[發明專利]基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法

在審

• 申請號: 202110220089.2
• 申請日: 2021-02-27
• 公開（公告）號: CN113034554A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 王毅;李曉夢;耿國華;周琳;彭鈺博;王侃琦
• 申請（專利權）人: 西北大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06K9/62;G06N3/00;G06N3/08
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法，其特征在于，所述基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法包括：

對數據預處理，生成源點云數據P和待配準數據Q；

根據目標函數建立種群個體與模型的映射關系，用旋轉R參數和平移T參數得到最優變換矩陣；

初始化參數，采用混沌重心反向學習策略初始化種群，計算適應度值，得到全局最優解；

使用精英保留機制將精英數據保存在精英數據庫中；

設計權重因子和收斂因子，更新鯨魚個體的位置，并計算其適應度；

更新隸屬度、非隸屬度和猶豫度；

更新鯨魚個體之間的距離；

計算小生境技術的共享函數值，并更新適應度值；

判斷是否滿足迭代條件，若不滿足則返回初始化參數；否則，進入將搜索得到的最優解應用到R和T參數中；

將搜索得到的最優解應用到R和T參數中，得到最終的配準模型。

2.如權利要求1所述的基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法，其特征在于，所述基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法的待配準數據Q的生成主要是對預處理之后得到的源點云數據P繞X軸旋轉70°，繞Y軸旋轉30°，繞Z軸旋轉50°，平移向量T＝[0,-200,100]處理得到的，這是本發明使用的參數，可以使用其他數據進行變換。

3.如權利要求1所述的基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法，其特征在于，所述基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法的R和T是點云數據的旋轉量和平移量，R＝R_x*R_y*R_z，表示分別繞x軸，y軸，z軸的旋轉角度，T＝[T_x,T_y,T_z]，表示分別沿x軸，y軸，z軸的平移距離；點云配準問題實質為全局優化問題的求解:尋求最優的變換矩陣，使得源點集P與待配準點集Q間的歐氏距離最小，根據R和T得到最優變換矩陣S,S＝R*Q+T，鯨魚優化的目標函數為

4.如權利要求1所述的基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法，其特征在于，所述基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法的初始化參數具體包括：

(1)初始參數分別為：搜索上界ub、搜索下界lb、種群規模n、維度D、最大迭代次數maxgen、精英保留概率k；

(2)采用具有較好的遍歷性和初值敏感性的Logistic混沌映射在D維空間中生成混沌序列y＝{y_d，d＝1，2，…，D}，μ∈[0，4]，y∈[0，1]，y_d＝{y_id，i＝1，2，…，n},Logistic混沌映射函數表達式為：

y_i+1,d＝y_i,d×μ×(1-y_i,d)；

(3)將混沌序列映射到解空間，得到種群個體X_id為：

x_id＝X_min+y_id×(X_max-X_min)；

(4)定義重心，設(X₁，…，X_n)是D維搜索空間中的有單位質量的n個點，則此n個點的重心定義為：

記X_i＝(x_i1，…，x_iD)，i＝1，…，n,則M＝(M₁，…，M_D),則：

(5)計算重心反向點：

(6)利用目標函數計算種群個體的適應度值，并得到全局最優位置。

5.如權利要求1所述的基于混沌反向學習的鯨魚優化的破損俑體碎片配準方法，其特征在于，所述精英保留機制的具體實現方法是，在迭代之初，對所有的個體的適應度進行升序排列，設置一個精英保留概率參數k,以k概率在所有個體中選擇最優個體作為精英保存在精英數據庫中，當鯨魚個體經過一系列位置更新后，用精英數據庫中的個體替換種群中最差的k概率的鯨魚個體。