标识织物触摸垫传感器上的手势事件类型的方法与流程

如已知的，常规触摸垫通常是没有折叠、弯曲或起皱性质的固体装置。因此，常规触摸垫上执行的触摸事件和手势事件是干净的，并且一般没有几何歧义。

交互式设备方面的新前沿是由织物触摸垫或者一般来说，包括一个或多个织物触摸垫传感器的交互式织物制成。

织物触摸垫传感器通常是可拉伸的，通常具有柔性和可折叠性，并且还可用作可穿戴的织物触摸垫，或可容易地集成在柔性物体内，诸如服装、手袋、织物外壳、帽子和其他织物物品。

交互式织物可用于各种应用中，诸如用于控制外部设备(例如mp3播放器的音量)的位置敏感控制条，，或作为写文本消息的触摸垫或其他应用。

与织物触摸垫传感器或垫子有关的一个问题与这种设备的典型织物形状因素相关联，即与传统的固体触摸垫相比，织物触摸垫传感器通常具有柔性、通常是可伸展的并且通常是可弯曲的。

因此，用于解读数据的现有手势类型和相应的算法一般不是最优的。因此，所生成的数据既不具有因软材料而异的特征，用于解读这些数据的算法也不具有代码块以最佳地处理与柔性、可伸展和可弯曲的织物结构相关联的特征。

文档wo2016025554揭示了包括用导电线编织的非导电线的交互式织物。每个导电线被编制到交互式织物中以形成网格，该网格包括一组基本平行的导电线和第二组基本平行的导电线，第二组基本平行的导电线穿过第一组导电线以形成网格。

交互式织物设备与手势管理器相关联，手势管理器基于触摸数据来确定由用户执行的手势，该手势随后可被用于控制对象、计算设备或在计算设备上运行的应用。

手势管理器被配置成通过对由诸如单手指触摸、双击、双手指触摸和滑扫这类事件生成的数据执行适当的算法来解读诸如单手指触摸、双击、双手指触摸和滑扫这类的触摸输入，其中描述的算法类似于应用于传统触摸垫的那些算法。

例如，通过连续地检测坐标x1、y1(在时间t0)、x1、y2(在时间t1)和x1、y3(在时间t2)来检测上滑手势，如在传统触模板中一样。在该特定示例中，该算法通过识别水平坐标x不改变而垂直坐标y随时间增加来识别上滑手势。

文档us6210771d2描述了电子设备及其被集成到柔软的、能承受压力和运动而不受损害并且可被洗涤的织物中。触敏织物复合材料包括包含导电材料条带的第一面板和包含电阻材料条带的第二织物面板。当面板的条带触摸时，将触摸点的位置提供给控制逻辑电路，该控制逻辑电路基于此来采取适当的动作。

文档us2015199045描述了基于接近度的运动检测系统，其包括电容性传感器阵列(csa)组件和控制器。电容器板优选地由导电织物制成，该导电织物可被集成到其他织物中，诸如衣服、床单等，或者可被集成到环境中(例如，家具、轮椅、汽车座椅等)。此种文档还描述了一种参照两类手势的分层信号处理方法：滑扫和悬停，也提供了特征性的反应。

一般来说，包括对角线滑扫的手势类型可以通过记忆由织物触摸垫传感器在预定时间区间期间生成的原始触摸数据，以及通过检测在织物触摸垫上依次触摸的x和y坐标随时间的变化的适当算法分析手势的记忆的原始触摸数据来检测。

