CN104981758B - 使用具有范围过采样爬山法和下山法的多维多指状物搜索 - Google Patents

Abstract

一种用于使用具有范围的过采样爬山法和下山法在二维组结果中检测和追踪多个指状物的方法。

Description

使用具有范围过采样爬山法和下山法的多维多指状物搜索

技术领域

本发明总体涉及到触摸传感器。更具体地，本发明为一种用于使用来自触摸传感器的数据以利用来自触摸传感器的二维组的结果(a two dimensional set of results)来检测和追踪多个目标的方法。

背景技术

存在多种电容灵敏触摸传感器的设计。能够被修改以与本发明一起工作的一种现有的触摸板设计为由公司制造的触摸板。因此，检查基础技术有助于更好地理解如何改进任意电容灵敏触摸板以用于本发明。

公司触摸板是互电容传感装置，示例如图1中的框图所示。在该触摸板10中，X(12)和Y(14)电极的栅格和感应电极16用于限定触摸板的触敏区18。典型地，触摸板10为大约16×12电极的矩形格栅或当有空间约束时为8×6电极的矩形栅格。与这些X(12)和Y(14)(或行和列)电极交错的是单个感应电极16。通过感应电极16进行所有位置测量。

公司触摸板10测量传感线路16上的电荷的不平衡。当没有指向目标在触摸板10上或接近触摸板10时，触摸板电路20处于平衡状态，且传感线路16上没有电荷不平衡。当指向目标由于该目标接近或接触触摸表面(触摸板10的敏感区18)时的电容耦合而产生不平衡时，在电极12、14上出现电容变化。测量的是电容的变化，而不是电极12、14上的绝对电容值。触摸板10通过测量必须被注入到传感线路16上以重建或恢复传感线路上的电荷平衡的电荷量来确定电容的变化。

上述***被用于确定如下所述的手指在触摸板10上或接近触摸板10时的位置。该示例描述行电极12，且对于列电极14以同样的方式进行重复。从行和列电极测量值中获得的值确定触摸板10上或接近触摸板10的指向目标的形心的交叉点。

在第一步中，第一组行电极12通过来自P、N发生器22的第一信号驱动，不同但相邻的第二组行电极通过来自P、N发生器的第二信号驱动。触摸板电路20使用互电容测量装置26从传感线路16获得值，该值表明哪个行电极最接近指向目标。然而，在一些微控制器28控制下的触摸板电路20还不能确定指向目标位于行电极的哪一侧，也不能确定指向目标距离电极恰好多远。因此，***通过待驱动的电极组12中的一个电极而变化。换言之，该组的一侧上的电极增加，而不再驱动该组的相对侧上的电极。然后，新的组被P、N发生器22驱动，并且采取传感线路16的第二次测量。

从这两个测量值能够确定指向目标位于行电极的哪一侧及距离多远。然后，利用比较所测量的两个信号的大小的方程式执行指向目标的位置测定。

公司触摸板的灵敏度或分辨率远远高于行和列电极的16×12栅格所具有的灵敏度或分辨率。该分辨率通常大约为960频数(counts)/英寸或更大。精确的分辨率是由组件的灵敏度、相同行和列上的电极12、14之间的间距以及对本发明不重要的其他因素决定。

对于Y或列电极14，使用P、N发生器24重复上述处理。

尽管上述触摸板使用X和Y电极12、14的栅格和单独且单一的感应电极16，但是通过使用多路技术，感应电极实际上可以为X或Y电极12、14。任何设计将能够使本发明起作用。

现有技术包括对已经能够检测和追踪触摸板上的多个目标的触摸板的描述。该现有技术的专利教导并且要求触摸板检测并追踪触摸板上任何地方的个别目标。专利描述了目标表现为曲线上的“极大值”的***。因此，还存在没有检测的曲线的较低部分的“极小值”。图2是示出作为触摸板上的两个目标的检测结果的第一极大值30、极小值和第二极大值34的概念的曲线图。

