.png){kind=icon}
返回
Material Classification Using Visio-Tactile Sensor for Haptic Feedback Generation
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-00986-9_24.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉-触觉传感器的灵活性、多功能性和增强感知能力可能对先进机器人系统以及其他需要精确触觉反馈的应用有益。本文提出了一种综合框架，通过GelSight传感器结合材料分类和触觉反馈。研究包括创建一个多样化材料数据集，包含13类材料共42种室内外物品，每种物品在不同区域和按压条件下由人工手持GelSight微型传感器捕捉的多重视频样本。我们介绍了一种从记录的视频样本中检测按压事件并提取关键帧以捕捉重要材料特征的方法。我们采用传统和基于深度学习的特征提取技术来建模材料特性。这些特征随后通过监督学习方法使用不同图像分辨率对材料进行高精度分类。对于传统方法，方向梯度直方图（HOG）特征描述符结合SVM在新图像数据集上达到95.41%的准确率。在微调五个预训练模型进行迁移学习后，Dense-Net121（96.42%）、InceptionV3（96.32%）和VGG16（95.77%）模型表现出有前景的结果，而这三个微调模型的集成提供了97.63%的最高准确率。结果表明，基于GelSight的材料分类可用于触觉反馈，对虚拟现实、机器人操作和人与计算机交互应用具有潜在影响。
Keyword:
Material classification
Haptic feedback
Visio-tactile sensor
Feature extraction
Machine learning
Deep learning
期刊
R
IF:
0
论文数:
31
被引数:
0
机构
引用论文
Calandra, R.; Owens, A.; Upadhyaya, M.; Yuan, W.; Lin, J.; Adelson, E.H.; Levine, S. The Feeling of Success: Does Touch Sensing Help Predict Grasp Outcomes? arXiv 2017, arXiv:1710.05512. [Google Scholar] [CrossRef]Calandra, R.; Owens, A.; Upadhyaya, M.; Yuan, W.; Lin, J.; Adelson, E.H.; Levine, S. 成功的感觉：触觉传感能否帮助预测抓取结果？arXiv 2017, arXiv:1710.05512. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
分享收藏Rapid-Response, Low Detection Limit, and High-Sensitivity Capacitive Flexible Tactile Sensor Based on Three-Dimensional Porous Dielectric Layer for Wearable Electronic Skin基于三维多孔介电层的可穿戴电子皮肤快速响应、低检测限、高灵敏度电容式柔性触觉传感器
PREAI
分享收藏
查看更多内容