[发明专利]一种基于改进遗传算法的快速最短枝切搜索方法

说明书

一种基于改进遗传算法的快速最短枝切搜索方法，包括以下步骤：步骤1，残差点识别、数量匹配与残差点编码；步骤2，负残差点初始种群的生成；步骤3，选择算子；采用适者生存的自然选择法则，以适应度函数为评价标准，在当前的群体中，寻找适用度最佳的种染色体序列来替换适应度最差的k种染色体序列；步骤4，交叉算子；步骤5，变异算子；以变异概率Psubgt;m/subgt;实施变异算子，其原理是在同一染色体序列上随机选择两个基因并互换它们，变异后将产生一个新的染色体来改善种群多样性，类似于交叉算子，如果新的子染色体更适合，则父染色体被子染色体取代；否则，父染色体被保留，子染色体丢失；具有搜索速度快、寻优能力好的特点。

技术领域

本发明属于光栅投影三维测量技术领域，具体涉及一种基于改进遗传算法的快速最短枝切搜索方法。

背景技术

枝切法速度快，不会产生误差传播，将误差缩小至小范围内；且相较于最小范数法，面形恢复一致性较好。当残差点数量和分布一定时，显而易见，构造的枝切线总长越短，所占用的好的像素点会越少，从而会有更多的展开路径可以选择，特别是残差点密集区域更为重要。而Goldstein枝切线构造方法是局部寻优，其枝切线长度不一定是最短的；且在残差点密切区域，容易形成自我封闭，从而使封闭区域中的好的像素点无法正确展开，导致误差扩大化。

最近邻算法速度快，但属于局部搜索算法。遗传算法(Genetic Algorithm, GA)是一种基于生物群落进化规律的全局搜索算法，它模仿基因在后代中的进化，从而导致更好的基因的原理。如果将最近邻算法和GA结合，能快速找到最短枝切线。

发明内容

为克服上述现有技术的不足，本发明的目的是提供一种基于改进遗传算法的快速最短枝切搜索方法，解决现有技术中的枝切线构造过长、容易自我封闭的问题，具有搜索速度快、寻优能力好的特点。

为实现上述目的，本发明采用的技术方案是：一种基于改进遗传算法的快速最短枝切搜索方法，包括以下步骤：

步骤1，残差点识别、数量匹配与残差点编码，具体做法是：

1)扫描整幅包裹相位图，识别出正、负残差点，并将正、幅残差点在包裹相位图中的行列号分别记录在两个矩阵中，记为正残差点行列号矩阵和负残差点行列号矩阵；

2)残差点编码时，最大编码为正、负残差点数量的最大值，依据公式 (2)，当正、负残差点的数量不一致时，残差点数量少的需要补充至两者相等；补充的残差点的行列号为(0,0)，行列号为(0,0)的残差点既可以作为正残差点，也可以作为负残差点，即相当于图像的四边界，

N＝max{No_positive,No_negative}             (2)

式中，No_positive为正残差点的数量，No_negative为负残差点的数量，N 为最大编码；

当一个普通残差点与一个行列号为(0,0)的特殊残差点匹配时，适应度函数采用公式(3)，公式(3)表示残差点与四边界之间的最近距离，

fitness＝min{xⁱ,yⁱ,(width-xⁱ),(length-yⁱ)}           (3)

式中，width为包裹相位图的宽，length为包裹相位图的长，(xⁱ,yⁱ)为普通残差点的行列号；

步骤2，负残差点初始种群的生成

正残差点的染色体序列只有一个，且固定不变，

A、随机产生m种具有不同排序的负残差点的染色体序列；