發(fā)布時間：2021-07-03 18:06

　　增強(qiáng)現(xiàn)實技術(shù)又被稱作混合現(xiàn)實技術(shù),是一種將虛擬世界與現(xiàn)實世界相互連接的新技術(shù)。就當(dāng)前數(shù)字化車間來說,數(shù)字化車間對傳統(tǒng)車間進(jìn)行了重新定義,是通過虛擬的方式將傳統(tǒng)車間構(gòu)建到虛擬環(huán)境中,對整個生產(chǎn)過程進(jìn)行虛擬仿真推進(jìn)生產(chǎn)。本文針對數(shù)字化車間的特點,將增強(qiáng)現(xiàn)實技術(shù)應(yīng)用到數(shù)字化車間,設(shè)計出虛擬模型與現(xiàn)實中的真實場景相互融合,從而使得在數(shù)字化車間中的一定時間空間范圍內(nèi)很難體驗到的實體信息,通過模擬仿真后將虛擬信息疊加到真實空間中,從而輔助人員作業(yè)。通過對增強(qiáng)現(xiàn)實系統(tǒng)中圖像識別問題的分析,其中的圖像識別技術(shù)對于數(shù)字化車間的應(yīng)用匹配度較低,本文為提高匹配度將增強(qiáng)現(xiàn)實系統(tǒng)中的圖像識別技術(shù)進(jìn)行了改進(jìn),通過將卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)相結(jié)合,利用卷積神經(jīng)網(wǎng)絡(luò)對圖像的泛化能力以及支持向量機(jī)的模型分類能力,將圖像識別中數(shù)據(jù)集相似性較小的特征進(jìn)行二分類,對其在神經(jīng)網(wǎng)絡(luò)中的權(quán)值的權(quán)重進(jìn)行分類調(diào)整,使得相似性較大的特征作為主要識別特征,提高識別準(zhǔn)確率。此外對增強(qiáng)現(xiàn)實系統(tǒng)中三維注冊技術(shù)進(jìn)行姿態(tài)角度模型的設(shè)計,對于姿態(tài)角度信息重新矩陣優(yōu)化,提高整個增強(qiáng)現(xiàn)實系統(tǒng)的穩(wěn)定性。本項研究提出的改進(jìn)方法結(jié)合現(xiàn)有的移動智能終端最終實現(xiàn)了... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院沈陽計算技術(shù)研究所)遼寧省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

微軟混合現(xiàn)實技術(shù)Figure1.1MicrosoftMixedRealityTechnology

面向數(shù)字化車間增強(qiáng)現(xiàn)實技術(shù)的研究到現(xiàn)實世界當(dāng)中，對于數(shù)字化車間模擬的虛擬計算機(jī)環(huán)境來說（趙付超 等，2018），增強(qiáng)現(xiàn)實技術(shù)是更是數(shù)字化車間向信息化邁出的一大步，將增強(qiáng)現(xiàn)實技術(shù)應(yīng)用到數(shù)字化車間，實現(xiàn)了數(shù)字化車間的信息化的躍進(jìn)，對于數(shù)字化車間營造的虛擬環(huán)境信息來說，通過增強(qiáng)現(xiàn)實及技術(shù)得到了進(jìn)一步的加強(qiáng)，對于從業(yè)人員來說，在信息的獲取與應(yīng)用上，效率會進(jìn)一步提高，最終會實現(xiàn)一個高效、舒適、無污染的個性化智能工廠。2.2 增強(qiáng)現(xiàn)實系統(tǒng)流程

代的時候總是按照給定的步長收斂到局部最大值。3.2 卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)（李彥冬 等，2016）屬于神經(jīng)網(wǎng)絡(luò)的一個分支，是一種前饋神經(jīng)網(wǎng)絡(luò)，它最大的特點是可以對于圖片的細(xì)致計算，常見的卷積神經(jīng)網(wǎng)絡(luò)一般是初始時卷積層與降采樣層交叉循環(huán)出現(xiàn)，之后再加入全連接層與 softmax層，加入全連接層的目的是為了進(jìn)行最終的圖像分類，從而可以預(yù)測出最后的結(jié)果。如圖 3.1 所示，為著名的 LeNet-5 卷積神經(jīng)網(wǎng)絡(luò)（Hailong Xi 等.，2018），在 90 年代被廣泛應(yīng)用于手寫數(shù)字識別領(lǐng)域。其結(jié)構(gòu)先經(jīng)過兩次卷積層到降采樣層（池化層），再經(jīng)過全連接層，最后使用 softmax 分類作為輸出層。

【參考文獻(xiàn)】：
期刊論文
[1]基于混合現(xiàn)實技術(shù)的設(shè)備管理系統(tǒng)的開發(fā)[J]. 郭俊鑫,林培浩,黎宇恒,許健宏,周爵榮.  機(jī)電信息. 2019(06)
[2]HoloLens混合現(xiàn)實技術(shù)在建筑行業(yè)中的應(yīng)用研究[J]. 龔赤兵.  現(xiàn)代信息科技. 2019(04)
[3]單目標(biāo)跟蹤技術(shù)發(fā)展研究[J]. 王林茜,胡曉曦,韓勛,匡銀,楊新權(quán).  空間電子技術(shù). 2019(01)
[4]基于深度神經(jīng)網(wǎng)絡(luò)的表面劃痕識別方法[J]. 李文俊,陳斌,李建明,錢基德.  計算機(jī)應(yīng)用. 2019(07)
[5]基于灰色支持向量機(jī)的汽車制動系統(tǒng)故障診斷與預(yù)測[J]. 姚曉麗.  南方農(nóng)機(jī). 2019(03)
[6]混合現(xiàn)實技術(shù)常見應(yīng)用場景[J]. 羅偉,王燕一,侯霞,龐戀蘇,劉洪臣.  中華老年口腔醫(yī)學(xué)雜志. 2019(01)
[7]圖像處理與識別的應(yīng)用研究[J]. 張蓉.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2019(01)
[8]融合softmax的偏最小二乘法及中藥數(shù)據(jù)分析研究[J]. 李歡,聶斌,杜建強(qiáng),余日躍,周麗,黃強(qiáng).  計算機(jī)應(yīng)用研究. 2019(12)
[9]基于動態(tài)局部連接網(wǎng)絡(luò)的行人再識別[J]. 聶敏.  電腦編程技巧與維護(hù). 2018(12)
[10]探究制造業(yè)數(shù)字化車間的建設(shè)思路[J]. 金軍田士寶.  科技視界. 2018(30)

碩士論文
[1]增強(qiáng)現(xiàn)實中基于視覺的三維注冊技術(shù)研究[D]. 朱孔春.沈陽航空航天大學(xué) 2011



本文編號：3263088