.png){kind=icon}
返回
ECT Sensor for Symmetrical Robot Gripper Application
.png){kind=icon}
PRE
AI
DOI：10.1109/TIM.2025.3595247.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
电学电容层析成像（ECT）是一种用于可视化工业过程中介电常数分布的成像技术。本文首次探索了ECT在机器人夹持器中的应用。在这种情况下，电极配置显著影响成像质量。如果一组四个电极安装在三个手指对称夹持器的每个手指上，电极组之间的间隙会影响图像重建，并且灵敏度矩阵应相应改变。本研究通过软件模拟和实验，研究了电极组间间隙与组内间隙比（GGR）从1:1到25:1的变化。图像重建采用线性反投影（LBP）和Landweber迭代法，并结合加权电极对、多角度融合及后续优化。模拟和实验均证实了优化成像策略的有效性。对于分层和环状分布，多角度和优化融合始终实现了所有GGR的高相关系数（CCs），分别超过0.90/0.77和0.85/0.91。对于双目标分布，优化融合在GGR范围为2:1至14:1时保持了CC高于0.80。GGR=5时的实验结果表明了所提方法的有效性，分层目标的CC高达0.91/0.96，环状目标的CC为0.94/0.87，双目标分布的CC为0.86/0.82，与模拟结果高度一致。这些结果表明，优化GGR并引入加权电极对可显著提升ECT图像质量。所提方法为将ECT集成到机器人夹持器中奠定了基础，实现了可靠的内部分析和结构表征。
Keyword:
Correlation coefficient (CC)
electrical capacitance tomography (ECT)
image quality
robotic gripper
sensor structure
期刊
IF:
5.9
论文数:
2.0W
被引数:
5.8W
机构
引用论文
A Robot Hand with Capacitive Tactile Sensor for Object Recognition using Support Vector Machine
.png){kind=icon}
PREAI
分享收藏Development of capacitance tomographic imaging systems for oil pipeline measurements用于油管道测量的电容层析成像系统的发展
PREAI
分享收藏分享收藏Optimal multi-level thresholding using a two-stage Otsu optimization approach使用两阶段Otsu优化方法的最佳多级阈值
PREAI
分享收藏A Physics-Constrained Deep Learning-Based Image Reconstruction for Electrical Capacitance Tomography基于物理约束深度学习的电容层析成像图像重建
PREAI
分享收藏
查看更多内容