柔性体力触觉形变模型研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (14): 51-55.

柔性体力触觉形变模型研究

方艳红1，2，吴斌2，杨正宜3

1.西南科技大学信息工程学院，四川绵阳 621010
2.中国工程物理研究院研究生部，四川绵阳 621900
3.昆士兰大学先进成像中心，澳大利亚布里斯班 4072

出版日期:2012-05-11 发布日期:2012-05-14

Study on haptic deformation model of virtual soft object

FANG Yanhong1，2, WU Bin2, YANG Zhengyi3

1.School of Information Engineering, Southwest University of Science and Technology, Mianyang, Sichuan 621010, China
2.Graduate School, China Academy of Engineering Physics, Mianyang, Sichuan 621900, China
3.Centre for Advanced Imaging, the University of Queensland, Brisbane 4072, Australia

Online:2012-05-11 Published:2012-05-14

摘要/Abstract

摘要： 针对虚拟现实力触觉交互中柔性体受力与形变的复杂关系，提出一种基于球面调和函数（Spherical Harmonic，SPHARM））的柔性体力触觉仿真模型。利用SPHARM的正交归一、旋转不变、多尺度等特性完成柔性体几何模型的准确表达；将柔性体在不同作用力下的形变模型映射到共同的参照系统中，在共同的参照系统中，利用主成分分析方法（Principal Components Analysis，PCA）完成柔性体在不同作用力下的形变比较，根据简化后的波动方程计算物体形变后的反馈力。实验结果表明，该方法可以准确表达柔性体的形变过程，适用于柔性体力触觉实时交互研究。

关键词: 力触觉交互, 球面调和函数, 形变模型, 主成分分析

Abstract: To improve the stability, continuity and accuracy of flexible deformation and computational efficiency in haptic rendering, a novel approach based on spherical harmonic（SPHARM） representations to simulate the virtual deformation of soft objects is proposed. The object surface is represented by the features of SPHARM, including orthonormality, rotational invariance, and multiresolution. Different SPHARM models are mapped into common reference system in order for corresponding coefficients in the different models to be comparable with method of principal components analysis and force feedback to be calculated by simplified deformation wave equation. Experimental results demonstrate that accurate flexible deformation is represented.

Key words: haptic interaction, spherical harmonics, deformation models, principal components analysis

方艳红1，2，吴斌2，杨正宜3. 柔性体力触觉形变模型研究[J]. 计算机工程与应用, 2012, 48(14): 51-55.

FANG Yanhong1，2, WU Bin2, YANG Zhengyi3. Study on haptic deformation model of virtual soft object[J]. Computer Engineering and Applications, 2012, 48(14): 51-55.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[3]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[4]	张东梅，买日旦·吾守尔，古兰拜尔·吐尔洪. 面向高维混合不平衡信贷数据的单类分类方法[J]. 计算机工程与应用, 2021, 57(10): 233-240.
[5]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[6]	邱宁佳，王晓霞，王鹏，周思丞，王艳春. 结合迁移学习模型的卷积神经网络算法研究[J]. 计算机工程与应用, 2020, 56(5): 43-48.
[7]	黄广俊，邓元龙. 融合改进LBP和SVM的偏光片外观缺陷检测与分类[J]. 计算机工程与应用, 2020, 56(22): 251-255.
[8]	邱宁佳，沈卓睿，王辉，王鹏. 通信垃圾文本识别的半监督学习优化算法[J]. 计算机工程与应用, 2020, 56(17): 121-128.
[9]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[10]	刘淇缘，卢树华，兰凌强. 遮挡人脸检测方法研究进展[J]. 计算机工程与应用, 2020, 56(13): 33-46.
[11]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[12]	陈佳，刘冬雪，武大硕. 基于特征选取与LSTM模型的股指预测方法研究[J]. 计算机工程与应用, 2019, 55(6): 108-112.
[13]	徐竟泽，吴作宏，徐岩，曾建行. 融合PCA、LDA和SVM算法的人脸识别[J]. 计算机工程与应用, 2019, 55(18): 34-37.
[14]	牛亚茜，冀小平. 基于卷积神经网络的图像检索算法研究[J]. 计算机工程与应用, 2019, 55(18): 201-206.
[15]	马义超，赵运基，张新良. 基于PCA初始化卷积核的CNN手写数字识别算法[J]. 计算机工程与应用, 2019, 55(13): 134-139.