基于触觉序列的物体分类

通过安装触觉传感器的灵巧手对物体进行抓取,可以采集到丰富的触觉序列信息。对这些触觉信息进行分类可以显著提高机器人的环境感知和灵巧操作能力。为此,将触觉序列划分为一系列子触觉序列,使用基于线性动态系统(LDS)的方法进行特征提取。由于使用LDS提取的特征存在于非欧式空间,在对特征进行处理时,使用与欧式距离不同的马丁距离(Martin distance)作为量度来表征2个LDS特征之间的距离,并使用K-Medoid算法进行聚类。而后使用聚类得到的码书表征触觉序列,完成系统包(bag-of-system)特征模型构建,并利用支持向量机(SVM)实现高效分类。最后使用16种实验样本构建的触觉序列数据集对上述算法进行评测,获得了可观的识别效果,表明了该算法可以用于触觉序列的物体分类。