与现有技术相比其优点在于，提供一种新的检测和追踪方法，其能够被用于根据二维数据组检测和追踪多个指状物的移动，并且不依靠于识别极大值和极小值。

发明内容

在第一实施例中，本发明为一种用于利用具有范围的过采样爬山法和下山法(oversampling hill climbing and descent with range)在二维组结果中检测和追踪多个指状物的方法。

对本领域技术人员来说，本发明的这些和其他目标、特点、优势和可选方面将从结合附图的下列详细说明中变得明显。

附图说明

图1是能够适用于本发明的，现有技术的触摸板的第一实施例的操作的框图。

图2是显示必须识别每个被检测的目标的极大值和居间的极小值的现有技术的曲线图。

图3表示来自存在一个指状物的触摸传感器的数据，但是现有技术将显示为一个或两个指状物。

图4表示触摸传感器和许多位置中的仅六个位置，其中该六个位置显示如由脊线表示的目标的位置。

图5表示触摸传感器和可能检测目标的不同组的位置。

图6表示触摸传感器和可能检测目标的不同组的位置。

图7表示显示结果的位置和识别为目标的极大值的位置。

具体实施方式

现在将参照附图，其中，本发明的各种元件将被给予数字编号，且将讨论本发明以使本领域技术人员能够制造和使用本发明。应该理解，下列说明仅是本发明的典范原则，而不应被视为缩小权利要求的范围。

图2中所示的现有技术教导：为了找到多个指状物，能够以一维扫描的传感器结果来寻找极大值、随后极小值、随后另一极大值，以识别第一指状物、指状物之间的间隔，然后识别第二指状物，其对应于所示第一和第二极大值。然而，已经确定在一些情况下，处理来自触摸传感器的数据作为一维是不适当的并且不能准确地识别多个指状物。

首先，现有技术不能识别对于触摸传感器上的指状物的特定位置的多个指状物。极大值和极小值可以仅存在于特定轨迹中并且可以不存在于其它轨迹，因此将不会找到具有仅出现在除了那些正在被使用的轨迹意外的轨迹中的极大值和/或极小值的指状物。换言之，没有将准确识别触摸传感器上的所有指状物的预定扫描轨迹(即，在离散位置处的测量值的横向分布)或者轨迹组(例如水平、竖直或者对角扫描)。

第二，虽然横轴结果的总和可以被用于试图“接受”另外将被错过的极大值和极小值，但是这就可能使得指状物被隐藏。因此，其结果正被概括为相同结果的两个指状物可以有效地不可见。随着两个指状物出现并且被正交概括，不可能辨别哪个结果对应于穿过正交的轴，因此该两个指状物可能位于两个位置中的任何一个位置处。这种情形熟知为重影，其中由于一些正交的触摸传感器的性质因此指状物可能同时出现在两个位置上。结果为实际在重影位置上的第三和第四指状物利用现有技术的检测方法完全无法检测。

第三，当二维数据被离散捕获时存在基本的“混叠”的问题，并且这将超过正常采样要求。例如，众所周知采样频率必须足够高以捕获存在于测量值中的变化。对于一维测量，一旦采样率足够高，则一维扫描可以准确观察所有极大值和极小值。然而，当测量值的变化跨越二维而存在并且数据被离散地捕获时，混叠的极大值和极小值是固有的。在单个目标遍布在几个位置时，局部极大值和极小值可以被限定为来自单个目标的信号的强度的变化。

图3是现有技术所表示的单个指状物。然而，现有技术根据测量值的分布而将指状物随意视为一个或者两个指状物。数据的水平分布以及竖直分布可能将看到一个极大值而视为一个指状物。然而，对角分布很可能将无法准确地识别两个极大值和两个指状物。结果可以被显示为点的变化尺寸或变化高度的表面，其中尺寸或高度表示通过指状物的出现而改变的电容的大小。

例如，如图4所示，考虑来自六个位置的样本的阵列。在这些位置处的测量值可以被视为以大于指尖的部分进行接触的拇指或者指状物(如图3所示)一侧的表面，并且大致是直线的且从触摸传感器50的左下方(la)移动到右上方(3b)。拇指或者指状物(以下简称指状物)的形状可以由脊线40表示，并且当从左上方3a移动到右下方1b时，也可以视为具有信号强度的个别的低位(lowland)-峰值-低位。

