[发明专利]基于RF-NSGA-II的结构件三维激光扫描方法及设备

说明书

本发明提供了一种基于RF‑NSGA‑II的结构件三维激光扫描方法及设备。所述方法包括：对收集的样本数据进行范化，采用范化样本数据训练并得到RF预测模型；根据RF预测模型构建适应度函数，对扫描参数设置约束条件，采用NSGA‑II算法对所述扫描参数进行优化，得到扫描参数的全局最优解；将所述全局最优解输入RF预测模型，根据输出结果确定全局最优解为三维激光扫描仪的实用扫描参数；采用所述全局最优解调整三维激光扫描仪，对结构件进行扫描；其中，RF预测模型为随机森林预测模型；NSGA‑II算法为非支配排序遗传算法。本发明可以减小三维激光扫描结构件得到的点云数据的测量误差，提高结构件的设计精度和安装效率。

技术领域

本发明实施例涉及激光三维扫描技术领域，尤其涉及一种基于RF-NSGA-II的结构件三维激光扫描方法及设备。

背景技术

高速公路作为国建重要的基础设施，其建设是国家发展中的重要一环。在高速公路的工程建设中要进行大量的桥梁钢结构件的加工和拼装，为了更好地进行工程设计，通常采用激光技术对结构件进行扫描获取结构件的点云数据。但是，采用目前的激光扫描技术获取结构件空间点云数据时，会不可避免的存在较大的测量误差，而较大的测量误差会降低桥梁钢结构件的设计精度，影响桥梁钢结构件的实际工程安装效率。因此，开发一种基于RF-NSGA-II的结构件三维激光扫描方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。

发明内容

针对现有技术存在的上述问题，本发明实施例提供了一种基于RF-NSGA-II的结构件三维激光扫描方法及设备。

第一方面，本发明的实施例提供了一种基于RF-NSGA-II的结构件三维激光扫描方法，包括：对收集的样本数据进行范化，采用范化样本数据训练并得到RF预测模型；根据RF预测模型构建适应度函数，对扫描参数设置约束条件，采用NSGA-II算法对所述扫描参数进行优化，得到扫描参数的全局最优解；将所述全局最优解输入RF预测模型，根据输出结果确定全局最优解为三维激光扫描仪的实用扫描参数；采用所述全局最优解调整三维激光扫描仪，对结构件进行扫描；其中，RF预测模型为随机森林预测模型；NSGA-II算法为非支配排序遗传算法。

在上述方法实施例内容的基础上，本发明实施例中提供的基于RF-NSGA-II的结构件三维激光扫描方法，所述对收集的样本数据进行范化，包括：

其中，y为范化后的标准值；y_min为范化区间下限值；x为样本数据值；x_max为样本数据值的最大值；x_min为样本数据值的最小值。

在上述方法实施例内容的基础上，本发明实施例中提供的基于RF-NSGA-II的结构件三维激光扫描方法，所述采用范化样本数据训练并得到RF预测模型，包括：随机抽取预设比例的范化样本数据作为训练集，剩余范化样本数据作为测试集，采用训练集对初级RF预测模型进行学习模拟，得到训练好的RF预测模型，采用测试集对训练好的RF预测模型进行测试，得到所述RF预测模型，采用均方根误差和拟合优度验证RF预测模型。

在上述方法实施例内容的基础上，本发明实施例中提供的基于RF-NSGA-II的结构件三维激光扫描方法，所述根据RF预测模型构建适应度函数，包括：

min g₁(RF(x₁,x₂,...,x_n))

min g₂(RF(x₁,x₂,...,x_n))

其中，RF为随机森林算法；x_n为第n个扫描参数；min g₁为三维激光扫描误差回归函数；min g₂为三维激光扫描时长回归函数。