基于视触觉感知的机械手持针灸针的姿态估计方法与系统

    公开(公告)号:CN120070579A

    公开(公告)日:2025-05-30

    申请号:CN202510525838.0

    申请日:2025-04-25

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于视触觉感知的机械手持针灸针的姿态估计方法与系统,方法包括:使用夹持器在当前姿态和目标姿态下抓取针灸针,获取对应姿态下的触觉图像;对触觉图像处理以计算针灸针在两种不同姿态触觉图像中的角度、长度和位置,并计算由当前姿态到目标姿态的粗略匹配矩阵;对触觉图像处理以生成对应姿态下的触觉点云,然后基于粗略匹配矩阵对当前姿态下的触觉点云进行2D姿态对齐,再基于2D对齐后的触觉点云和目标姿态下的触觉点云并采用ICP点云配准方法,计算精细变换矩阵;基于粗略匹配矩阵和精细变换矩阵控制机械手夹持器进行旋转和平移。本发明相比于仅使用ICP匹配的姿态估计具有更好的对齐能力和更快的收敛性。

    一种FBG式螺旋梁高灵敏度并联六维力传感器

    公开(公告)号:CN119880232A

    公开(公告)日:2025-04-25

    申请号:CN202510390421.8

    申请日:2025-03-31

    Applicant: 湖南大学

    Abstract: 本发明公开了一种FBG式螺旋梁高灵敏度并联六维力传感器,包括:固定平台、测量平台和若干根弹性连接梁;固定平台和测量平台均为空心圆柱,测量平台同心设置于固定平台的内部;若干根弹性连接梁的远端,均匀分布且固定于测量平台外侧面的中心圆环上;若干根弹性连接梁的近端,相互间隔固定于所述固定平台内侧面的上、下两端面处;每根弹性连接梁的内部均设置光纤,每根光纤的两端分别固定于测量平台与固定平台的对应侧面上,且每根光纤从固定平台的外侧面引出;测量平台受到力/力矩时传递至弹性连接梁,弹性连接梁的变形导致内部光纤的光栅中心波长发生漂移,从而由中心波长的漂移得到六维力值。本发明可获得更高的灵敏度以及更高的分辨率。

    一种机器人仿人多手指联合触觉感知方法、系统和设备

    公开(公告)号:CN116572254A

    公开(公告)日:2023-08-11

    申请号:CN202310829132.4

    申请日:2023-07-07

    Applicant: 湖南大学

    Abstract: 本发明公开了一种机器人仿人多手指联合触觉感知方法、系统和设备,方法为:使用多指机械手爪对不同类物体抓取试验,采样触觉多维信息获得多维时间序列并标记物体类别;对标签样本增强处理;对增强样本集每个样本各个手指的多维时间序列进行特征提取并拼接,得到不同手指对应的特征向量;使用增强样本集中各样本不同手指对应的特征向量为输入,对应物体类别标记为输出,分别训练手指对应的B‑ELM网络作为分类器;对于多指机械手爪中未知分类的物体,根据采样时间序列提取各手指对应的特征向量并输入对应的分类器中,最终使用软投票机制对各分类器的输出进行决策,确定多指机械手爪中的物体类别。本发明具有较好的分类准确率和较强的鲁棒性。

    FBG式中医可佩戴指尖三维力传感器及三维力测量方法

    公开(公告)号:CN117249935A

    公开(公告)日:2023-12-19

    申请号:CN202310814761.X

    申请日:2023-07-05

    Applicant: 湖南大学

    Abstract: 本发明公开了一种FBG式中医可佩戴指尖三维力传感器及三维力测量方法,传感器包括指尖、弹性体、固定指套和多根光纤;所述指尖为FBG式中医可佩戴指尖三维力传感器的受力采集器;所述弹性体的第一端与所述指尖连接,接受所述指尖传递的作用力并产生形变;所述固定指套与弹性体的第二端连接,用于手指佩戴;所述多根光纤均匀配置于所述弹性体上,在所述弹性体的形变作用下产生X、Y、Z方向的形变,得到所述指尖的三维受力。本发明传感器采用FBG,且没有电流通过光纤,并且没有电气连接,力传感系统不受电噪声的干扰,并且不受电磁干扰,其传感元件的小尺寸和轻重量,精度高、零漂移、频响宽、高温性能好。

    一种机器人仿人多手指联合触觉感知方法、系统和设备

    公开(公告)号:CN116572254B

    公开(公告)日:2023-09-08

    申请号:CN202310829132.4

    申请日:2023-07-07

    Applicant: 湖南大学

    Abstract: 本发明公开了一种机器人仿人多手指联合触觉感知方法、系统和设备,方法为:使用多指机械手爪对不同类物体抓取试验,采样触觉多维信息获得多维时间序列并标记物体类别;对标签样本增强处理;对增强样本集每个样本各个手指的多维时间序列进行特征提取并拼接,得到不同手指对应的特征向量;使用增强样本集中各样本不同手指对应的特征向量为输入,对应物体类别标记为输出,分别训练手指对应的B‑ELM网络作为分类器;对于多指机械手爪中未知分类的物体,根据采样时间序列提取各手指对应的特征向量并输入对应的分类器中,最终使用软投票机制对各分类器的输出进行决策,确定多指机械手爪中的物体类别。本发明具有较好的分类准确率和较强的鲁棒性。

Patent Agency Ranking