[发明专利]一种基于熵能量的点云各向异性邻域搜索方法

权利要求书

1.一种基于熵能量的点云各向异性邻域搜索方法，其特征在于，该方法对点云数据中的每个待搜索点，首先搜索距离该待搜索点最近的K个点构成K邻域，将K邻域作为初始邻域，然后从初始邻域中选取不同的点的组合计算该待搜索点在对应组合下的结构张量特征值，并以特征值计算包括线性度和三维散度的几何特征，将结构张量特征值与几何特征组成熵能量函数，通过遗传算法搜索使得熵能量函数最小的初始邻域内的点的组合构成该待搜索点的最终邻域；该方法包括以下步骤：

1)获取三维点云数据，确定该点云数据中的待搜索点；

其中，记点云数据为P＝{p_i,i＝1,2,…M,p_i∈R³}，p_i为点云数据中的第i个点，M为点的个数；

2)对于任一待搜索点Q_i＝{x,y,z}，x,y,z为该点的三维坐标；从P中提取该待搜索点Q_i的K邻域NB(Q_i,K)＝{p_i1,p_i2,p_i3,…,p_iK}，其中p_iK为Q_i的K邻域内的第K个点，K为邻域点个数；

3)以遗传算法对待搜索点进行各向异性邻域搜索；具体步骤如下：

3-1)初始化遗传算法；

设定遗传算法中种群个数为M，种群中每个个体长度为K；随机初始化种群中各个体每一位的编码为0或1，其中，0代表未选中该位置在K领域的对应点，1代表选中该位置在K领域的对应点；设置变异概率PM，交叉概率PC，遗传迭代最大次数为T；令当前迭代次数t＝1；将初始化的种群作为当前种群；

3-2)计算当前种群中每个个体的个体适应度，具体步骤如下：

3-2-1)令个体序号j＝1；

3-2-2)将种群中个体j选中的对应点组成待搜索点邻域NB(Q_i,N)，其中，N为该个体中编码为1的位置总数；计算待搜索点Q_i的结构张量C_i，如式(1)所示：

其中，P_ij为邻域NB(Q_i,N)内的第j个点，为邻域NB(Q_i,N)的几何中心点；

3-2-3)对结构张量C_i进行特征值分解，并将特征值从小到大排序，得到特征值排序结果为：0≤λ₀≤λ₁≤λ₂；

3-2-4)对特征值λ₀,λ₁,λ₂分别进行归一化获得对应的归一化后的特征值γ₀,γ₁,γ₂；

3-2-5)计算待测点线性度α_1D，如式(2)所示：

3-2-6)计算待测点三维散度α_3D，如式(3)所示：

3-2-7)计算熵能量函数E_2D，其倒数作为个体j的个体适应度F_j，如式(4)所示：

其中，ω,μ分别为控制因子；

3-2-8)令j＝j+1，然后返回步骤3-2-2)计算下一个个体的个体适应度，直至当前种群内所有个体的个体适应度全部计算完毕，进入步骤3-3)；

3-3)根据步骤3-2)得到的所有个体的个体适应度，进行种群个体选择，生成新种群；具体步骤如下：

3-3-1)依据每个个体的个体适应度F_j,计算该个体被选中的概率ρ_j，j＝1,2,…M，如式(5)所示：

3-3-2)利用步骤3-3-1)的结果，通过概率选择方法，对种群内的个体进行选择，共选中M个个体复制进入新种群；

3-4)根据交叉概率PC，对步骤3-3)得到的新种群个体进行交叉，得到更新后的新种群；

3-5)根据变异概率PM，对步骤3-4)更新后的新种群进行变异，得到更新后的新种群；

3-6)令迭代次数t＝t+1，将步骤3-5)得到的更新后的新种群作为当前种群，然后重新返回步骤3-2)；直至t达到遗传迭代最大次数T,种群更新完毕，得到最终的种群；

3-7)重复步骤3-2)，计算最终种群中每个个体的个体适应度，从中选择熵能量函数值最小的个体作为最终个体；根据最终个体每一位的编码值，将该个体中选中的点组成待搜索点Q_i的最终邻域其中L为最终个体选中的K邻域点个数，完成该待搜索点的邻域搜索；

4)判断是否有其他待搜索点：如果有，则重新返回步骤2)；如果没有，则搜索完成。

2.如权利要求1 所述的方法，其特征在于，所述概率选择方法为轮盘赌法。