然而，在严格垂直或严格水平姿势的情况下，由于可能产生不完美的捕获的织物基材本身的形状因素，，在织物传感器中会出现问题。

例如，在例如可用于控制扬声器音量的从上到下的滑扫手势中，只有y坐标应该变化，而x坐标应该保持恒定，但是也可能发生x坐标的变化被检测到。

本发明的目的是提供一种标识织物触摸垫传感器上的手势事件类型的方法，该织物触摸垫传感器包括与形成导电网格的导电纱线交织的多个非导电纱线，该方法包括以下步骤：

-记忆由导电网格在预定时间区间期间生成的原始触摸数据，在该预定时间区间在织物触摸垫传感器上执行手势事件；

-通过分析由导电网格生成的原始触摸数据来估计在织物触摸垫传感器上执行的手势事件的类型；

-测量在织物触摸垫传感器上执行的手势事件的总时间长度；

-记忆在手势事件期间导电网格的导电纱线已被触摸的最长时间；

-如果导电网格的导电纱线已被触摸的最长时间大于作为手势事件的总时间长度的函数的量，则校正对手势类型的估计。

本实施例的一个优点是，所提出的方法将事件的总时间长度与单个条带的激发的时间长度进行比较，以便类似于相同情形的人类评估规程来确定某个手势是否是故意的。

同时，手势的认知内容，即用户附加到在织物基材上执行的特定手势的含义，与手势的技术内容，特别是与由手势生成的数据结构保持不同。

较佳实施例是从属权利要求的目标

现将参照所附非限定示意图通过示例来更详细地描述本发明，其中相同标记表示相同元件，并且其中：

图1示出了连接至配置成解读在织物触摸垫上执行的人类手势的电子控制单元的织物触摸垫传感器的示例；

图2示出了在图1的织物触摸垫上执行的手势的第一示例；

图3示出了在图1的织物触摸垫上执行的手势的进一步示例；

图4示出了描述本发明的方法的实施例的流程图；以及

图5到7代表本发明的算法的评估器的示例曲线图。

现在将参照附图来描述示例性实施例，无意限定本申请和用途。

在图1中，表示了用附图标记10全局地指示的织物触摸垫传感器。

织物触摸垫传感器10包括其中编织了导电纱线的非导电纱线的织物基材15。

特别地，第一组导电纱线x1-x5被编织在非导电织物网格15中，并且基本上沿着用y指示的第一方向布置，而第二组导电纱线y1-y5被编织在非导电织物网格15中，并且基本上沿以x指示的第二方向布置，第一方向和第二方向相互垂直。

以此方式，第一和第二组导电纱线形成形成导电织物网格17，并且导电织物网格17上的点p(xi，yi)可通过相应导电纱线xi和yi的交叉来标识。

在图1中，5×5的导电织物网格17是为了举例而表示的，很清楚，本发明可被应用于具有不同数量的导电纱线的导电织物网格。

导电织物网格17被电连接至电子控制单元(ecu)450，ecu450还设置有存储器单元460并且被配置成接收并解读由织物触摸垫传感器10上执行的人类手势生成的数据结构，如其后将更好地说明的。

具体地，第一组导电纱线x1-x5借助于总线20被电连接至ecu450而第二组导电纱线y1-y5借助于总线30被电连接至ecu450。

因此，在以上示例中，将5根导电纱线x1-x5和5根导电纱线y1-y5加起来，描述了一种10通道织物触摸屏传感器。

在织物触摸垫传感器10中，触摸事件生成由ecu450(例如，atmel微控制器)以全速读取的二进制数据。

数据首先被分析以便理解系统作为整体的读取速度。

在本发明的实施例中，相邻的传感器条带以8μs的延迟被读取，并且全触摸织物读取需要大约22ms，其对应于大约46hz的读取速度，这意味着织物触摸垫传感器10每秒获得46次完全读取。与8μs的条带读取相比，22ms的相对较长的历时主要归因于由该方法的执行产生的负载。

每当一个条带激发，该方法就打开一个事件窗口，相当于30个行读数或帧，由变量“窗口(window)”表示。这个30帧长的手势事件被临时存储在由事件(event)[][]表示的阵列中，即记忆由导电网格17在预定的时间区间期间生成的原始二进制触摸数据，在该预定的时间区间中在阵列中的织物触摸垫传感器10上执行手势事件。

30个行读数或帧的数目是一个示例性的(而不是限制性的)数字。

这样的数目取决于整个传感器垫的读取速度。它对应于在其期间手势被期望完成的“时间”并且它是可编程的。

在这个特定的示例中，30是仅用于这个特定的示例和读取速度为46hz的原型的数字。在不同读取速度的情形中，事件窗口可以变化，而不偏离本发明。

阵列事件[][]随后被分析并且使用对对角线滑扫事件极其敏感并且其解释效率总是接近100％的算法进行判定。单击手势识别效率是相同的，并且非常接近100％的效率。

在这种情况下，根据本发明的方法提供了通过每秒若干次地轮询织物触摸垫传感器10来读出所执行的手势，并用事件阵列事件[][]来填充阵列。

在图1中表示的5×5的导电织物网格的情况下，阵列事件具有10列，5列用于x纱线而5列用于y纱线。对于阵列的每列而言，如果对应的纱线没有被激发，则绘制“.”(点)符号，而如果对应的纱线沿着专用于特定手势事件的时间窗窗口激发，则绘制“x”(十字)符号，如图2的示例中所描绘的。

在该方法中，数据被分析并且例如，使用诸如sumx和sumy之类的变量，执行关于手势类型的决定，这些变量是基于用户是否对手势感兴趣的织物触摸垫传感器10的行和列计算的，例如，在用户的手指从一列通过到另一列的手势中，等等。

