[发明专利]一种硬度识别方法、硬度识别系统、装置及存储介质

说明书

本申请涉及机器人硬度识别领域，公开了一种硬度识别方法，硬度识别系统、装置及存储介质。该方法包括：获取触觉数据；其中，触觉数据是根据机械手对样本物体进行按压操作而采集的力矩数据和压力数据得到；对触觉数据进行预处理，以得到触觉图像；将触觉图像输入至预先训练的硬度识别网络中，以对触觉图像进行分类，进一步得到样本物体的硬度；其中，硬度识别网络至少包括一全连接层，全连接层的分类类别采用泊松分布编码确定。通过上述方式，本申请能够学习到硬度层级之间的有序关系并将硬度进行分类。

技术领域

本申请涉及机器人硬度识别领域，特别是涉及一种硬度识别方法、硬度识别系统、硬度识别装置及计算机可读存储介质。

背景技术

当环境黑暗或者视觉传感器不能工作时，触觉识别对机器人探索环境起到了重要作用。当机器人触碰物体时，可以得到有关该物体的很多特性，例如物体表面的纹理、粗糙度、硬度等。其中硬度是机器人识别物体最重要的触觉属性之一。

触觉硬度识别可以补充视觉传感器无法感知的信息。例如，一些水果成熟前与成熟后在外观上并无明显区别，仅仅通过视觉传感器难以判断水果成熟度，但利用触觉硬度识别加以辅助可以很容易判断出水果的成熟度，因为成熟度不同的水果其硬度有较大差别。到目前为止，深度学习在物体的硬度识别上展现出优越的性能。

传统的基于深度学习的硬度识别方法具有一定的局限性，这些方法都无法学习到物体硬度层级之间的有序信息。

发明内容

本申请主要解决的技术问题是提供一种硬度识别方法，能够实现正确识别硬度类别的同时还能够反映出不同硬度之间的关系。

为了解决上述技术问题，本申请采用的一种技术方案是：提供了一种硬度识别方法，包括：

获取触觉数据；其中，触觉数据是根据机械手对样本物体进行按压操作而采集的力矩数据和压力数据得到；对触觉数据进行预处理，以得到触觉图像；将触觉图像输入至预先训练的硬度识别网络中，以对触觉图像进行分类，进一步得到样本物体的硬度；其中，硬度识别网络至少包括一全连接层，全连接层的分类类别采用泊松分布编码确定。

其中，泊松分布编码基于以下公式实现；

其中，其中，K表示预测类别的数量，H(k)表示对泊松分布的概率密度函数求对数后得到，表示全部预测类别的概率之和，其结果为1，exp(-H(k))表示编码正确类别的概率。

该方法还包括，机械手的预设数量个手指中，每一手指上设置一力矩传感器和多个阵列分布的压力传感器；其中，对触觉数据进行预处理，以得到触觉图像包括：根据每一手指的多个阵列分布的压力传感器采集的数据，形成第一压力数据矩阵；将预设数量个手指对应的第一压力数据矩阵进行拼接，形成第二压力数据矩阵；以及根据预设数量个手指的力矩传感器采集的数据，形成第一力矩数据矩阵；对第一力矩数据矩阵进行复制，形成第二力矩数据矩阵；对第二压力数据矩阵与第二力矩数据矩阵进行拼接，以得到触觉图像。

其中，对多个时间点的触觉数据进行下采样处理；将下采样后的多个触觉图像组合形成触觉图像序列；将触觉图像输入至预先训练的硬度识别网络中，以对触觉图像进行分类，进一步得到样本物体的硬度，包括：将触觉图像序列输入至预先训练的硬度识别网络中，以对触觉图像序列进行分类，进一步得到样本物体的硬度。

其中，对触觉数据进行去噪处理，以将机械手接触样本物体之间的数据进行去除。

其中，还包括，对触觉数据进行正则化处理。

该方法还包括，建立硬度识别网络；获取数据集；其中，数据集包括多个触觉数据；对数据集进行预处理，以得到多个触觉图像序列；将多个触觉图像序列输入至硬度识别网络，以对硬度识别网络进行训练。