| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-17页 |
| 1.2.1 材质触觉识别的国内外研究现状 | 第10-13页 |
| 1.2.2 材质视觉识别的国内外研究现状 | 第13-14页 |
| 1.2.3 材质多模态融合识别的国内外研究现状 | 第14-17页 |
| 1.3 课题研究内容及结构安排 | 第17-20页 |
| 1.3.1 课题研究内容 | 第17页 |
| 1.3.2 主要工作 | 第17-18页 |
| 1.3.3 结构安排 | 第18-20页 |
| 第二章 实验装置设计 | 第20-27页 |
| 2.1 触觉数据采集装置设计 | 第20-25页 |
| 2.1.1 Arduino控制器模块 | 第21-22页 |
| 2.1.2 加速度传感器模块 | 第22-23页 |
| 2.1.3 触觉传感工具 | 第23-24页 |
| 2.1.4 软件设计及材质表面触觉数据采集 | 第24-25页 |
| 2.2 视觉数据采集装置设计 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 材质表面时域信号分析与触觉模态表征 | 第27-38页 |
| 3.1 基于材质表面接触加速度信号的滤波器设计 | 第27-31页 |
| 3.1.1 高通滤波器设计 | 第27-30页 |
| 3.1.2 基于材质表面接触加速度信号的高通滤波器设计 | 第30-31页 |
| 3.2 三轴加速度合成算法 | 第31-33页 |
| 3.3 加速度特征 | 第33-36页 |
| 3.3.1 加速度功率谱密度(APSD)特征 | 第33-34页 |
| 3.3.2 PCA降维特征 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 图像纹理特征与视觉模态表征 | 第38-47页 |
| 4.1 纹理特征提取方法 | 第38-39页 |
| 4.2 基于灰度共生矩阵的纹理图像特征提取 | 第39-41页 |
| 4.2.1 灰度共生矩阵定义 | 第39-40页 |
| 4.2.2 基于灰度共生矩阵的纹理特征提取 | 第40-41页 |
| 4.3 基于局部二值模式算子的纹理图像特征提取 | 第41-46页 |
| 4.3.1 局部二值模式原理 | 第42-44页 |
| 4.3.2 局部二值旋转不变模式 | 第44页 |
| 4.3.3 局部二值等价模式 | 第44-45页 |
| 4.3.4 统计直方图特征 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于联合特征降维的多模态材质表面识别方法 | 第47-59页 |
| 5.1 模式识别框架 | 第47-48页 |
| 5.2 极限学习机 | 第48-50页 |
| 5.2.1 人工神经网络原理 | 第49-50页 |
| 5.2.2 人工神经网络的模型分类 | 第50页 |
| 5.3 基于极限学习机的单一模态分类方法 | 第50-52页 |
| 5.3.1 极限学习机分类算法 | 第50-52页 |
| 5.4 基于联合特征降维多模态极限学习机的材质表面识别方法 | 第52-58页 |
| 5.4.1 材质表面多模态分类算法设计流程 | 第52-53页 |
| 5.4.2 材质表面随机配对模式多模态极限学习机(CCA-ELM)设计 | 第53-56页 |
| 5.4.3 材质表面群簇配对模式多模态极限学习机(cluster-ELM)设计 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 自建FTS-18数据集与实验验证 | 第59-75页 |
| 6.1 织物表面选择 | 第59-60页 |
| 6.2 数据采集流程与FTS-18数据集创建 | 第60-63页 |
| 6.2.1 触觉数据采集流程 | 第60-61页 |
| 6.2.2 触觉数据预处理 | 第61-62页 |
| 6.2.3 视觉数据采集过程 | 第62页 |
| 6.2.4 视觉数据预处理 | 第62-63页 |
| 6.3 FTS-18触觉数据集实验分析 | 第63-66页 |
| 6.3.1 DFT321合成 | 第63页 |
| 6.3.2 FTS-18触觉数据集特征提取 | 第63-65页 |
| 6.3.3 FTS-18触觉数据集分类实验 | 第65-66页 |
| 6.4 FTS-18视觉数据集实验分析 | 第66-70页 |
| 6.4.1 FTS-18视觉数据集灰度统计特征提取 | 第66-67页 |
| 6.4.2 FTS-18视觉数据集局部二值模式统计直方图特征提取 | 第67-68页 |
| 6.4.3 FTS-18视觉数据集分类实验 | 第68-70页 |
| 6.5 FTS-18数据集联合特征降维融合实验 | 第70-74页 |
| 6.6 本章小结 | 第74-75页 |
| 第七章 公开LMT_108数据集实验验证 | 第75-85页 |
| 7.1 LMT_108数据集简介 | 第75-76页 |
| 7.2 108类实验分析 | 第76-83页 |
| 7.2.1 LMT_108加速度数据集数据处理与实验分析 | 第77-80页 |
| 7.2.2 LMT_108图像数据集数据处理与实验分析 | 第80-82页 |
| 7.2.3 LMT_108数据集融合实验分析 | 第82-83页 |
| 7.3 本章小结 | 第83-85页 |
| 第八章 总结与展望 | 第85-88页 |
| 8.1 本文工作总结 | 第85-86页 |
| 8.2 未来工作展望 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-93页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第93页 |
