一种基于力觉学习的机器人多风格书法临摹方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109664300A(43)申请公布日2019.04.23(21)申请号201910018351.8(22)申请日2019.01.09(71)申请人湘潭大学地址411100湖南省湘潭市雨湖区湘潭大学机械工程学院(72)发明人李明富刘真兴曾令城吴帆谢思晨(51)Int.Cl.B25J9/16(2006.01)B25J15/00(2006.01)权利要求书2页说明书6页附图4页(54)发明名称一种基于力觉学习的机器人多风格书法临摹方法(57)摘要本发明提供了一种基于力觉学习的机器人多风格书法临摹方法，属于工业机器人控制及应用领域；其包括有多风格标准字库模块、书法风格识别模块、笔画信息提取模块、机器人关节轨迹规划模块；本发明通过采集力信号提取不同书法风格的特征，利用卷积神经网络学习书法风格，使用图像处理算法获取笔画信息，并将对应风格的用力特征和笔画信息转换成为机器人末端轨迹；采用本发明的技术方案，通过对几个标准字的模仿学习，可以在保留原作品的风格特征的前提下，实现机器人对输入的书法图像进行临摹的目的。CN109664300ACN109664300A权利要求书1/2页1.一种基于力觉学习的机器人多风格书法临摹方法，其特征在于以下几个步骤：步骤1、建立工业机器人的运动学模型，得到工业机器人的运动学正解与逆解，设计一种能够固定在力传感器上的毛笔夹持工具，并安装在机器人末端法兰盘上，标定得到机器人工具坐标系和工件坐标系；步骤2、建立多风格标准字库，通过采集标准字的书写力信号，获取不同风格字体的书写特征；步骤3、构建书法风格识别模块，采用卷积神经网络对书法风格进行学习；步骤4、建立笔画信息提取模块，对输入的书法图像进行处理，提取图像骨架，按照笔画信息提取策略提取出笔画顺序和各笔画的起始和终止点；步骤5、创建机器人关节轨迹规划模块，将对应风格的用力特征和笔画信息提取转换成世界坐标，按照多项式插值对机器人进行轨迹规划；步骤6、将机器人关节轨迹规划模块得到的机器人关节轨迹信息发送给机器人驱动器，实现保留原书写风格的临摹。2.根据权利要求1中所述的基于力觉学习的机器人多风格书法临摹方法，其特征在于：所述步骤1中，一种能够固定在力传感器上的毛笔夹持工具，参考图2，法兰盘（1）可以固定在力传感器的感应区域的法兰盘上，松紧夹（2）可以通过螺栓螺母调节松紧度；所述坐标系标定的工具坐标系中心点在毛笔笔尖处，工件坐标系中心点在宣纸的起始落笔点。3.根据权利要求1中所述的基于力觉学习的机器人多风格书法临摹方法，其特征在于：所述步骤2中，采集标准字的书写力信号的方法是通过步骤1中设计的能够固定在力传感器上的毛笔夹持工具，人手持毛笔进行不同风格下具有代表性的10至20个标准字，选用的标准字为“玉”、“火”、“宝”、“七”、“永”、“田”、“心”、“少”、“之”、“与”、“也”、“此”等能涵盖该风格下大部分笔画特征的汉字，并按照50至300Hz的频率采集竖直方向上的力传感器的信号数据。4.根据权利要求1中所述的基于力觉学习的机器人多风格书法临摹方法，其特征在于：所述步骤2中，多风格标准字库建立方法是通过机器学习的多元回归算法对手写标准字的力传感器信号数据进行拟合，得到该书法风格书写过程中下笔力度大小随时间的变化情况，再通过机器人笛卡尔空间示教得到力度与下笔深度的关系，从而得到该书法风格在不同位置的下笔深度，即获得了该风格下各汉字的机器人书写末端Z方向上的轨迹。5.根据权利要求1中所述的基于力觉学习的机器人多风格书法临摹方法，其特征在于：所述步骤3中，对书法风格进行学习的输入数据集为从不同书法家的碑帖中采集的图片数据，输出为不同书法风格的相应编码，使用的卷积神经网络结构由四个卷积层，四个池化层，两个全连接层组成；第一、三、五、七层是卷积层；第二、四、六、八层是池化层，池化策略采取的是最大池化；第九、十层是全连接层，并加入了dropout层防止过拟合，第九层使用的激活函数为Relu函数，第十层不使用激活函数，参考图4。6.根据权利要求1中所述的基于力觉学习的机器人多风格书法临摹方法，其特征在于：所述步骤4中，所述的笔画信息提取模块中的笔画信息提取策略是指根据细化算法提取出来的像素点，按照从上到下、从左到右的规则提取出第一个点，然后遍历八邻域像素得到第一个笔画的起始点和终止点，如果有笔画交叉，提取每个分叉路线之后的5至10个点来计算其平均走势，与原路线最为接近的即为下一笔画的路线，并根据该笔画走势和长度，将其分2CN109664300A权利要求书2/2页为点、横、竖、撇、捺等几个基本笔画，即得到该书法图像的笔画信息。7.根据权利要求1中所述的基于力觉学习的机器人多风格书法临摹方法，其特征在于：所述步