蚁群优化算法的无人机室内航迹规划

由于室内无人机导航较为复杂,针对现有的传统(基本)蚁群算法存在早期盲目搜索、易陷入局部最优和收敛速度慢等问题,探索一种高效、准确的航迹规划方法意义重大。为提高收敛速度使其避免陷入局部最优等算法缺陷,提出一种改进蚁群算法的室内无人机三维航迹规划方法,该方法设计初始信息素的调节因子,增强蚁群搜索的方向性;设计启发概率函数,改进状态转移规则,有效提高蚁群可见性精度;改进算法的信息素更新方式,增加信息素挥发率的动态调整策略,提高算法的收敛速度,扩大搜索空间,有效避免其陷入局部最优。通过仿真实验进行算法适应性验证,结果表明:改进蚁群算法有效提高全局搜索能力,减少收敛迭代次数,得到的最优路径长度比传统蚁群算法平均缩短38.6%,平均用时减少3.8%,显著提高蚁群优化算法的适应性,体现出在特定应用场景下的优越性。

塔形建筑物轮廓点Z坐标点云倾斜监测方法

针对目前三维激光扫描技术对塔形建筑物的倾斜监测,普遍采用拟合点云数据提取塔体中轴线的方法计算塔体倾斜度,数据计算方案较为单一且无法逐层计算倾斜量等问题,为更好解决这一难题,提出新的基于激光扫描点云数据倾斜监测思路,一种基于轮廓点Z坐标倾斜监测方法。该方法通过提取塔檐轮廓点中Z坐标最大、最小值点,利用相关函数计算出各层倾斜度,引入权要素,计算整体倾斜量。以大雁塔为例,对三维激光扫描点云数据进行倾斜变形计算、对比分析。结果表明:2种方法计算结果相差约0.26%,基于轮廓点Z坐标倾斜监测方法切实有效;在明确塔体倾斜方向后,可直接提取沿该方向的塔檐对角点,作为Z坐标最大值最小值点参与倾斜量计算;该方法能快速计算出塔体倾斜量,有效提高工作效率,为三维激光扫描塔形建筑物倾斜监测提供一种新的数据处理方案。