论文部分内容阅读
针对传统的增强现实维修系统不能有效对维修状态进行感知和判断的问题进行了研究,提出了一种基于概率神经网络(probabilistic neural network,PNN)的维修进程识别的策略。该策略将关注的焦点由维修对象本身转移到附近的已拆卸零件放置区域,利用曲波变换生成已拆卸零件边缘图像,然后生成Hu不变矩特征值,再将特征值作为PNN的输入进行进程零件的分类识别,从而得到当前的维修进程。实验表明,该策略下识别的准确度明显高于图像匹配方法与曲波不变矩方法,为场景感知提供了新的思路和解决方案。