指状物的实际极大值可以在这些位置处的这组测量值之外。重要的是，脊线40穿过被识别的位置使得1a和3b位于脊线40正下方。位置2a和2b在脊线40的两侧上。因此la和3b与第一指状物位置的个别极大值有关。注意，使样本颗粒度减少(即，增加二维采样率)不能解决这个问题。对于任何固定的采样轨迹(竖直、水平、对角地扫描或者一些其它轨迹)，其存在拇指位置使得脊线交替穿过该位置以及处于位置之间，以此在触摸传感器50上创建混叠的极大值和极小值。

通过识别所有的这些问题，本发明的第一实施例可以通过不使用一维数据，而是通过仅使用二维数据来解决这些问题。换言之，本发明不使用简单的一维数据来找到多个目标在触摸传感器上的位置。

第一实施例的第一步骤为扫描整个二维阵列的位置，该二维阵列的位置由创建触摸传感器50的正交触摸传感器网格所限定。完全扫描的目的在于可以识别具有测量结果或者信号强度(在下文中称为结果)的所有位置中哪个大于零，从而其可以指示第一指状物的存在。因为可能有多于一个指状物存在，所以被识别为可能具有指状物的位置可以被识别为第一指状物位置。

可能期望过采样以限制该位置。例如，能够检查位置以确信在该位置附近存在结果，其指示实际上存在将覆盖多个位置的至少一个指状物。这个位置被用作步骤2的起始点。该位置可以被识别为当前第一指状物位置。

第二步骤为从当前第一指状物位置执行爬山程序。爬山程序可以被称为向内移动到至少一个指状物的最高位置。换言之，该算法试图确定是否存在与当前第一指状物位置相邻且具有比当前第一指状物位置的值大的值的位置。

出于之前所指出的理由，仅寻找具有最高值的第一指状物位置的算法，即便该算法将结果与所有二维周围结果进行比较，也是不适当的。爬山算法必须略过由混叠所引起的局部极小值。例如，根据图4，在位置la和3b处可能有局部极大值。为了确定哪个为最高局部极大值，在它们之间存在局部极小值(信号强度下降)。例如，通过比较接近横轴结果的加权总和，能够实现绕过局部极小值的能力。

作为比较接近横轴结果的加权总和的示例，假定爬山算法已经爬升到作为如图5所示的当前第一指状物位置的位置2b。现在推测爬山算法将要考虑位置3b的值。

可以按如下方法执行接近横轴结果的加权总和。通过对相邻的横轴值进行相乘和相加而应用加权模式。在本示例中，爬山算法使用1-2-1模式。然后方程式为(1*3a+2*3b+1*3c)。因此，如果(1*3a+2*3b+1*3c>1*2a+2*2b+1*2c)，则3b可以被认为是向内的，或者具有较高的信号强度或者较高的结果，并且爬山算法可以爬到位置3b。

在移动到位置3b之前，通过使用相同的加权平均比较结果，爬山算法同样也可以(至少)考虑位置2a、1b和2c的最相邻的值。因此，如果(1*1a+2*2a+1*3a>1*1b+2*2b+1*3b)，则2a也可以具有较高的值且是向内的。这种特别的加权模式1-2-1可基于与典型指状物形状相对的样本而被选作适合于特定实施方式。对于其它关系，其它加权模式可能是适当的，例如12421，或者甚至二维加权模式，例如：

0 1 1 1 0

1 2 4 2 1

----------

1 2 4 2 1

0 1 1 1 0

因为中心值2b与4个最接近的位置进行比较，所以选择2b对2a、3b、2c和1b的值进行比较，可以是已知的4连接比较(4-connected comparison)。然而，包括对角值的爬山算法可以被认为是包括二维采样的8连接比较。因此，N连接比较就是在当前第一指状物位置的附近处于期望的布置的N个位置的比较。

