Взаимное ориентирование дискретных точечных моделей на основе метода квазиньютона

Геодезия
УДК: 
528.063.1
DOI: 
10.22389/0016-7126-2023-992-2-2-11
1 Шарафутдинова А.А.
2 Брынь М.Я.
Год: 
2023
№: 
2
992
Страницы: 
2-11

Петербургский государственный университет путей сообщения Императора Александра I

1, 
2, 
Аннотация:
В практике наземного лазерного сканирования активно используется метод взаимного ориентирования дискретных точечных моделей, основанный на итерационном алгоритме ближайших точек. Одна из задач данного метода – нахождение оптимальных значений параметров преобразования. В статье представлена методика вычисления параметров преобразования, базирующаяся на методе численной оптимизации Бройдена – Флетчера – Гольдфарба – Шанно. В рамках разработанной методики предложены: предварительная оптимизация, основанная на совмещении центров масс двух точечных моделей; вычисление значения целевой функции и градиента целевой функции на итерации через оператор векторизации; поиск длины шага с соблюдением сильных условий Вольфе; построение графиков для определения оптимального значения длины шага на итерации; повторение итерационного процесса до тех пор, пока частное от деления разности значений целевой функции на двух крайних итерациях на значение целевой функции крайней итерации не примет значение, удовлетворяющее заданной точности. Для проверки разработанной методики реализован алгоритм вычислений в программной среде Mathcad. В результате вычислений отмечены сверхлинейная сходимость и самокорректирующие свойства разработанной методики.

Список литературы: 
1.   Абрамов А. И., Абрамов И. В., Мазитов Т. А. Модификация алгоритма ICP путем внедрения коэффициента усиления для ускорения совмещения двумерных облаков точек // Интеллектуальные системы в производстве. – 2016. – № 2 (29). – С. 4–9.
2.   Афонин Д.А., Богомолова Н.Н., Брынь М.Я., Никитчин А.А. Опыт применения наземного лазерного сканирования при обследовании инженерных сооружений // Геодезия и картография. – 2020. – № 4. – С. 2-8. DOI: 10.22389/0016-7126-2020-958-4-2-8.
3.   Канашин Н.В., Степанов Д.И. Современные проблемы обработки данных наземного лазерного сканирования и возможные пути их решения // Геодезия и картография. – 2012. – № 7. – С. 24-28.
4.   Мицель А. А., Романенко В. В., Грибанова Е. Б. Методы оптимизации – Томск: ФДО, ТУСУР, – 2018. – 451 c.
5.   Нейман Ю.М., Сугаипова Л.С. Строгие методы преобразования систем координат // Геодезия и картография. – 2022. – № 9. – С. 21-29. DOI: 10.22389/0016-7126-2022-987-9-21-29.
6.   Оскорбин Н.М., Суханов С.И. Оценка параметров формул прямого и обратного преобразования пространственных координат // Геодезия и картография. – 2011. – № 6. – С. 26-29.
7.   Попова Т. М. Методы безусловной оптимизации. Тексты лекций – Хабаровск: Изд-во Тихоокеан. гос. ун-та, – 2013. – 76 c.
8.   Фихтенгольц Г. М. Курс дифференциального и интегрального исчисления – 3 – М.: ФИЗМАТЛИТ, – 2003. – Т. 1. – 680 c.
9.   Шарафутдинова А. А. Применение итерационного метода численной оптимизации для решения задачи взаимного ориентирования данных наземного лазерного сканирования // Наука. Техника. Технологии (политехнический вестник). – 2022. – № 1. – С. 214–217.
10.   Шульц Р. В. Наземное лазерное сканирование в задачах инженерной геодезии – Кишинев: Palmarium Academic Publishing, – 2013. – 348 c.
11.   Юнусов А.Г., Дждид А.Д., Бегляров Н.С., Елшеви М.А. Оценка влияния изменения плотности облака точек на точность автоматической сегментации // Геодезия и картография. – 2020. – № 7. – С. 47-55. DOI: 10.22389/0016-7126-2020-961-7-47-55.
12.   Besl P.J., McKay N.D. (1992) A method for registration of 3-D shapes // IEEE Transactions on Pattern Analysis and Machine Intelligence. 14, 2, pp. 239–356.
13.   Eckart B., Kim K., Kautz J. (2018) HGMR: Hierarchical Gaussian Mixtures for Adaptive 3D Registration. 15th European Conference, Munich, Germany, September 8–14, 2018. Proceedings, XV pp. 730–746. DOI: 10.1007/978-3-030-01267-0_43.
14.   Fletcher R. (1988) Practical methods of optimization Wiley, New York, 456 p.
15.   He Y., Liang B., Yang J., Li S. (2017) An Iterative Closest Points Algorithm for Registration of 3D Laser Scanner Point Clouds with Geometric Features // Sensors. 17, 8, pp. 1862. DOI: 10.3390/s17081862.
16.   Li P., Wang R., Wang Y., Tao W. (2020) Evaluation of the ICP Algorithm in 3D Point Cloud Registration // IEEE Access. 8, pp. 68030–68048. DOI: 10.1109/ACCESS.2020.2986470.
17.   Nocedal J., Wright S. (2006) Numerical optimization Springer, New York, 683 p.
18.   Yang Q., An Y., Yang J. (2016) Improved Algorithm of Iterative Closest Point Based on the Unit Quaternion // Microelectronics and Computer. 33, 3, pp. 111–115.
19.   Zhou W., Chen G., Du S., Li F. (2016) An improved iterative closest point algorithm using clustering // Laser and Optoelectronics Progress. 53, 5, pp. 51202.
Образец цитирования:
Шарафутдинова А.А., 
Брынь М.Я., 
Взаимное ориентирование дискретных точечных моделей на основе метода квазиньютона // Геодезия и картография. – 2023. – № 2. – С. 2-11. DOI: 10.22389/0016-7126-2023-992-2-2-11
СТАТЬЯ
Поступила в редакцию: 24.11.2022
Принята к публикации: 27.02.2023
Опубликована: 20.03.2023

Содержание номера

2023 февраль DOI:
10.22389/0016-7126-2023-992-2