✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

伴随着"智慧城市"地提出,对三维建模技术提出更高的要求是推进"智慧城市"发展的必要前提.虽然激光三维扫描技术已经存在且广泛应用,但是在获取大范围的城市区域数据及建立实景三维场景方面存在很多不便.在无人机平台的快速更新下,倾斜摄影技术得到迅猛发展.倾斜摄影技术具有获取数据高效,受环境影响小,成本低,得到模型真实及信息丰富等特点,已经被大范围地投入到土地管理与规划,农业,林业,考古等各个领域的应用中,对"智慧城市"的发展起着巨大地促进作用.基于倾斜摄影测量系统中得到三维点云数据的关键技术为多视影像匹配技术,三维点云数据带有丰富的表面纹理信息,存在较强的,直观的可视性,对于三维模型表面重建效率的提高与成本的降低有很大的帮助.

⛄ 代码

clc

clear all

close all

pop = 500; %种群数量

gen = 10000; %迭代次数

M = 3; %?标函数数量

V = 20; %维度(决策变量的个数)

min_range=zeros(1,V);

max_range=ones(1,V);

chromosome = Chushihuaqunti2(pop, M, V);%初始化种群

chromosome = non_domination_sort_mod1(chromosome, M, V);%对初始化种群进行非支配快速排序和拥挤度计算

for i = 1 : gen

    pool = round(pop/2);%round() 四舍五入取整交配池??

    tour = 2;%竞标赛参赛选手个数

    parent_chromosome = tournament_selection(chromosome, pool, tour);%竞标赛选择适合繁殖的父代

    mu = 20;%交叉和变异算法的分布指数

    mum = 20;

    offspring_chromosome = genetic_operator(parent_chromosome,M, V, mu, mum, min_range, max_range);%进行交叉变异产生子代该代码中使用模拟二进制交叉

    [main_pop,~] = size(chromosome);%父代种群的大小?

    [offspring_pop,~] = size(offspring_chromosome);%子代种群的大小??

    clear temp

    intermediate_chromosome(1:main_pop,:) = chromosome;

    intermediate_chromosome(main_pop + 1 : main_pop + offspring_pop,1 : M+V) = offspring_chromosome;%合并父代种群和子代种群

    intermediate_chromosome = non_domination_sort_mod1(intermediate_chromosome, M, V);%对新的种群进行快速非支配排序

    chromosome = replace_chromosome(intermediate_chromosome, M, V, pop);%选择合并种群中前N个优先的个体组成新种群

    if ~mod(i,100)

        clc;

        fprintf('%d generations completed\n',i);

    end

end

if M == 2

    plot(chromosome(:,V + 1),chromosome(:,V + 2),'*');

    xlabel('f_1'); ylabel('f_2');

    title('Pareto Optimal Front');

elseif M == 3

    plot3(chromosome(:,V + 1),chromosome(:,V + 2),chromosome(:,V + 3),'*');

    xlabel('f_1'); ylabel('f_2'); zlabel('f_3');

    title('Pareto Optimal Surface');

end

⛄ 运行结果

基于法向量的点云数据精简算法附matlab代码_数据

⛄ 参考文献

[1] 赵昕. 基于影像匹配技术的点云数据精简算法研究[D]. 西安科技大学, 2017.

[2] 陈西江, 章光, 花向红. 于法向量夹角信息熵的点云简化算法[J]. 中国激光, 2015(8):9.

[3] 孙培芪, 卜俊洲, 陶庭叶,等. 基于特征点法向量的点云配准算法[J]. 测绘通报, 2019(8):6.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料