摘要
在钢结构数字化检测中,点云与设计模型的配准是进行数字化检测的关键步骤,配准的精确度决定了检测分析的准确度。传统配准方法一般先进行粗配准再进行精确配准,计算量大且收敛速度缓慢。针对精确配准存在的问题,本文提出了基于改进的自适应遗传算法用于点云与设计模型的配准方法,自适应地调整交叉概率与变异概率的执行顺序及概率值的大小,提高了种群的多样性及收敛速度。试验证明,改进后的自适应遗传算法极大地提高了点云与模型配准精度和收敛速度。
Registration of point cloud and design model is a key step in digital detection of steel structures.The traditional registration method is computationally intensive and slow in convergence. Aiming at accurate registration,an improved adaptive genetic algorithm is proposed for the registration method of point cloud and design model,adaptively adjust the execution order of cross probability and mutation probability and the magnitude ’ of probability value,and improve the diversity of population and convergence speed.Experiments show that the improved adaptive genetic algorithm greatly improves the accuracy and convergence speed of point cloud and model registration.
作者
李国远
王健
刘秀涵
孙文潇
LI Guoyuan;WANG Jian;LIU Xiuhan;SUN Wenxiao(College of Geomatics,Shandong University of Science and Technology,Qingdao 266590,China;Beijing Mag Tianhong Technology Development Co.,Ltd.,Beijing 100089,China)
出处
《测绘通报》
CSCD
北大核心
2020年第2期160-162,共3页
Bulletin of Surveying and Mapping
基金
山东省科学基金(ZR2019PD016)
山东科技大学研究生科技创新项目(SDKDYC190304).
关键词
点云
BIM模型
配准
自适应遗传算法
point cloud
BIM model
registration
improved adaptive genetic algorithm
作者简介
李国远(1991—),男,硕士,主要研究方向为三维激光扫描仪及应用。E-mail:395651423@qq.com;通信作者:王健。E-mail:wangj@sdust.edu.cn
