[發明專利]一種力反饋仿真數據的生成方法及一種力反饋仿真系統

有效

• 申請號: 201910474557.1
• 申請日: 2019-06-03
• 公開（公告）號: CN110275615B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 陳超;齊曉雨;潘思歧;劉佳昊;張皓穎
• 申請（專利權）人: 華北科技學院
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06F30/20;G06V10/44;G06F119/14
• 代理公司: 北京索睿邦知識產權代理有限公司 11679
• 代理人: 陳彩芳

本發明公開了力反饋仿真數據的生成方法及力反饋仿真系統。其中，方法包括訓練樣本圖形獲取樣本模型及樣本的圖像特征值。采集當前采集陣列中各采集點的力值，根據各采集點的灰度值生成檢測陣列的當前圖像。獲取當前圖像的圖像特征值。根據樣本圖形、各采集點的灰度值及各采集點在當前檢測矩陣中的分布特征獲取觸感反饋陣列中各觸點的力反饋仿真數據。通過CNN卷積神經網絡構建樣本圖形，根據當前的多采集點生成當前灰度圖形的當前圖像特征值。通過當前圖像特征值與樣本圖像特征值的匹配結果，根據樣本圖形仿真當前動作。對于對象細節多、采集面積較大及仿真采集數據精度高的模型可在不提升處理器性能的同時，保證其仿真的精度及準確性。

技術領域

本發明屬于機器學習及系統仿真領域，特別應用于力反饋的模擬場景，尤其涉及力反饋仿真數據的生成方法及力反饋仿真系統。

背景技術

在系統仿真的場景還原時，通過模擬力反饋點陣對仿真區域內的反饋力進行模擬輸出。為了保證各反饋點的準確模擬，多采用多點力采集方式對仿真對象的施力狀態進行采集。當仿真對象的采集細節較多、采集面積較大或仿真采集數據精度較高時，則需要在仿真對象上設置上百級或上千級的力采集點。采集點數量較多時，則會因處理器性能的局限，使采集數據無法在設定時間內準確處理，無法滿足力反饋數據生成的需要。

發明內容

本發明實施方式提供力反饋仿真數據的生成方法及力反饋仿真系統，用于至少解決上述技術問題之一。

第一方面，本發明提供力反饋仿真數據的生成方法，包括以下步驟：

步驟S101，訓練樣本圖形獲取樣本模型及樣本的圖像特征值。

步驟S102，采集當前采集陣列中各采集點的力值，根據各采集點的力值對應力值與灰度值對應關系獲取各采集點的灰度值，根據各采集點的灰度值生成檢測陣列的當前圖像。

步驟S103，通過樣本模型對當前圖像進行卷積神經網絡計算，獲取當前圖像的圖像特征值。

步驟S104，若當前圖像的圖像特征值與樣本的圖像特征值匹配，則根據樣本圖形、各采集點的灰度值及各采集點在當前檢測陣列中的分布特征獲取觸感反饋陣列中各觸點的力反饋仿真數據，力反饋仿真數據包括能夠驅動各觸點動作的驅動信息。

在本發明的一種優選的實施方式中，步驟S101中還包括：訓練多個樣本圖形獲取與其對應的多個樣本模型及多個樣本的圖像特征值。

步驟S104中還包括：將當前圖像的圖像特征值匹配多個樣本的圖像特征值，獲取與其對應的樣本圖形，根據該樣本圖形、各采集點的灰度值及各采集點在當前檢測陣列中的分布特征獲取觸感反饋陣列中各觸點的力反饋仿真數據，力反饋仿真數據包括能夠驅動各觸點動作的驅動信息。

在本發明的一種優選的實施方式中，步驟S102中還包括：根據各采集點的灰度值對當前采集陣列中各采集點的對應位置進行渲染，獲取檢測陣列的當前圖像。

在本發明的一種優選的實施方式中，步驟S102中還包括，根據設定的采集間隔時間，采集多個時間點的當前采集陣列中各采集點的力值，根據各時間點的各采集點的力值對應力值與灰度值對應關系獲取各時間點的各采集點的灰度值，根據各時間點的各采集點的灰度值生成各時間點的檢測陣列的當前圖像。

步驟S103中包括，通過樣本模型對各時間點的當前圖像進行卷積神經網絡計算，獲取各時間點的當前圖像的圖像特征值。

步驟S104中包括，判斷各時間點中設定數量的當前圖像的圖像特征值與樣本的圖像特征值是否匹配，若是，則根據樣本圖形、各采集點的灰度值及各采集點在當前檢測陣列中的分布特征獲取觸感反饋陣列中各觸點的力反饋仿真數據，若否，則生成不匹配信息。

在本發明的一種優選的實施方式中，步驟S101中還包括，從樣本圖形中提取部分樣本圖形，訓練部分樣本圖形獲取部分樣本模型及部分樣本的圖像特征值。