Accurate recognition of object contour based on flexible piezoelectric and piezoresistive dual mode strain sensors

压阻效应 人工智能 计算机视觉 对象(语法) 过程(计算) 机器人 触觉传感器 计算机科学 流离失所(心理学) 材料科学 心理学 光电子学 操作系统 心理治疗师
作者
Zhiqiang Gao,Bing Ren,Zhaozhou Fang,Huiqiang Kang,Jing Han,Jie Li
出处
期刊:Sensors and Actuators A-physical [Elsevier]
卷期号:332: 113121-113121 被引量:40
标识
DOI:10.1016/j.sna.2021.113121
摘要

The application of flexible wearable sensors in the grasping process of robot hand can recognize the contour, soft and hard, material, surface temperature and other information of the grasping object, which can effectively improve the intelligent level of the robot. In this work, a method of object contour recognition is proposed by combining the flexible PVDF polymer piezoelectric sensor and high conductivity hydrogel piezoresistive sensor aiming at the problem of profile recognition for objects of the same or similar material. The response of flexible piezoresistive sensor to the static strain is used to sense the angular displacement of robot fingers, and then the shape and size of the object is recognized indirectly. At the same time, the flexible piezoelectric sensor is used as the fingertip tactile sensor to reflect the surface morphology of the object through the dynamic strain information when touching the object. In the whole process of grasping the object, the dual-mode strain information is fully used to realize the recognition of the shape, size and surface morphology of the object. Combining these information, the accurate recognition of the object contour can be further realized. In the experiments, six objects with different shape and four objects with different surface morphology are recognized to verify the feasibility of piezoresistive sensors and piezoelectric sensors respectively. In a comprehensive experiment, eight objects made of the same rubber material with different shape, size and surface morphology are recognized, and the average recognition rate is about 84%, which shows good classification advantages for the objects with similar shape, size and material.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
zswybs完成签到,获得积分10
刚刚
慕青应助雅樱采纳,获得10
刚刚
1秒前
波粒二象性完成签到,获得积分10
1秒前
怡然凝云完成签到,获得积分10
2秒前
1134695021发布了新的文献求助10
2秒前
独特的紫蓝应助19900420采纳,获得10
2秒前
wml发布了新的文献求助10
2秒前
和谐的团子完成签到,获得积分10
2秒前
zyp发布了新的文献求助10
2秒前
英姑应助Derik采纳,获得10
3秒前
3秒前
sally发布了新的文献求助10
3秒前
生命科学的第一推动力完成签到 ,获得积分10
3秒前
keyandog应助登登采纳,获得20
3秒前
Eman完成签到,获得积分10
4秒前
Dexter完成签到,获得积分10
4秒前
Yeah发布了新的文献求助10
5秒前
熙欢发布了新的文献求助20
5秒前
5秒前
星辰大海应助白邓采纳,获得10
5秒前
5秒前
hkh发布了新的文献求助10
6秒前
6秒前
纯真平蝶发布了新的文献求助10
6秒前
6秒前
Jackpu完成签到,获得积分10
7秒前
阳阳阳完成签到 ,获得积分10
7秒前
7秒前
8秒前
顺利曼香发布了新的文献求助10
8秒前
大方泥猴桃完成签到,获得积分10
8秒前
xue发布了新的文献求助10
8秒前
9秒前
嘟嘟完成签到,获得积分10
10秒前
10秒前
10秒前
桂花酒酿发布了新的文献求助10
11秒前
luni360完成签到,获得积分10
11秒前
奋豆发布了新的文献求助10
11秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3257808
求助须知:如何正确求助?哪些是违规求助? 2899627
关于积分的说明 8306997
捐赠科研通 2568927
什么是DOI,文献DOI怎么找? 1395373
科研通“疑难数据库(出版商)”最低求助积分说明 653057
邀请新用户注册赠送积分活动 630868