypothesis points (HP ₁ , ..., HP _n ) with the highest weights as the position (P (x, y)) at which the touch surface (10) is pressed and as the force (F) with which the touch s surface (10) is pressed, in h) to determine.

Electronic device (100) according to one of the preceding claims, wherein the electronic device (100) is configured to calculate the probability that the model-based value for the respective one of the at least two force sensors (FS-a, FS-b) is correct, for each of the model-based values, based on a comparison of the respective model-based value with the respective signal that is detected by the respective force sensor (FS-a, FS-b).

Electronic device (100) according to one of the preceding claims, wherein the touch surface (10) is supported by dampers, and the at least two force sensors (FS-a, FS-b) are each configured to detect a respective deflection of a respective point of the touch surface (10).

The electronic device (100) of any preceding claim, wherein the predetermined force is determined based on an average rate of increase in force of a human finger press and a sampling rate of the at least two force sensors (FS-a, FS-b).

Electronic device (100) according to one of the preceding claims, wherein the touch surface (10) is divided into two or more areas (11, 12, 13, 14), in particular four areas, and the touch sensor (20) is configured to detect which of the two or more areas (11, 12, 13, 14) is touched.

Electronic device (100) according to any one of the preceding claims, wherein the predetermined condition is met when a rate of increase of the signal detected by at least one of the at least two force sensors (FS-a, FS-b) is less than a predetermined threshold.

Electronic device (100) according to one of the preceding claims, wherein the control unit (40) is further configured to normalize the weights of the plurality of hypothesis points (HP ₁ , ..., HP _n ) such that the sum of the weights of the plurality of hypothesis points (HP ₁ , ..., HP _n ) is 1, and the normalized weights of the respective hypothesis points (HP ₁ , ..., HP _n ) as the weights of the respective hypothesis points (HP ₁ , ..., HP _n ), after multiplying the respective probabilities that the model-based value for a respective one of the at least two force sensors is correct, for each of the model-based values to obtain a respective weight for each of the plurality of hypothesis points (HP ₁ , ..., HP _i ).