sumx和sumy的所计算值与判定矩阵相关，以便根据所收集的数据来确定已经做出了什么类型的手势：

所提出的矩阵在以下：

如果(sumx>0&&sumy>0)判定＝“对角线右下角到左上角”；

如果(sumx<0&&sumy<0)判定＝“对角线左上角到右下角”；

如果(sumx>0&&sumy<0)判定＝“对角线右上角到左下角”；

如果(sumx<0&&sumy>0)判定＝“对角线左下角到右上角”；

如果(sumx＝＝0&&sumy>0)判定＝“从下到上”；

如果(sumx＝＝0&&sumy<0)判定＝“从上到下”；

如果(sumx>0&&sumy＝＝0)判定＝“从右到左”；

如果(sumx<0&&sumy＝＝0)判定＝“从左到右”；

如果(sumx＝＝0&&sumy＝＝0)判定＝“仅敲击”。

以上描述的算法在确定对角线事件，诸如对角线左下角到右上角事件(诸如图2中所描绘的对角线左下角到右上角事件)时特别有用。

然而，当手势具有直的垂直或直的水平分量(诸如其中列是相同的但是行随着刺激从上到下移动而变化的“从上到下滑扫”的手势)时，该方法对于不完美的获取特别敏感。

例如，可能发生的是，用户希望在垂直方向上从上到下执行“向下滑扫”手势。在该情形中，只有代表高的y值才会改变，而x值将保持不变。

然而，由于传感器的织物变形，用户还可能产生“不完美”信号，在该特定示例中，该信号还涉及不应该涉及的x坐标附近的x坐标。

例如，在图3中描绘的情况中，ecu450可以将x条带的信号解读为向下、然后向上、然后再次向下，并且得出用户打算在x轴上执行向下姿势的结论，同时ecu450将y条带的信号解读为向下，错误地得出对角线事件是意图的结论。

相反，人眼会正确地解读用户确实想要一个具有恒定x坐标的手势，并且会正确地断定要进行从上到下的滑扫。

为了纠正上述问题，提出的方法引入了变量eventlength(事件长度)，其值是通过计算在本示例中的侦听窗口30内的手势的总事件长度来计算的。

进一步的变量被命名为longestx和longesty，它们分别表示所选手势中某个“条带”被触摸的最长时间。

以下准则随后被计算：

longestx>3.0*eventlength/4(对于坐标x)

以及

longesty>3.0*eventlength/4(对于坐标y)

如果针对x或针对y坐标进行验证，则表示用户打算保持手势的相对方向恒定的事实。

一般来说，准则可被写为：

longestx>k1*eventlength/k2(对于坐标x)

以及

longesty>>k1*eventlength/k2(对于坐标y)

其中，k1和k2的值可根据不同的设计选择而变化，上述的k1＝3和k2＝4分别被选择为优选但不是限制性实例。

这些值是在适当的实验活动之后通过校准程序确定的，并且上述准则的灵感来自于在相同的情况下人类对数据的评估或人眼在视觉上会得出什么结论。

图4示出了描述本发明的方法的实施例的流程图。

在该方法的开始，由导电网格17在预定时间区间期间生成的原始触摸数据被记忆在阵列中(框800)，在该预定时间区间期间在织物触摸垫传感器上执行手势事件。

在第一个触摸实例之际，用于监听n个帧的窗口打开并记录所有n个帧，并且随后窗口关闭，从而不记录任何内容。

创建帧的副本，并移除所有稀疏帧和/或列，分别在二维阵列内向上和/或向左移位包含数据的帧和/或列。换句话说，作为二维阵列的帧被碎片整理以供进一步处理。每个传感器的平均值和最小/最大历时被记录。这是基本上补偿不完美获取的信息。

进行第一次检查，以验证对于坐标x，条件longgestx>k1*eventlength/k2是否被验证(框810)。

在肯定的情况下，该方法确定具有恒定x坐标的手势是有意的(820)。

然后进行第二次检查，以验证对于坐标y，条件longesty＞k1*eventlength/k2是否被验证(块830)。

在肯定的情况下，该方法确定具有恒定y坐标的手势是有意的(840)。

最后，基于以上执行的检查，将执行的手势解读为具有恒定x坐标或恒定y坐标(框850)。

如果两个检查都具有肯定结果，则手势可被解读为单个触摸手势。

如果两个检查都具有否定结果，则手势可被解读为具有对角线手势。

图5到7代表在不完美获取情况下的本发明的算法的评估器的示例曲线图。

现有技术的算法，没有上述添加，将得出图5中的事件将是对角线滑扫的结论，因为x和y数据的平均值都显示滑动模式。

然而，采用本发明的算法，确保了正确的判断。

类似地，图6和图7中的事件都被正确地解读为水平方向上从左到右的滑扫手势；然而，它们将被现有技术的算法分别解读为对角线和单击事件。

已经证明，上述方法以高效率来正确地评价水平、垂直和对角线事件以及正确地评价单击。

另一种可能性是，这些手势可以通过接收数据的远程设备来解读。在电子设备不能做出决定的情况下，那么远程接收设备应该评估原始数据以应用更复杂的算法来解读。

虽然在上述概要以及详细描述中已经给出了至少一个示例性实施例，但应当领会存在众多数量的变型。还应领会，本文中描述的一个或多个示例性实施例仅是示例，并且不旨在以任何方式限制范围、适用性或配置。确切而言，上述概要和详细描述将向本领域技术人员提供用于实现至少一个示例性实施例的常规路线图，应理解，可在示例性实施例中描述的元件的功能和布置中作出各种变化，而不脱离如所附权利要求及其法律等效物所阐明的范围。