【技术实现步骤摘要】
基于人工蜂群优化的异尺度点云数据三维重建方法
[0001]本专利技术涉及基于人工蜂群优化的异尺度点云数据三维重建方法
技术介绍
[0002]当前元宇宙概念兴起,VR虚拟现实技术也开始进入日常生活中,作为关键实现技术的三维重建也备受关注。同时自然资源部办公厅关于全面推进实景三维中国建设的通知中明确要求加快城市实景三维重建,点云配准算法的改进对于实景三维建设的国家方针也有重大意义。
[0003]但当前已有的异尺度点云配准方法在密度差不同,传感器噪声和离群异常值;不同捕获设备尺度变换导致的空间一致性问题和部分重叠三个方面均存在巨大改进提升空间。
技术实现思路
[0004]本专利技术的目的在于克服现有的缺陷而提供的基于人工蜂群优化的异尺度点云数据三维重建方法,解决异尺度点云配准的尺度缩放问题的同时提高了配准精准度。
[0005]实现上述目的的技术方案是:
[0006]基于人工蜂群优化的异尺度点云数据三维重建方法,包括:
[0007]步骤S1,获取异尺度点云数据;
[0008]步骤S2,将尺度缩放因子引入欧式距离作为目标函数;
[0009]步骤S3,通过人工蜂群优化目标函数,获取不同视角下的异尺度点云的配准;
[0010]步骤S4,通过不同视角下的异尺度点云的配准进行三维模型重建。
[0011]优选的,所述步骤S1中,在ASL Datasets Repository、The KITTI Vision Benchmark Suite以及清华校门数据集 ...
【技术保护点】
【技术特征摘要】
1.基于人工蜂群优化的异尺度点云数据三维重建方法,其特征在于,包括:步骤S1,获取异尺度点云数据;步骤S2,将尺度缩放因子引入欧式距离作为目标函数;步骤S3,通过人工蜂群优化目标函数,获取不同视角下的异尺度点云的配准;步骤S4,通过不同视角下的异尺度点云的配准进行三维模型重建。2.根据权利要求1所述的基于人工蜂群优化的异尺度点云数据三维重建方法,其特征在于,所述步骤S1中,在ASL Datasets Repository、The KITTI Vision Benchmark Suite以及清华校门数据集中获取异尺度点云数据。3.根据权利要求1所述的基于人工蜂群优化的异尺度点云数据三维重建方法,其特征在于,所述步骤S2中,动态点云通过异尺度配准变换矩阵T与静态点云合并到统一坐标系下,异尺度配准变换矩阵T公式为:其中,s∈R1,为标量性质的尺度缩放因子,R∈R3×3,为空间旋转矩阵为空间平移向量;旋转矩阵R和绕Z,Y,X三个坐标轴的欧拉角{α,β,γ}之间的关系为:R=R
Z
(α)R
Y
(β)R
X
(γ);其中,其中,其中,平移向量和沿三个坐标轴平移量{t
x
,t
y
,t
z
}之间的关系为:4.根据权利要求3所述的基于人工蜂群优化的异尺度点云数据三维重建方法,其特征在于,所述步骤S2中,异尺度配准变换矩阵T由7个参数{s,α,β,γ,t
x
,t
y
,t
z
)共同决定,完全配准的情况下,P变换后的点云T(P)与Q对应点之间的距离为零,但实际配准中因测量误差、噪声无法达到理想值零,因此,寻求一个最优变换矩阵T使得T(P)与Q对应点之间的距离最小,具体公式为:其中,为一对对应点,通过K最邻近法搜索确定。
5.根据权利要求4所述的基于人工蜂群优化的异尺度点云数据三维重建方法,其特征在于,所述步骤S3中,人工蜂群优化在每一次迭代中都会进行全局和局部最优的搜索;首先,随机初始化SN个食物源S,S
ij
=S
min j
+rand[0,1](S
max j
‑
S
mi...
【专利技术属性】
技术研发人员:刘培晟,朱思龙,刘兆瑞,王子阳,高心丹,
申请(专利权)人:东北林业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。