基于免疫遗传和蚁群融合算法的散乱点云曲面拟合

对复杂型面物体的曲面拟合方法进行了研究,通过点云数据参数化、基于免疫遗传算法(IGA)的自适应节点计算、反求曲线控制顶点、点云数据分割以及曲面拼接5个步骤来进行曲面拟合。提出了一种基于免疫遗传和蚁群的融合算法,将其应用于曲面拟合中,利用免疫遗传算法的全局搜索能力,来提高蚁群的收敛速度。该算法通过免疫遗传算法的选择、交叉、变异操作、疫苗接种和疫苗选择,并将免疫遗传算法引入到蚁群系统的迭代中,有效地解决了蚁群系统易陷入局部最优和易退化的缺点。采用fender、fandisk、bunny、cow 4个实例,对其3D散乱点云分别采用融合算法、遗传算法(GA)和免疫遗传算法进行曲面拟合,实验表明该融合算法具有很好的收敛速度和全局最优解的搜索能力,通过该算法所拟合的曲面拟合精度较高,相比GA和IGA算法,其拟合精度分别提高18%和11%以上,可以满足复杂型面物体的曲面拟合要求。