基于双流方法的视频手指握力估计
机器人学
2018-03-06 v1
摘要
在手执行装配或拆卸操作过程中，对手握力的估计对于理解力模式至关重要。人类演示正确操作方式是信息的强大来源，可用于引导式机器人教学。通常评估此问题采用仪器化方法，需要手部或物体上安装设备，这给操作员带来不便或限制了可处理对象的范围。本工作表明，仅借助视觉系统，可通过非侵入式非接触方法估计接触力。我们提出一种用于视频处理的双流方法，其利用每帧的空间信息以及帧变化的动态信息。本工作中，图像处理与机器学习技术连同稠密光流一起用于帧变化跟踪，并采用卡尔曼滤波进行流融合。我们的研究表明，所提方法能成功估计接触握力，RMSE < 传感器量程的 10%（RMSE N），并给出了各流及整体方法的性能表现。所提方法具有广泛应用，包括通过演示的机器人教学、触觉力反馈以及人工作业的验证。
引用
@article{arxiv.1803.01630,
title = {Finger Grip Force Estimation from Video using Two Stream Approach},
author = {Andrey Sartison and Dima Mironov and Kamal Youcef-Toumi and Dzmitry Tsetserukou},
journal= {arXiv preprint arXiv:1803.01630},
year = {2018}
}
备注
Submitted to IROS 2018