买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉佛山科学技术学院申请的专利一种基于VTF视触觉信息交互的弱刚度物体抓取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116135484B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310168983.9，技术领域涉及：B25J9/16；该发明授权一种基于VTF视触觉信息交互的弱刚度物体抓取方法是由阮文俊;朱文博;罗陆锋;王恺;卢清华;苏彩红设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本一种基于VTF视触觉信息交互的弱刚度物体抓取方法在说明书摘要公布了：本发明公开了一种基于VTF视触觉信息交互的弱刚度物体抓取方法，该方法包括：获取待抓取物体的图像信息与触觉信号；将图像信息与触觉信号进行特征提取融合处理，输出抓取状态识别结果；机器人根据所述抓取状态识别结果对所述待抓取物体进行抓取。通过使用本发明，能够通过将触觉关键点特征信息分阶段与视觉特征信息进行交互融合进一步对识别抓取状态进行细化从而提高机械臂的抓取效果。本发明作为一种基于VTF视触觉信息交互的弱刚度物体抓取方法，可广泛应用于机器融合感知技术领域。

本发明授权一种基于VTF视触觉信息交互的弱刚度物体抓取方法在权利要求书中公布了：1.一种基于VTF视触觉信息交互的弱刚度物体抓取方法，其特征在于，包括以下步骤： 获取待抓取物体的图像信息与触觉信号； 将图像信息输入至视觉特征提取模块，所述视觉特征提取模块包括卷积层、正则化层、最大池化层和视觉残差块； 所述视觉残差块包括第一视觉残差块、第二视觉残差块、第三视觉残差块和第四视觉残差块； 基于卷积层对图像信息进行卷积处理，得到特征提取图像； 基于正则化层对特征提取图像进行正则化处理，得到正则化后的特征图像； 基于最大池化层对正则化后的特征图像进行降采样处理，得到降采样的特征图像； 基于视觉残差块对降采样的特征图像进行残差分析，得到视觉模态信息，所述视觉模态信息包括第一视觉模态信息、第二视觉模态信息、第三视觉模态信息和第四视觉模态信息； 对触觉信号进行拆分处理，得到拆分后的触觉信号信息，所述拆分后的触觉信号信息包括第一触觉信号信息、第二触觉信号信息、第三触觉信号信息和第四触觉信号信息； 将拆分后的触觉信号信息输入至触觉特征提取模块，所述触觉特征提取模块包括第一触觉残差块、第二触觉残差块、第三触觉残差块和第四触觉残差块； 基于第一触觉残差块对第一触觉信号信息进行卷积处理，得到第一触觉模态信息，所述第一触觉残差块包括一层卷积层； 基于第二触觉残差块、第三触觉残差块和第四触觉残差块分别对第二触觉信号信息、第三触觉信号信息和第四触觉信号信息进行卷积和融合处理，得到第二触觉模态信息、第三触觉模态信息和第四触觉模态信息； 所述第二触觉残差块、第三触觉残差块和第四触觉残差块均包括两层卷积层； 整合第一触觉模态信息、第二触觉模态信息、第三触觉模态信息和第四触觉模态信息，得到触觉模态信息； 将视觉模态信息与触觉模态信息传输至视触觉特征融合模块； 基于Fsq函数对视觉模态信息与触觉模态信息进行全局平均池化操作处理，得到视觉模态池化值与触觉模态池化值； 基于Fex函数对视觉模态池化值与触觉模态池化值进行全连接处理，得到视觉模态全连接值与触觉模态全连接值； 基于Fsigmoid函数对视觉模态全连接值与触觉模态全连接值进行点乘操作处理，得到视觉模态特征值与触觉模态特征值； 通过全连接层对视觉模态特征值与触觉模态特征值进行融合处理，得到抓取状态识别结果； 机器人根据所述抓取状态识别结果对所述待抓取物体进行抓取。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人佛山科学技术学院，其通讯地址为：528000 广东省佛山市南海区狮山镇广云路33号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。