جانمایی بهینه دستگاه لیزر اسکنر زمینی با استفاده از الگوریتم بهینه سازی گروه ذرات

برای مدل‌سازی کامل سه بعدی یک محدوده، با استفاده از ابرنقاط لیزر اسکنر زمینی، با جابجایی و افزایش نقاط استقرار دستگاه می‌توان از میزان قسمت‌های اندازه‌گیری نشده آن محدوده کاست. اما جابجایی و افزایش نقاط استقرار، مستلزم صرف هزینه و زمان برای اندازه‌گیری‌های میدانی بیشتر بوده و در نتیجه باعث افزایش زمان و هزینه محاسباتی خواهد شد. بنابراین، برنامه‌ریزی اولیه برای انتخاب بهینه مکان استقرار دستگاه با هدف کامل بودن ابرنقاط مدل سه‌بعدی و نیز کاهش هزینه‌های میدانی و محاسبات دفتری در یک بازه زمانی معقول، ضروری است. در این مقاله، برای دستیابی به این هدف از الگوریتم بهینه‌سازی گروه ذرات استفاده شده است. در روش پیشنهادی، نقاط کاندید برای استقرار در فضای ابرنقاط تقریبی از محدوده اسکن به عنوان فضای جستجوی الگوریتم انتخاب می‌شوند. برای حل مساله جانمایی بهینه دستگاه لیزر اسکنر زمین با استفاده از الگوریتم بهینه‌سازی گروه ذرات، هر ذره، مجموعه‌ای از نقاط کاندید انتخاب شده و گروه مجموعه‌ای از ذرات می‌باشد. همچنین تابع هزینه با دو هدف، یکی کاهش نواحی پنهان در مدل و دیگری انتخاب کمترین تعداد ممکن نقاط استقرار در نظر گرفته می‌شود. با انتخاب مجموعه‌ای از چندتایی‌های تصادفی نقاط کاندید برای استقرار، به عنوان پاسخ اولیه، الگوریتم شروع به کار کرده و با حرکت دادن این پاسخ‌ها در فضای جستجو، در طی تکرارهای متوالی، الگوریتم جواب بهینه مساله جانمایی لیزر اسکنر زمینی را بدست می‌آورد. در این فرآیند، انتخاب بهینه نقاط استقرار دستگاه به صورت اتوماتیک و تکراری بوده و اطمینان از چیدمان صحیح با حداقل تعداد نقاط لازم برای اندازه‌گیری کامل محدوده حاصل می‌شود. نتایج این تحقیق نشان می‌دهد، با الگوریتم بهینه‌سازی گروه ذرات می‌توان نقاط بهینه برای استقرار دستگاه لیزر اسکنر را از میان تعداد بسیار زیادی از نقاط کاندید انتخاب کرد، به نحوی که 96% منطقه با اطمینان کامل اسکن شود.

The Best Localization for Terrestrial Laser Scanner by Using Particle Swarm Optimization Algorithm

For complete 3D modeling of a desired area, using by terrestrial laser scanner point cloud, it is necessary moving the set and increase the occupation points to measure the occlusions. But it takes more time and money for field measurements and in result will be increased time and calculations cost. Thus, the initial planning for selecting the optimal locations for the device in order to complete 3D model is essential and the computing field and office costs in a reasonable period decreased. In this paper, particle swarm optimization algorithm to achieve this objective has been used. In the proposed method, an approximate model of the scan region needs for the candidate deployment positions, and makes the algorithm rsquo;s search space. Each particle is set of the selected candidate points and a set of particles is considered as a groups. Cost function was considered with two goals, a reduction in occlusions and pick a least possible number of selected points. Algorithms starts with a set of multiple random selection of points, as an initial response and moving particles in the search space, during successive iterations, the algorithm answers locating the optimal laser scanner. In this process, the optimal choice system is automatic and repetitive and ensure proper alignment with the minimum number of points required for a complete measurement of region is achieved. The results show that the particle swarm optimization algorithm in a large number of the candidate can optimize the laser scanner selected points for the establishment.