بهينه‌سازي فرايند تطابق چندين ابر نقاط با استفاده از الگوريتم جديد تركيبي جستجوي گرانشي و نلدر-‌‌ ميد

Optimization of point clouds sets registration process using a hybrid algorithm of gravitational search and nelder-mead

بهينه‌سازي در بسياري از شاخه‌هاي علوم كاربرد زيادي يافته است. در سال‌هاي اخير، تيوري‌ها و روش‌هاي متعددي براي پيدا كردن پاسخ بهينه و توسعه روش‌هاي بهينه‌سازي ارايه شده است. الگوريتم‌هاي بهينه‌سازي الهام گرفته از طبيعت به ‌عنوان روش‌هاي ابتكاري، راه‌حل‌هاي مناسبي را براي مسايل پيچيده ارايه مي‌كند كه يكي از كاربردهاي اين روش‌ها، مهندسي معكوس است. در مهندسي معكوس، هر مجموعه از نقاط اسكن شده نسبت به يك دستگاه خاص تعريف مي‌شوند. در فرايند انطباق داده‌ها، مجموعه‌هاي اين نقاط به‌ صورت مجزا، با هم تركيب ‌شده و نسبت به يك سيستم مختصات واحد قرار مي‌گيرند كه اين فرايند،تطابق ابر نقاط ناميده مي‌شود. در اين پژوهش، قطعه كاربردي در آزمايش تجربي توسط ماشين اندازه‌گيري مختصات در دو وضعيت بدون انتقال و انتقال ‌يافته، اندازه‌برداري شده و فرايند تطابق ابر نقاط بر روي آن پياده‌سازي شده است. به كمك الگوريتم‌هاي‌ جستجوي گرانشي، جمعيت ذرات و ژنتيك، فرايند تطابق بهينه‌سازي شده و پارامترهاي تطابق (چرخش و جابه‌جايي) به‌دست‌ آمده است. از بين الگوريتم‌هاي ذكر شده، الگوريتم جستجوي گرانشي از دقت جابه‌جايي، دقت چرخشي و مقدار همگرايي بهتر و هم‌چنين زمان اجراي كمتري برخوردار بوده است. در نهايت الگوريتم تركيبي ارايه ‌شده است كه تركيبي از الگوريتم‌هاي جستجوي گرانشي و نلدر-?ميد مي‌باشد. در الگوريتم پيشنهادي، مقادير حدس اوليه توسط الگوريتم گرانشي به‌دست آمده و در اختيار الگوريتم نلدر- ميد قرار مي‌گيرد تا پاسخ دقيق به‌دست آيد. الگوريتم پيشنهادي در اين پژوهش، ازنظر تعداد تكرار و مقدار همگرايي بر الگوريتم‌هاي جستجوي گرانشي و نلدر-?ميد برتري دارد.

Optimization has found widespread application in many branches of science. In recent years, different methods and theories have been developed to find optimal solutions. Optimization algorithms are inspired by nature as heuristics solutions to complex problems. Reverse engineering is one of the applications of optimization methods. In reverse engineering a set of scan points are defined relative to a particular coordination. In data registration process, the scanned data sets that separate and combine to a single coordinate system are called the process of registration. In this research, the applications part has been digitized by coordinate measuring machine(CMM) and the process of point clouds registration in experimental on two pieces in position (without translation and with translation case) has been implemented. Using gravitational search algorithm (GSA), particle swarm optimization (PSO) and genetic algorithm (GA) optimization process is optimized and the registration parameters (rotation and displacement) are obtained. The algorithms mentioned, GSA, the accuracy displacement, rotational accuracy and better convergence rate and the run time is less. Finally, a hybrid algorithm is proposed that is a combination of GSA, and Nelder-Mead algorithms (GSA-NM). In the proposed algorithm, the initial guess values obtained by GSA and Nelder-Mead algorithm are provided to ensure an accurate response. The proposed hybrid algorithm is superior to GSA and Nelder-Mead, in terms of the number of iterations and the amount of convergence.