注意，过滤(例如低通平均值)二维结果阵列以减少混叠可以有助于这种混叠问题，但是只有对每个电势爬升方向创建分开过滤的数据阵列才可能是有效的。这是因为在爬升的电势方向上进行的过滤使得计算中的数据模糊。这种算法的关键益处在于它仅在横轴方向上均分，从而明确爬升比较。

在数字信号处理事件中，这种分析可以是简单的小波转换。附加的小波分析可能导致进一步的替代。注意，爬山算法不需要并且通常不识别指状物的极大值。

以下示例显示了当爬山程序可能不能找到极大值时的一种方案。图6显示了具有至少1a至4d的16个位置的触摸传感器50。

考虑到指状物的实际位置大致在如箭头44所指示的上述位置的中心。因此，来自形成第一位置组的位置2b、2c、3b和3c的信号强度或者结果近似相等。1b、1c、2d、3d、2a、3a、4b和4c同样近似相等，尽管小于第一位置组。当1b>1c、3a>2a、4c>4b且2d>3d足以使得这些不等式支配比较时，算法可以顺时针爬升2c->2b->3b->3c->2c并且无限重复。如果达到这个条件，则足以结束爬山算法并且将当前第一指状物位置分配到这些位置中的任何位置上。

终止爬山算法的无限循环可以被完成，例如，通过或者限制允许爬升的最大步骤，或者检测在当前测量周期中已预先占据位置。例如，当前测量周期不仅可以通过重复位置被限制，还可以通过将当前第一指状物位置移动N次被限制。在这两者情况下，当前第一指状物位置可以不必是极大值。

还可以观察到，爬山算法在一些阈值水平处已经追踪实际指状物位置44周围的边界，使得边界内的结果处于仍不知道的一些水平之上。这在算法的下一步骤中是重要的。

注意，爬山算法的爬升路径没有预先确定并且可以包括之字形、任意转弯甚至螺旋。路径长度的一个理论限制可以为样本的总数，即，整个2d阵列(具有经过全部样本的各种可能的路径)。实际上，一旦一些向内步骤已经完成，则向内方向的范围被显著地限制，因此路径典型地比指状物的直径小得多。以这种方式限制算法可能导致使得进一步向内的机会终止，但是由于接近指状物的终止中心一般适于从步骤3开始，因此这不成问题。

第一实施例的第三步骤为执行下山算法，接受来自作为指状物的一部分的位置的结果。这个步骤，像步骤2一样具有极大值，可能容易接受使结果混叠的假的极小值。因此，搜索实际极小值可能是不能接受的。

下山算法的目的在于确定在触摸传感器50上是否存在任何其它的指状物。如果已经确定第一指状物位置的极大值的位置，则下山算法的所有迭代可以指示在触摸传感器上没有其它的指状物的其它极大值，这是因为随后所有的计算将表明所有结果来自于第一指状物，而不是来自于另一指状物。这被指示是因为其它位置的结果将落入减少的范围直到该范围被有效地减少到零。

然而，如果存在另一指状物，则下山算法将最终指该示结果在另一指状物的方向上的位置增加。这些其它的位置最终变成用于重复第一实施例的算法的原由，以便执行爬山算法直到上升至另一个或另一些指状物。

该问题的一种解决方式可以为允许然后被假定为第一指状物的部分的结果的范围。换言之，考虑第一指状物的极大值。极大值可以为测量的结果7000。该值是任意选择的并且仅用于说明的目的。

现在范围被添加到第一指状物的值。该范围应该足够大以允许由于结果如何与局部脊线排列而导致的结果的变化，但是也可以足够小以避免接受来自附近的不是第一指状物的指状物的中央区域的结果。

换言之，实际上，可以预先确定如果相邻位置的结果将要减少，则它们将以特定速率减少。然后将范围作为因素考虑，甚至考虑相邻的位置的一些噪声，该范围足够大以包括作为第一指状物的部分的相邻的位置。因此，如果选择范围的值为2000(再一次，仅对于该示例任意选择该值)，则第一指状物和相邻的位置的总和应该小于9000。如果在超过预计值9000之上存在值的跳跃，则相邻的位置可以为附近指状物的部分。

