最优化实验之变尺度法
double f (double coe[], double x[])//返回函数值待求函数的函数值
{
return coe[0]*pow(x[0],2)+coe[1]*pow(x[1],2)+coe[2]*x[0]*x[1]+coe[3]*x[0]+coe[4]*x[1]+coe[5];
}
void grads (double coe[], double x[],double grads_x[]) //二维函数梯度函数定义
{
grads_x[0] = 2*coe[0]*x[0]+coe[2]*x[1]+coe[3];
grads_x[1] = 2*coe[1]*x[1]+coe[2]*x[0]+coe[4];
}
void SD(double h[],double grads_x[],double s[])//定义搜索方向向量函数
{
s[0]=-(h[0]*grads_x[0]+h[1]*grads_x[1]);
s[1]=-(h[2]*grads_x[0]+h[3]*grads_x[1]);
}
double findlambda (double coe[], double x[], double s[]) //求解lambda
{
return(-(2*coe[0]*x[0]*s[0]+2*coe[1]*x[1]*s[1]+coe[2]*x[0]*s[1]+coe[2]*x[1]*s[0]+coe[3]*s[0]+coe[4]*s[1])/(2*coe[0]*s[0]*s[0]+2*coe[1]*s[1]*s[1]+2*coe[2]*s[0]*s[1]));
}
void H (double h[],double x[],double temp_x[],double grads_x[],double temp_g[] )//求解变化矩阵H
2023-02-07 09:12:19
3KB
1
针对现有点云配准算法不能很好地同时解决点云模型变尺度和配准精度等问题,提出一种变尺度的两阶段点云模型配准算法。第一阶段加入动态的尺度因子,粗略估计并调整目标点云模型的尺度;然后将空间旋转变换三个角度进行格点划分,以30°为格点间距,这提高了算法的收敛速度并避免陷入局部最优,为第二阶段配准提供良好的初始位置。在尺度迭代最近点(SICP)算法基础上对第二阶段进行优化,以此对点云模型进行更加精准的匹配。对不同配准算法进行了综合对比实验,结果表明,在两个点云模型间存在较大刚体变换且尺度显著不同的情况下,所提算法的配准误差数量级为10 -30~10 -4。
2022-11-01 17:05:30
10.73MB
1