面向机器人灵巧操作的改进型视觉触觉传感器设计与性能验证

《Sensors and Actuators A: Physical》：Design of an Improved Visual-Tactile Sensor for Robotic Grasping

本文针对现有视觉触actile传感器制造工艺复杂、反射膜制备困难及照明不均等问题，提出采用双层反射膜结构（double-layer reflective film）和优化光学系统的新型传感器设计方案。基于比尔-朗伯定律（Beer-Lambert law）建立光强与按压深度的指数衰减模型，实验表明该传感器重建精度达100 μm，拟合优度R2=0.999，在姿态估计和盲文识别任务中分别实现98.6%和97.6%的准确率，为机器人精细操作提供关键技术支撑。

　　

Highlight

光学特性的数学模型

视觉触觉传感器（visual-tactile sensor）的核心功能是三维形状重建。它利用半透明弹性体（translucent elastomer）的反射特性——当仅靠外部照明时，被按压更深的区域在相机捕获的图像中会显得更暗。图1(a)展示用于按压的3D打印徽章，图1(b)呈现不同按压力下相机采集的图像，图1(c)为通过图像灰度变化重建的深度图。

传感器的设计与制造

基于上述现象，本研究设计了一种新型视觉触觉传感器（图5(b)）。与现有传感器不同，该研究采用改进的反射膜涂层工艺制备触觉皮肤反射层，在保持高分辨率的同时显著延长使用寿命。光学系统通过使用均匀薄膜和透明PDMS层进行优化，实现更均匀的整体光分布。如图5(a)所示，传感器结构包含...

重建原理

重建目标是根据相机捕获图像的像素值计算物体的三维几何形态。具体而言，通过每个像素的强度变化值I_Δ(u,v)计算按压深度D(x,y)，其中(u,v)为像素位置，(x,y)为感应面对应位置。深度重建方法通过建立映射表M实现，该表以像素强度变化I_Δ为输入，输出对应深度值。

视觉触觉传感器的应用

在机器人抓取与操作任务中，姿态估计（pose estimation）和物体识别具有重要意义。随着具身智能（embodied intelligence）的发展，对识别算法要求日益提高。YOLOv11通过将延迟降低至前代的四分之一、参数减少22%的性能优化，完美满足具身应用对实时性和资源限制的双重要求...

结论

本文针对现有视觉触觉传感器制造工艺中的关键技术难题（如复杂性、反射膜制备困难和照明不均等），提出新型传感器设计方案。在理论建模方面，基于比尔-朗伯定律（Beer-Lambert law）建立直接透射光模型，描述了半透明弹性材料中光强与压痕深度之间的指数衰减关系...