对于具有相当充足的样本和灵敏度的触摸传感器，众所周知可以选择将工作的范围。由于利用特定触摸传感器上的多个指状物来获得经历时，这个范围可以通过反复试验来选择。必须认识到出于第一实施例的目的该范围将已知。

另一因素可以为下山算法可能需要记住它已经下降，而不管方向。然后，当范围较高时，只有当相邻时才包括适于包括初始的来自位置的结果。

随后，在已经包括来自从第一指状物的极大值下山到低处的位置的结果之后，上山的样本可能需要被排除，而不管是否相邻，这是由于现在在其它的指状物中它们已经被计算。

来自山上的重复且复杂的向下轨迹可以被用于确定算法准确下降，同时略过假的极小值。这些向下轨迹可以包括保持这些行进的距离对下降的量的追踪。这种排除在预期范围之上的结果的简单方法的意思是这种信息的累积是不必要的。

作为示例，下山算法利用步骤2中找到的位置被初始化，并且该范围可以被设置成位置加界限的值。例如，可以包括在范围内的所有8-连接周围样本。注意，由于所有相邻的样本将被下降，因此如果当前第一指状物位置出现极大值，则在该迭代过程中将不增加,但是由于第一指状物位置可能不是极大值因此这不是必要的。由于范围调置成允许局部变化，因此这个步骤典型地接受比第一指状物位置大的相邻的样本。

一旦不再有相邻的样本处于当前值的范围内，则该范围被减小或者被向下移动并且处理被重复进行。增大范围的量是主要是实际考虑的。理想地，将被缩减仅仅足以接受来自相邻的位置的结果，但是这可能计算昂贵，因此阶梯式方法可以是适当的。换言之，范围可以缩减作为范围的一小部分的固定量。这个处理持续直到该范围足够接近到零从而进一步的结果不相干。

注意，通常，该下山算法步骤通过比较使用范围的相邻的结果来识别具有相邻指状物的边界，并且被局部执行。仅在下降之后完成可以估计的结果来确定步骤4中是剩余留任何结果。剩余的结果可以为目前使用第一实施例必须被定位的其它的指状物。

最后，步骤4重复步骤1，同时排除包括在步骤3中识别的第一指状物中的结果。有机会排除任何位置的可能的指状物，其由于在可允许范围之上而在步骤3期间不被接受，但是没有被足够的剩余结果围绕以确认为指状物。注意，应该存在这种位置，它们可能为局部极大值，但是算法已经提供足够的信息以取消它们作为可能的离散的指状物的资格。事实上，它们可以包括已经找到的指状物的实际极大值。

相反，如果剩余可能的指状物，则有资格的位置被看作当前第一指状物(尽管它是第二或者后来的指状物)并且通过第一实施例的步骤2开始重复算法。

图7是在应用本发明的第一实施例的步骤之后在图3所示的结果30内被识别的单个指状物的说明。

第一实施例的爬山算法部分可以在没有下山算法的情况下被使用，只要单个指状物位置将被识别，仅存在单个指状物，或者如果使用用于使具有特定指状物的结果分组的不同的方法。一旦位于例如已经识别了当前第一指状物位置的起始位置，则可以开始下山算法。

虽然第一实施例显示正被使用的具有下山算法的爬山算法，但是也可以不管识别起始位置的方法而使用下山算法。

爬山算法和下山算法的重复随着存在的指状物的数量和要求被找到的指状物的数量以及否可以期望有关指状物的形状和/或尺寸信息而改变。

可以理解，上述方案仅是本发明的原则的说明性应用。在不脱离本发明的精神和范围的情况下，本领域技术人员可以设计许多修改和备选方案。权利要求旨在涵盖这种修改和方案。

Claims (16)

1.一种用于使用来自触摸传感器的二维组测量来检测和追踪多个目标的方法，所述方法包含：

1)扫描位置的二维阵列以识别具有大于零的结果的第一指状物位置，使得所述第一指状物位置指示存在至少一个指状物；

2)在测量周期中执行爬山算法以确定是否存在与所述第一指状物位置最相邻的具有较高值的位置，其不会导致爬山算法进入使得爬山算法不识别具有极大值结果的第一指状物位置的指状物的实际位置周围的无限循环中，并且当所述爬山算法在当前测量周期中重复某位置或当第一指状物位置已经移动了N次时，终止所述无限循环；

