基于改进粒子群算法的动态3D实时建模技术
发布时间：2021-09-30 11:35
针对传统3D建模技术无法满足在脱离专业测量工具的情况下,实时创建出与用户所处房间等比例尺寸的3D模型的需求。提出一种基于陀螺仪传感器结合改进粒子群算法计算房间3D模型尺寸与镜头位置的动态3D建模技术,该技术可以实现实时房间等比例建模,使用者可以预览到整个房间所有方位的装修效果,让用户对房间整体装修效果有直观的印象,操作方便且实时性强。实验结果表明,改进粒子群算法的动态3D实时建模技术解决了国内传统3D建模技术测量不精确的缺陷,具有一定的理论和实际意义。
【文章来源】：计算机工程与应用. 2019,55(05)北大核心CSCD
【文章页数】：7 页
【部分图文】：
模块划分图
019，55（5）2.2记录模块解算墙角向量方法接着记录墙角向量，墙角向量方向所代表的立体几何含义描述如下：如果将立方体房间质点中心位置作为三维坐标系的原点位置，则这个原点位置即是人在房间中眼睛所处的位置。那么八个顶点的墙角三维坐标值即是八个墙角的向量长度为1的单位值。八个顶点分别定义为V1、V2、V3、V4、V5、V6、V7、V8，每个顶点向量都是由V(x,y,z)的形式确定。如果原点O在立方体房间的正中心，那么V1~V8的所有向量长度都会相等，如图2所示。所以，在本系统中，为了方便计算，需要定义Length(V1)=Length(V2)=Length(V5)=Length(V6)=1，定义了单位1长度之后，再引入一个变量λ使得Length(V3)=λLength(V1)=λ，就能得到结论Length(V3)=Length(V4)=Length(V7)=Length(V8)=λ。向量长度可以由单位1或者变量λ表示。假设V1~V8的测量客观上是准确的，只需要得到变量λ的实数值，即可得到立方体房间的顶点坐标信息。其中V1~V8向量中的每一个维度的分量x、y的实数值和房间的实际长宽是等比例的数值关系，比例实数值设为缩放系数k，缩放系数k计算公式如公式（4）、公式（5）所示：k=2×Vi.xRoomWidth=2×Vi.yRoomLength,i∈[1,8]（4）ìík=Vj.zBodyHeight,j∈{3,4,7,8}k=Vj.zRoomHeight-BodyHeight,j∈{1,2,5,6}（5）通过以上方式可以完成空间的向量标定工作。但是，人工利用智能手机陀螺仪传感器对房间的8个顶点V1~V8进行实际测量时，存在一个较为严重的问题：由于人的操作
进算法的新的核心粒子。经过多次测试，使用标准粒子群算法搜索到准确的目标解是困难的，算法容易陷入局部最优。而改进粒子群算法在本系统中解的维度为四维的情况下，全局搜索能力经过实验证明强于标准粒子群算法，比标准粒子群算法更适合在本系统中应用。4.3改进粒子群与其他智能算法的比较为了比较本系统中哪种智能算法的搜索效果最优，本文进行一次测试，将各个算法130次运算得到的最佳适应值进行比较。测试使用的标准粒子群算法、人工蜂群算法[19]、遗传算法与改进粒子群算法，算法参数保持一致，测试结果如图5所示。通过对表5中的实验数据进行细致分析，可得出改进粒子群算法与其他群智能算法的算法迭代曲线图，如表4偏差最大的粒子飞行轨迹数据分析迭代次数15679104132178200201202226260287367475第一维X10.7550200.5381490.5379500.5381250.5383200.5383220.5383220.5383220.6079130.5839130.5499130.5369140.5369140.534914第二维X20.2454790.3567360.3575320.3577070.3578690.3578700.3578700.3578700.2078660.2318660.2658660.2928660.3728650.480863第三维X30.6183050.0683060.1616940.4116940.6431030.6743420.6743500.6743500.7663120.7423120.7083130.6813130.6793130.685313第四维X40.2632930.2727050.2724320.2724340.2724750.2724750.2724750.2724750.2354790.2594790.2694790.2704790.2704790.270479适应值0.2900580.2116110.4108880.6240530.8014080.8146830.8146840.8146840.6976820.7299050.7700020.7905870.8206540.85740
【参考文献】：
期刊论文
[1]最优粒子增强探索粒子群算法[J]. 唐祎玲,江顺亮,叶发茂,许庆勇,葛芸,徐少平. 计算机工程与应用. 2017(04)
[2]基于NURBS的反射面天线曲面建模及仿真验证[J]. 张魏,雷雪,邢锋,郎国伟. 信息工程大学学报. 2017(01)
[3]考虑流线场约束的NURBS曲线拟合方法[J]. 徐阳,刘强. 计算机辅助设计与图形学学报. 2017(01)
[4]3D modeling and motion parallax for improved videoconferencing[J]. Zhe Zhu,Ralph R.Martin,Robert Pepperell,Alistair Burleigh. Computational Visual Media. 2016(02)
[5]无人机转角偏移优化测量方法研究与仿真[J]. 周华,杨帆,吴耀宇. 计算机仿真. 2016(04)
[6]基于分组混沌PSO算法的模糊神经网络建模研究[J]. 张楠,南敬昌,高明明. 计算机工程与应用. 2017(09)
[7]基于滤波技术的NURBS曲线插补算法研究[J]. 张晓辉,于东,胡毅,孙维堂. 中国机械工程. 2009(14)
博士论文
