[发明专利]基于重选点策略和人工蜂群优化的三维图像配准方法

摘要

本发明公开基于重选点策略和人工蜂群优化的三维图像配准方法，包括：(1)对动态点云采样，得到采样点集；(2)产生一定数量蜂群，初始化蜂群个体的位置；(3)确定每个蜜蜂的欧式变换矩，根据欧式变换矩阵对采样点集进行位置变换；(3)由欧式变换矩对采样点集进行变换并计算目标函数值；(5)比较最优目标函数值的变化量，若连续多次小于阈值，则重选点操作，得到新采样点集，否则进入步骤(6)；(6)若达到最大进化代数，进入步骤(7)，否则返回步骤(3)；(7)由种群的最优解得到最优的欧式变换矩；并移动动态点云，完成图像配准。本方法将重选点策略引入采样过程，结合蜂群算法，有效降低了图像配准完成的时间，提高了性能。

主权项

1.基于重选点策略和人工蜂群优化的三维图像配准方法，其特征在于，包括步骤：步骤1，在动态点云中利用等间距随机选点方法得到用于配准的采样点集；步骤2，随机产生一定数量的蜂群，初始化蜂群个体的位置；步骤3，蜜蜂根据当前找到的蜜源位置确定各自的欧式变换矩阵，根据欧式变换矩阵对采样点集进行位置变换；步骤4，针对所有蜜源，利用Kd‑tree算法找到变换位置后的采样点集在静态点云中各自的对应点，计算所有对应点的欧式距离中值作为目标函数值，计算得到最优蜜源位置及其对应的最优目标函数值；步骤5，比较前后两代最优目标函数值，如果变化量连续多次小于设定值，则在动态点云中进行重选点操作，得新的采样点集；否则，进入步骤6；步骤6，若达到最大进化代数，则进入步骤7；否则，返回步骤3；步骤7，根据当前最优蜜源，得到最优的欧式变换矩阵，根据最优的欧式变换矩阵移动动态点云，完成图像配准。