3)重复所述爬山算法直到找到最高的第一指状物位置；并且

4)执行下山算法以识别所述第一指状物位置和第二指状物之间的边界，

其中，所述方法进一步包含比较接近横轴结果的加权总和，以确定新的当前第一指状物位置。

2.如权利要求1所限定的方法，其中，所述方法进一步包含：当扫描时过采样位置的二维阵列，从而确定在所述第一指状物位置的至少一个相邻的位置也具有结果，从而确认存在至少一个指状物。

3.如权利要求1所限定的方法，其中，所述爬山算法进一步包含绕过由混叠所引起的局部极小值，以通过比较比较接近横轴结果的加权总和找到具有所述最高值的第一指状物位置以创建新的当前第一指状物位置。

4.如权利要求3所限定的方法，其中，所述爬山算法进一步包含执行当前第一指状物位置和与所述当前第一指状物位置最相邻的四个最靠近的竖直位置和水平位置的四个连接的比较，以确定所述新的当前第一指状物位置。

5.如权利要求4所限定的方法，其中，比较接近横轴结果的加权总和进一步包含在所述当前第一指状物位置周围对于每个爬升方向创建分开过滤的数据阵列。

6.如权利要求5所限定的方法，其中，所述加权总和进一步包含应用加权模式，其将更多的权重给予一些位置并且将较少的权重给予其它位置。

7.如权利要求1所限定的方法，其中，所述下山算法进一步包含：包括被认为是相同的指状物的部分的结果的范围，其中，范围被添加到所述第一指状物位置的值，其中，该范围应该足够大以允许结果的变化，但是也足够小以避免接受来自附近的不是第一指状物位置的指状物的中央区域的结果。

8.如权利要求7所限定的方法，其中，所述下山算法进一步包含利用范围，通过比较相邻的结果来识别与相邻的指状物的边界。

9.如权利要求8所限定的方法，其中，所述方法进一步包含重复步骤1至步骤4，同时排除已经被识别的任何指状物。

10.一种用于使用来自触摸传感器的二维组测量来检测和追踪单个目标的方法，所述方法包含：

1)扫描位置的二维阵列以识别具有大于零的结果的第一指状物位置，使所述第一指状物位置指示存在所述指状物；

2)在测量周期中执行爬山算法以确定是否存在与所述指状物位置最相邻的具有较高值的位置，其不会导致爬山算法进入使得爬山算法不识别具有极大值结果的第一指状物位置的指状物的实际位置周围的无限循环中，并且当所述爬山算法在当前测量周期中重复某位置或当第一指状物位置已经移动了N次时，终止所述无限循环；并且

3)重复所述爬山算法直到找到最高的指状物位置，

其中，所述方法进一步包含比较接近横轴结果的加权总和，以确定新的当前指状物位置。

11.如权利要求10所限定的方法，其中，所述方法进一步包含当扫描时过采样位置的二维阵列，从而确定对于所述指状物位置的至少一个相邻的位置也具有结果，从而确认存在所述指状物。

12.如权利要求10所限定的方法，其中，所述爬山算法进一步包含绕过由混叠所引起的局部极小值，以找到具有最高值的指状物位置以创建新的指状物位置。

13.如权利要求12所限定的方法，其中，所述爬山算法进一步包含执行当前第一指状物位置和与所述当前第一指状物位置最相邻的四个最靠近的位置的四个连接的比较，以确定所述新的当前指状物位置。

14.如权利要求13所限定的方法，其中，比较接近横轴结果的加权总和进一步包含在所述当前指状物位置周围对于每个爬升方向创建分开过滤的数据阵列。

15.如权利要求14所限定的方法，其中，所述加权总和进一步包含应用加权模式，其将更多的权重给予一些位置并且将较少的权重给予其它位置。

16.如权利要求10所限定的方法，其中，所述方法进一步包含执行下山算法以识别所述第一指状物位置和第二指状物之间的边界。