[1]惯性稳定平台的建模分析与高精度控制[D]. 邓科.中国科学技术大学 2016
硕士论文
[1]高速高精度NURBS插补算法研究及其插补器实现[D]. 易志福.合肥工业大学 2017
本文编号：3415781
【文章来源】：计算机工程与应用. 2019,55(05)北大核心CSCD
【文章页数】：7 页
【部分图文】：
模块划分图
019，55（5）2.2记录模块解算墙角向量方法接着记录墙角向量，墙角向量方向所代表的立体几何含义描述如下：如果将立方体房间质点中心位置作为三维坐标系的原点位置，则这个原点位置即是人在房间中眼睛所处的位置。那么八个顶点的墙角三维坐标值即是八个墙角的向量长度为1的单位值。八个顶点分别定义为V1、V2、V3、V4、V5、V6、V7、V8，每个顶点向量都是由V(x,y,z)的形式确定。如果原点O在立方体房间的正中心，那么V1~V8的所有向量长度都会相等，如图2所示。所以，在本系统中，为了方便计算，需要定义Length(V1)=Length(V2)=Length(V5)=Length(V6)=1，定义了单位1长度之后，再引入一个变量λ使得Length(V3)=λLength(V1)=λ，就能得到结论Length(V3)=Length(V4)=Length(V7)=Length(V8)=λ。向量长度可以由单位1或者变量λ表示。假设V1~V8的测量客观上是准确的，只需要得到变量λ的实数值，即可得到立方体房间的顶点坐标信息。其中V1~V8向量中的每一个维度的分量x、y的实数值和房间的实际长宽是等比例的数值关系，比例实数值设为缩放系数k，缩放系数k计算公式如公式（4）、公式（5）所示：k=2×Vi.xRoomWidth=2×Vi.yRoomLength,i∈[1,8]（4）ìík=Vj.zBodyHeight,j∈{3,4,7,8}k=Vj.zRoomHeight-BodyHeight,j∈{1,2,5,6}（5）通过以上方式可以完成空间的向量标定工作。但是，人工利用智能手机陀螺仪传感器对房间的8个顶点V1~V8进行实际测量时，存在一个较为严重的问题：由于人的操作
进算法的新的核心粒子。经过多次测试，使用标准粒子群算法搜索到准确的目标解是困难的，算法容易陷入局部最优。而改进粒子群算法在本系统中解的维度为四维的情况下，全局搜索能力经过实验证明强于标准粒子群算法，比标准粒子群算法更适合在本系统中应用。4.3改进粒子群与其他智能算法的比较为了比较本系统中哪种智能算法的搜索效果最优，本文进行一次测试，将各个算法130次运算得到的最佳适应值进行比较。测试使用的标准粒子群算法、人工蜂群算法[19]、遗传算法与改进粒子群算法，算法参数保持一致，测试结果如图5所示。通过对表5中的实验数据进行细致分析，可得出改进粒子群算法与其他群智能算法的算法迭代曲线图，如表4偏差最大的粒子飞行轨迹数据分析迭代次数15679104132178200201202226260287367475第一维X10.7550200.5381490.5379500.5381250.5383200.5383220.5383220.5383220.6079130.5839130.5499130.5369140.5369140.534914第二维X20.2454790.3567360.3575320.3577070.3578690.3578700.3578700.3578700.2078660.2318660.2658660.2928660.3728650.480863第三维X30.6183050.0683060.1616940.4116940.6431030.6743420.6743500.6743500.7663120.7423120.7083130.6813130.6793130.685313第四维X40.2632930.2727050.2724320.2724340.2724750.2724750.2724750.2724750.2354790.2594790.2694790.2704790.2704790.270479适应值0.2900580.2116110.4108880.6240530.8014080.8146830.8146840.8146840.6976820.7299050.7700020.7905870.8206540.85740
【参考文献】：
期刊论文
[1]最优粒子增强探索粒子群算法[J]. 唐祎玲,江顺亮,叶发茂,许庆勇,葛芸,徐少平. 计算机工程与应用. 2017(04)
[2]基于NURBS的反射面天线曲面建模及仿真验证[J]. 张魏,雷雪,邢锋,郎国伟. 信息工程大学学报. 2017(01)
[3]考虑流线场约束的NURBS曲线拟合方法[J]. 徐阳,刘强. 计算机辅助设计与图形学学报. 2017(01)
[4]3D modeling and motion parallax for improved videoconferencing[J]. Zhe Zhu,Ralph R.Martin,Robert Pepperell,Alistair Burleigh. Computational Visual Media. 2016(02)
[5]无人机转角偏移优化测量方法研究与仿真[J]. 周华,杨帆,吴耀宇. 计算机仿真. 2016(04)
[6]基于分组混沌PSO算法的模糊神经网络建模研究[J]. 张楠,南敬昌,高明明. 计算机工程与应用. 2017(09)
[7]基于滤波技术的NURBS曲线插补算法研究[J]. 张晓辉,于东,胡毅,孙维堂. 中国机械工程. 2009(14)
博士论文
[1]惯性稳定平台的建模分析与高精度控制[D]. 邓科.中国科学技术大学 2016
硕士论文
[1]高速高精度NURBS插补算法研究及其插补器实现[D]. 易志福.合肥工业大学 2017
本文编号：3415781
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3415781.html
