改进的自适应遗传算法支持下点云与BIM模型配准

doi:10.13474/j.cnki.11-2246.2020.0065

测绘通报 ›› 2020, Vol. 0 ›› Issue (2): 160-162.doi: 10.13474/j.cnki.11-2246.2020.0065

• 测绘地理信息技术应用案例 • 上一篇下一篇

改进的自适应遗传算法支持下点云与BIM模型配准

李国远¹, 王健¹, 刘秀涵², 孙文潇¹

1. 山东科技大学测绘学院, 山东青岛 266590;
2. 北京麦格天渱科技发展有限公司, 北京 100089

收稿日期:2019-12-02 出版日期:2020-02-25 发布日期:2020-03-04
通讯作者: 王健。E-mail:wangj@sdust.edu.cn E-mail:wangj@sdust.edu.cn
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
基金资助:
山东省科学基金（ZR2019PD016）；山东科技大学研究生科技创新项目（SDKDYC190304）

Point cloud and BIM model registration based on improved adaptive genetic algorithm

LI Guoyuan¹, WANG Jian¹, LIU Xiuhan², SUN Wenxiao¹

1. College of Geomatics, Shandong University of Science and Technology, Qingdao 266590, China;
2. Beijing Mag Tianhong Technology Development Co., Ltd., Beijing 100089, China

Received:2019-12-02 Online:2020-02-25 Published:2020-03-04

摘要/Abstract

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。

关键词: 点云, BIM模型, 配准, 自适应遗传算法

Abstract: 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.

Key words: point cloud, BIM model, registration, improved adaptive genetic algorithm

中图分类号:

P237

李国远, 王健, 刘秀涵, 孙文潇. 改进的自适应遗传算法支持下点云与BIM模型配准[J]. 测绘通报, 2020, 0(2): 160-162.

LI Guoyuan, WANG Jian, LIU Xiuhan, SUN Wenxiao. Point cloud and BIM model registration based on improved adaptive genetic algorithm[J]. Bulletin of Surveying and Mapping, 2020, 0(2): 160-162.

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	经皓然, 徐敬海. 异形建筑的无人机点云与地面三维激光扫描点云配准[J]. 测绘通报, 2022, 0(6): 32-39.
[3]	钟少忠, 周克军, 王留召, 毛明楷. 车载点云特征对应影像自动分割技术研究[J]. 测绘通报, 2022, 0(6): 45-48 ,97.
[4]	谢洪, 陈立波, 聂倩, 吴玮, 张沛. 利用点云配准的空地影像融合技术[J]. 测绘通报, 2022, 0(6): 82-87.
[5]	谢元, 董梦, 马新建. 多源数据在复杂场景建筑物三维重建的应用[J]. 测绘通报, 2022, 0(6): 143-147.
[6]	李旭. 三维激光扫描技术在地铁隧道竣工测量中的应用[J]. 测绘通报, 2022, 0(6): 166-169.
[7]	谭玉慧, 刘欣怡, 张永军. 超体素约束下的主动再学习LiDAR点云分类框架[J]. 测绘通报, 2022, 0(5): 79-83,100.
[8]	赵立都, 向中富, 周银, 马下平, 张双成, 司梦元, 陈茂霖, 胡川, 潘建平. 利用地面三维激光扫描进行桥梁挠度变形分析[J]. 测绘通报, 2022, 0(5): 95-100.
[9]	王道杰, 陈倍, 孙健辉. 机载LiDAR点云密度对DEM精度的影响[J]. 测绘通报, 2022, 0(5): 140-144,169.
[10]	徐福斌, 曲相屹, 王健, 刘秀涵. 基于LiDAR点云的复杂钢结构模型重建[J]. 测绘通报, 2022, 0(5): 170-173.
[11]	阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.
[12]	张驰, 白志辉, 李亮, 陈冉丽, 吴侃. 利用三维激光扫描技术监测矿区桥梁结构形变[J]. 测绘通报, 2022, 0(4): 122-129.
[13]	许志华, 逯行政, 彭远航, 杨可明, 王宇敏. 依托航空模拟平台的激光雷达技术课程实践教学装备[J]. 测绘通报, 2022, 0(4): 162-166.
[14]	王贝, 叶险峰, 王军宁. 利用点云切片提取技术分析桥梁形变[J]. 测绘通报, 2022, 0(4): 167-171.
[15]	普东东, 丁海勇. 融合超体素与成对链接聚类的LiDAR点云分割算法[J]. 测绘通报, 2022, 0(3): 65-69.

改进的自适应遗传算法支持下点云与BIM模型配准

Point cloud and BIM model registration based on improved adaptive genetic algorithm

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价