針對傳統(tǒng)3D建模技術(shù)無法滿足在脫離專業(yè)測量工具的情況下,實時創(chuàng)建出與用戶所處房間等比例尺寸的3D模型的需求。提出一種基于陀螺儀傳感器結(jié)合改進(jìn)粒子群算法計算房間3D模型尺寸與鏡頭位置的動態(tài)3D建模技術(shù),該技術(shù)可以實現(xiàn)實時房間等比例建模,使用者可以預(yù)覽到整個房間所有方位的裝修效果,讓用戶對房間整體裝修效果有直觀的印象,操作方便且實時性強(qiáng)。實驗結(jié)果表明,改進(jìn)粒子群算法的動態(tài)3D實時建模技術(shù)解決了國內(nèi)傳統(tǒng)3D建模技術(shù)測量不精確的缺陷,具有一定的理論和實際意義。 

【文章來源】：計算機(jī)工程與應(yīng)用. 2019,55(05)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

模塊劃分圖

019，55（5）2.2記錄模塊解算墻角向量方法接著記錄墻角向量，墻角向量方向所代表的立體幾何含義描述如下：如果將立方體房間質(zhì)點中心位置作為三維坐標(biāo)系的原點位置，則這個原點位置即是人在房間中眼睛所處的位置。那么八個頂點的墻角三維坐標(biāo)值即是八個墻角的向量長度為1的單位值。八個頂點分別定義為V1、V2、V3、V4、V5、V6、V7、V8，每個頂點向量都是由V(x,y,z)的形式確定。如果原點O在立方體房間的正中心，那么V1~V8的所有向量長度都會相等，如圖2所示。所以，在本系統(tǒng)中，為了方便計算，需要定義Length(V1)=Length(V2)=Length(V5)=Length(V6)=1，定義了單位1長度之后，再引入一個變量λ使得Length(V3)=λLength(V1)=λ，就能得到結(jié)論Length(V3)=Length(V4)=Length(V7)=Length(V8)=λ。向量長度可以由單位1或者變量λ表示。假設(shè)V1~V8的測量客觀上是準(zhǔn)確的，只需要得到變量λ的實數(shù)值，即可得到立方體房間的頂點坐標(biāo)信息。其中V1~V8向量中的每一個維度的分量x、y的實數(shù)值和房間的實際長寬是等比例的數(shù)值關(guān)系，比例實數(shù)值設(shè)為縮放系數(shù)k，縮放系數(shù)k計算公式如公式（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）通過以上方式可以完成空間的向量標(biāo)定工作。但是，人工利用智能手機(jī)陀螺儀傳感器對房間的8個頂點V1~V8進(jìn)行實際測量時，存在一個較為嚴(yán)重的問題：由于人的操作

進(jìn)算法的新的核心粒子。經(jīng)過多次測試，使用標(biāo)準(zhǔn)粒子群算法搜索到準(zhǔn)確的目標(biāo)解是困難的，算法容易陷入局部最優(yōu)。而改進(jìn)粒子群算法在本系統(tǒng)中解的維度為四維的情況下，全局搜索能力經(jīng)過實驗證明強(qiáng)于標(biāo)準(zhǔn)粒子群算法，比標(biāo)準(zhǔn)粒子群算法更適合在本系統(tǒng)中應(yīng)用。4.3改進(jìn)粒子群與其他智能算法的比較為了比較本系統(tǒng)中哪種智能算法的搜索效果最優(yōu)，本文進(jìn)行一次測試，將各個算法130次運算得到的最佳適應(yīng)值進(jìn)行比較。測試使用的標(biāo)準(zhǔn)粒子群算法、人工蜂群算法[19]、遺傳算法與改進(jìn)粒子群算法，算法參數(shù)保持一致，測試結(jié)果如圖5所示。通過對表5中的實驗數(shù)據(jù)進(jìn)行細(xì)致分析，可得出改進(jìn)粒子群算法與其他群智能算法的算法迭代曲線圖，如表4偏差最大的粒子飛行軌跡數(shù)據(jù)分析迭代次數(shù)15679104132178200201202226260287367475第一維X10.7550200.5381490.5379500.5381250.5383200.5383220.5383220.5383220.6079130.5839130.5499130.5369140.5369140.534914第二維X20.2454790.3567360.3575320.3577070.3578690.3578700.3578700.3578700.2078660.2318660.2658660.2928660.3728650.480863第三維X30.6183050.0683060.1616940.4116940.6431030.6743420.6743500.6743500.7663120.7423120.7083130.6813130.6793130.685313第四維X40.2632930.2727050.2724320.2724340.2724750.2724750.2724750.2724750.2354790.2594790.2694790.2704790.2704790.270479適應(yīng)值0.2900580.2116110.4108880.6240530.8014080.8146830.8146840.8146840.6976820.7299050.7700020.7905870.8206540.85740

【參考文獻(xiàn)】：
期刊論文
[1]最優(yōu)粒子增強(qiáng)探索粒子群算法[J]. 唐祎玲,江順亮,葉發(fā)茂,許慶勇,葛蕓,徐少平.  計算機(jī)工程與應(yīng)用. 2017(04)
[2]基于NURBS的反射面天線曲面建模及仿真驗證[J]. 張魏,雷雪,邢鋒,郎國偉.  信息工程大學(xué)學(xué)報. 2017(01)
[3]考慮流線場約束的NURBS曲線擬合方法[J]. 徐陽,劉強(qiáng).  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 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]無人機(jī)轉(zhuǎn)角偏移優(yōu)化測量方法研究與仿真[J]. 周華,楊帆,吳耀宇.  計算機(jī)仿真. 2016(04)
[6]基于分組混沌PSO算法的模糊神經(jīng)網(wǎng)絡(luò)建模研究[J]. 張楠,南敬昌,高明明.  計算機(jī)工程與應(yīng)用. 2017(09)
[7]基于濾波技術(shù)的NURBS曲線插補算法研究[J]. 張曉輝,于東,胡毅,孫維堂.  中國機(jī)械工程. 2009(14)

博士論文
[1]慣性穩(wěn)定平臺的建模分析與高精度控制[D]. 鄧科.中國科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]高速高精度NURBS插補算法研究及其插補器實現(xiàn)[D]. 易志福.合肥工業(yè)大學(xué) 2017



本文編號：3415781