应用改进的粒子群优化模糊聚类实现点云数据的区域分割

• 作者: 史皓良 吴禄慎 王晓辉 陈华伟
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 点云数据 区域分割 粒子群优化算法 模糊聚类
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 信息科学
• 页码范围: 1095-1105
• 页数: 11页
• 分类号: TP391.41
• 字数: 5634字
• 语种: 中文
• DOI: 10.3788/OPE.20172504.1095

摘要

为实现点云数据的区域划分,提出一种基于改进的粒子群优化与模糊C-均值聚类的混合算法(SPSO-FCM算法).针对在点云聚类过程中易过早捕获局部极小值的问题,算法首先用改进的粒子群算法——社会粒子群优化算法,对种群进行初始化,通过为每一个粒子设置不同的跟随阈值,来维护种群中个体多样性,加深对种群全局搜索的程度,避免陷入局部极小值;随后,设置种群中每个粒子当前最优位置和初始种群的最优位置,更新自由粒子的位置和跟随粒子的速度和位置;最后,采用模糊C-均值聚类算法求解隶属度矩阵,确定适应值函数,更新所有粒子的最优位置,并判断粒子和种群的位置优越性,得到准确的聚类中心,实现对点云数据的区域划分.以曲面复杂度不一致的点云模型为例对算法进行验证,探讨SPSO-FCM聚类算法的可行性,并与FCM聚类算法、遗传FCM聚类算法进行比对.实验结果显示,SPSO-FCM聚类算法较其它两种算法,收敛速度快,迭代次数少,聚类准确,边界区域分割清晰,特别是对型面复杂、点云数据较多的机械零部件点云数据进行分割时,能得到更好的分割结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓辉	南昌大学机电工程学院	34	58	4.0	6.0
3	吴禄慎	南昌大学机电工程学院	91	942	17.0	26.0
6	陈华伟	南昌大学机电工程学院	40	526	13.0	22.0
7	史皓良	南昌大学机电工程学院	8	105	5.0	8.0