基于伪Zernike矩不变量分析的视觉测力

上海交通大学学报（自然版） ›› 2013, Vol. 47 ›› Issue (04): 589-593.

• 自动化技术、计算机技术 • 上一篇下一篇

基于伪Zernike矩不变量分析的视觉测力

胡文1, 刘洪涛1, 胡春2, 范明霞3, 莫锦秋1, 王石刚1

(1．上海交通大学机械与动力工程学院，上海 200240；2．江西科技师范大学现代教育技术中心，南昌 330013；3．华东师范大学上海市磁共振重点实验室，上海 200062)

收稿日期:2012-06-05 出版日期:2013-04-28 发布日期:2013-04-28

Visual Force Measurement Using Pseudo Zernike Moment Invariants

HU Wen-1, LIU Hong-Tao-1, HU Chun-2, FAN Ming-Xia-3, MO Jin-Qiu-1, WANG Shi-Gang-1

(1. School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai 200240, China;2. Center for Educational Technology, Jiangxi Science and Technology Normal University, Nanchang 330013, China; 3. Shanghai Key Lab. of Magnetic Resonance, East China Normal University, Shanghai 200062, China)

Received:2012-06-05 Online:2013-04-28 Published:2013-04-28

摘要/Abstract

摘要： 提出了一种基于伪Zernike矩不变量分析的视觉测力方法.该方法利用伪Zernike矩不变量所构成的特征向量来描述微装配过程中微夹爪变形之后的形状，并由此建立了矩不变量特征向量与受力之间的函数关系；建立训练集，输入为矩不变量特征向量，输出为已知受力；通过支持向量机比较测试集与训练集中的特征向量，对测试集的输入进行多类分类，从而估计未知受力.对4种不同规格的微悬臂梁进行了实验，结果验证了该方法的有效性.

关键词: 视觉测力, 伪Zernike矩不变量, 支持向量机, 多类分类

Abstract: A new visual force measurement method was proposed to measure applied forces through analyzing pseudo Zernike moment invariants. First, a feature vector of pseudo Zernike moment invariants is used to describe the deformed microgripper shape in microassembly. This description indicates a function between the applied force and the feature vector of moment invariants. Then, a training set is established, where the input and the output represent the feature vector of moment invariants and the corresponding known applied force, respectively. Finally, a support vector machine (SVM) compares the feature vectors in the testing set with those ones in the training set, implements multiclass classification and estimates unknown applied forces in the testing set. The experiments on four different microcantilevers validate the proposed method.

Key words: visual force measurement, pseudo Zernike moment invariants, support vector machine, multi-class classification

中图分类号:

TP 391.4

胡文1, 刘洪涛1, 胡春2, 范明霞3, 莫锦秋1, 王石刚1. 基于伪Zernike矩不变量分析的视觉测力[J]. 上海交通大学学报（自然版）, 2013, 47(04): 589-593.

HU Wen-1, LIU Hong-Tao-1, HU Chun-2, FAN Ming-Xia-3, MO Jin-Qiu-1, WANG Shi-Gang-1. Visual Force Measurement Using Pseudo Zernike Moment Invariants[J]. Journal of Shanghai Jiaotong University, 2013, 47(04): 589-593.

参考文献

［1］Reddy A N, Ananthasuresh G K. On computing forces from the noisy displacement data of an elastic body ［J］. International Journal for Numerical Methods in Engineering, 2008, 76(11): 16451677.
［2］Reddy A N, Maheshwari N, Sahu D K, et al. Miniature compliant grippers with visionbased force sensing ［J］. IEEE Transactions on Robotics, 2010, 26(5): 867877.
［3］Wang X, Ananthasuresh G K, Ostrowski J P. Visionbased sensing of forces in elastic objects ［J］. Sensors and Actuators, 2001, 94(3): 142156.
［4］Greminger M A, Nelson B J. Visionbased force measurement ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004, 26(3): 290298.
［5］Anis Y H, Mills J K, Cleghorn W L. Visionbased measurement of microassembly forces ［J］. Journal of Micromechanics and Microengineering, 2006, 16(8): 16391652.
［6］Mukundan R, Ramakrishnan K R. Moment functions in image analysis: Theory and applications ［M］. Singapore: Word Scientific Publishing, 1998.
［7］Ye B, Peng J. Invariance analysis of improved Zernike moments ［J］. Journal of Optics A: Pure and Applied Optics, 2002, 4(6): 606614.
［8］Papakostas G A, Boutalis Y S, Karras D A, et al. Efficient computation of Zernike and pseudoZernike moments for pattern classification applications ［J］. Pattern Recognition and Image Analysis, 2010, 20(1): 5564.
［9］AlRaw M S. Fast computation of pseudo Zernike moments ［J］. Journal of RealTime Image Processing, 2010, 5(1): 310.
［10］丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述［J］. 电子科技大学学报, 2011, 40(1): 210.
DING Shifei, QI Bingjuan, TAN Hongyan. An overview on theory and algorithm of support vector machines ［J］. Journal of University of Electronic Science and Technology of China, 2011, 40(1): 210.
［11］Hsu C W, Lin C J. A comparison of methods for multiclass support vector ［J］. IEEE Transactions on Neural Networks, 2002, 13(2): 415425.
［12］Chang C C, Lin C J. LIBSVM: A library for support vector machines ［J］. ACM Transactions on Intelligent Systems and Technology, 2011, 2: 127.
［13］Wang Y, Huang S T. Reducing the number of subclassifiers for pairwise multicategory support vector machines ［J］. Pattern Recognition Letters, 2007, 28: 20882093.

