[发明专利]一种基于粒子群算法的预制构件点云自动合模方法

权利要求书

1.一种基于粒子群算法的预制构件点云自动合模方法，其特征在于，包括以下步骤：

1)输入预制构件点云数据；

2)在BIM数据库中，找到预制构件相应的BIM设计模型，并将BIM设计模型转化为期望点云；

3)获取BIM设计模型轮廓点集；

4)利用Max Leverage重取样算法对步骤3)中获得的BIM模型轮廓点集与步骤1)中输入的预制构件点云数据分别进行重新取样

5)利用4PCS算法，对BIM模型轮廓重取样点集与预制构件重取样点集进行粗配准；计算空间刚体变换矩阵；

6)利用步骤空间刚体变换矩阵将完整的BIM模型轮廓点集与完整的预制构件点云进行粗配准；

7)根据预制构件特点，将步骤6)中的BIM模型轮廓点集划分为n级；根据BIM模型轮廓点集总数计算各级包含点数，采用Max Leverage重取样算法进行BIM模型轮廓点集各级点数取样，并设置不同的搜索邻域计算配对点；

其中，BIM模型轮廓点集总点数为Num；BIM模型轮廓点集按重要程度分为4级；基础搜索邻域半径为t_r；第i级邻域半径为(5-i)·t_r；其中，i＝1,2,3,4；根据BIM模型轮廓点集中各个点的三维坐标(x,y,z)与单位法向量(n_x,n_y,n_z)坐标，循环计算所有点的杠杆值，并将其从大到小排列；每次取出最大杠杆值点，并判断取出点个数是否达到分级数据点个数0.25Num，若达到则分级更新；当所有点被取出并分级完成，则停止；

将预制构件点云数据建立Kd-Tree数据结构；搜索所有BIM模型轮廓点集中各个点到预制构件点云数据中的最近邻点；选取最近邻点中距离BIM模型轮廓点集对应点小于对应点所在设置分级邻域半径的点构建模型-点云配对点对；筛选重复出现的模型-点云配对点对，使得配对点一一对应；

8)采用粒子群算法迭代计算BIM模型轮廓点集与预制构件点云数据配对点之间的平移向量与四元数，根据计算的平移向量与四元数进行预制构件点云数据的坐标变换，直至优化M次后停止；

9)输出BIM模型轮廓点集与预制构件点云数据合模结果。

2.根据权利要求1所述的一种基于粒子群算法的预制构件点云自动合模方法，其特征在于：步骤8)中，计算步骤7)获得的配对点之间的平移向量与四元数；任意点p(x,y,z)按照任意四元数q(q₀,q₁,q₂,q₃)旋转的计算规则如下式：

式中，p'为旋转后所得点；

以平移向量t(t₁,t₂,t₃)作为3个平移变量，将优化目标函数设置为：

式中，R(q)表示旋转平移计算，N表示配对点的个数，所有变量控制在-1到1之间。