论文部分内容阅读
针对管路结构难识别的问题,提出一种基于局部轮廓形状特征的复杂管路结构识别方法,该方法获取管路各结构的轮廓形状,利用形状描述子将各轮廓转换为信号数据,在采集大量信号数据样本的基础上,训练反向传播神经网络,以识别管路结构。训练试验结果表明,所提方法实现了管路结构的自动识别与分割,其准确率达到97%。在实际应用中,采用多相机同时识别,并投票决策的方式提高了识别准确率,实现了分支管路的自动重建与测量。