[1]	施裕升, 王晓科, 周宇泰, 蒋国韬, 徐天洋. 基于卡方检验与SVM的多雷达抗欺骗干扰方法[J]. 空天防御, 2022, 5(1): 108-114.
[2]	肖冉, 魏子清, 翟晓强. 基于支持向量机的办公建筑逐时能耗预测[J]. 上海交通大学学报, 2021, 55(3): 331-336.
[3]	朱东, 姜萍萍, 颜国正, 王志武, 韩玎, 赵凯, 华芳芳, 姚盛健, 丁紫凡, 周泽润. 人工肛门括约肌系统便意感知重建[J]. 上海交通大学学报, 2020, 54(8): 771-777.
[4]	陶正瑞, 党嘉强, 徐锦泱, 安庆龙, 陈明, 王力, 任斐. 基于支持向量机回归的曲面零件涡流测距标定方法[J]. 上海交通大学学报, 2020, 54(7): 674-681.
[5]	徐彬彬, 洪榛, 赵磊, 俞立. 网络化倒立摆系统的偏差攻击及其检测方法[J]. 上海交通大学学报, 2020, 54(7): 697-704.
[6]	胡晓强，仲训昱，张霄力，彭侠夫，何荧. 基于支持向量机辅助的四轴陀螺两级故障诊断方法[J]. 上海交通大学学报, 2020, 54(11): 1151-1156.
[7]	王江卓,徐文聪,李建勋,贺丰收,曹兰英,缪礼锋. 基于支持向量机的雷达电子支援措施系统点迹-航迹关联算法[J]. 上海交通大学学报, 2019, 53(9): 1091-1099.
[8]	马志宏，贡亮，林可，毛雨晗，吴伟，刘成良. 基于稻穗几何形态模式识别的在穗籽粒数估测[J]. 上海交通大学学报（自然版）, 2019, 53(2): 239-246.
[9]	李春祥，裴杨从琪，殷潇. 基于Hermite组合核EMD-WT-LSSVM的非平稳非高斯风压预测[J]. 上海交通大学学报, 2019, 53(10): 1249-1258.
[10]	李春祥,殷潇. 基于小波支持向量机的非高斯空间风压内外插预测[J]. 上海交通大学学报（自然版）, 2018, 52(11): 1516-1523.
[11]	徐峰1，范春菊1，徐勋建2，李丽2，倪佳筠3. 基于变分模态分解和AMPSO-SVM耦合模型的滑坡位移预测[J]. 上海交通大学学报（自然版）, 2018, 52(10): 1388-1395.
[12]	马天亮，徐添翼，高益，蔡萍. 基于支持向量机的热轧主电机风冷变频策略[J]. 上海交通大学学报（自然版）, 2017, 51(5): 542-.
[13]	弓鹏伟1，费燕琼1,3，宋立博2. 基于多传感器信息融合的轮履混合移动机器人路况识别方法[J]. 上海交通大学学报（自然版）, 2017, 51(4): 398-.
[14]	焦学军，张朕，姜劲，王春慧，杨涵钧，徐凤刚，曹勇，傅嘉豪. 基于功能性近红外光谱技术的脑机接口[J]. 上海交通大学学报（自然版）, 2017, 51(12): 1456-1463.
[15]	罗华毅，王景成，杨丽雯，李肖城. 基于时差系数的城市原水需水量预测应用[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1260-1267.

基于伪Zernike矩不变量分析的视觉测力

Visual Force Measurement Using Pseudo Zernike Moment Invariants

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价