[发明专利]一种适用于靶球中心解算的有限随机搜索方法

说明书

本发明公开了一种适用于靶球中心解算的有限随机搜索方法，其主要步骤为：(1)利用三维激光扫描系统获取靶球点云；(2)设定初始约束条件；(3)设定靶球中心的误差衡量准则；(4)计算初始搜索空间Rsupgt;3/supgt;；(5)随机搜索，寻找最优中心；(6)优化约束条件，更新搜索空间；(7)重新搜索，寻找最优值；(8)检测结束条件，结束循环；步骤9：结束搜索，确定靶球中心及半径。本发明通过靶球点云与靶球几何特征的结合，利用有限随机搜索方法解决了靶球点云中心坐标与半径拟合的问题，避免了线性化过程中的精度损失，实现了靶球点云中心坐标与半径的高精度解算，且效率较高。

技术领域

本发明属于工程测量及三维激光扫描领域，具体涉及一种适用于靶球中心解算的有限随机搜索方法。

背景技术

由于三维激光扫描系统的扫描视场和外部环境的限制，扫描仪在单视角下只能采集到扫描对象的一部分数据。要获取扫描对象的整体模型，需要对扫描对象进行多视角扫描，并将不同视角下的数据转换到同一坐标系下，才能获取扫描对象的完整几何模型，这就是多站点云的配准问题。基于同名点的点云配准方法是目前在高精度三维激光扫描工作中普遍采用的一种方法，这种方法借助不同扫描区域重叠部分的同名点，通过解算七个变化变换参数(三个旋转量、三个位移量，一个缩放因子)，而实现不同视角下的点云配准。在实际工作中，重叠部分的同名点多设置为球形靶标(又称靶球)，其中心坐标的解算精度直接影响着点云的配准精度。

基于三维激光扫描获取的靶球表面散乱点云求解其中心坐标，本身是一个非线性问题，目前通常是借助各类最小二乘法进行线性化求解，如经典最小二乘法、整体最小二乘法等，但这类方法多是基于单纯的测点数据求解，易出现精度受初值影响大、易陷局部最优等问题，不可避免地带来精度损失。同时，三维激光扫描获取的靶球测点数量通常在数千个以上，采用各类平差方法会造成计算矩阵庞大，运行效率低。此外，靶球通常是具有一定的几何尺寸的，如通常采用的规则靶球的几何半径是7.25cm，而这些信息在解算靶球中心时往往并未采用。然而实际在求解其中心坐标时，这些信息是可以利用的，将这些信息加入求解过程作为约束，不仅能提高中心坐标的解算精度，且提升运算效率。因此，为了充分利用靶球的测点信息与几何特征信息，且避免非线性问题的线性化精度损失问题，本发明提出了一种适用于靶球中心解算的有限随机搜索方法。

发明内容

为了解决现有技术中的不足，本发明提供了一种适用于靶球中心解算的有限随机搜索方法。

本发明采取的技术方案是：一种适用于靶球中心解算的有限随机搜索方法，其包括如下步骤：

步骤1：利用三维激光扫描系统获取靶球点云；

步骤2：设定初始约束条件；

步骤3：设定靶球中心的误差衡量准则；

步骤4：计算初始搜索空间R³；搜索空间R³为随机搜索时所生成的随机点p＝{(x,y,z)∈R³}所处空间，这个空间由靶球的点云P与靶球预设半径R_set共同确定；

步骤5：随机搜索，寻找最优中心；以搜索空间R³＝X,Y,Z为约束，随机生成一个中心点(a_rand,b_rand,c_rand)与半径R_rand，利用步骤3的误差衡量准则，通过N_loop次随机搜索，寻找最优的中心点与半径；

步骤6：优化约束条件，更新搜索空间；

步骤7：重新搜索，寻找最优值；以新的搜索空间与搜索半径R_new为约束条件，重新进行步骤5的随机搜索，寻找最优值；

步骤8：检测结束条件，结束循环；在经过预定的N_refine次迭代优化后，逐渐地确定中心点与半径的最优值；