基于改进粒子群算法的动态3D实时建模技术

doi:10.3778/j.issn.1002-8331.1804-0116

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (5): 65-71.DOI: 10.3778/j.issn.1002-8331.1804-0116

基于改进粒子群算法的动态3D实时建模技术

郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3

1.福州大学数学与计算机科学学院，福州 350116
2.福建省人大常委会，福州 350001
3.网络系统信息安全福建省高校重点实验室，福州 350116

出版日期:2019-03-01 发布日期:2019-03-06

Dynamic 3D Real-Time Modeling Technology Based on Improved Particle Swarm Optimization

ZHENG Chaoxin1，2, DONG Chen1，3, HE Guorong1，3, CHEN Rongzhong1，3, XIONG Ziqi1，3

1.College of Mathematics and Computer Science, Fuzhou University, Fuzhou 350116, China
2.Standing Committee of the Fujian Provincial People’s Congress, Fuzhou 350001, China
3.University Key Laboratory of Information Security of Network Systems, Fuzhou 350116, China

Online:2019-03-01 Published:2019-03-06

摘要/Abstract

摘要： 针对传统3D建模技术无法满足在脱离专业测量工具的情况下，实时创建出与用户所处房间等比例尺寸的3D模型的需求。提出一种基于陀螺仪传感器结合改进粒子群算法计算房间3D模型尺寸与镜头位置的动态3D建模技术，该技术可以实现实时房间等比例建模，使用者可以预览到整个房间所有方位的装修效果，让用户对房间整体装修效果有直观的印象，操作方便且实时性强。实验结果表明，改进粒子群算法的动态3D实时建模技术解决了国内传统3D建模技术测量不精确的缺陷，具有一定的理论和实际意义。

关键词: 粒子群优化算法, 3D建模, 陀螺仪传感器, 动态建模

Abstract: For the traditional 3D modeling technology, it cannot meet the demand of 3D models with the user’s room and other dimensions in real time without the professional measurement tools. In this paper, it proposes a dynamic 3D modeling method based on the gyroscope sensor and improved particle swarm algorithm. This method is employed to calculate the size and position of the 3D model of the room, which can achieve real-time room scale modeling, etc. , so that users can preview the decoration effect of the entire room in all directions, the overall impression of the room as a whole, easy to operate and real-time. Experimental results show that the prefabricated effect previewing system based on the improved particle swarm optimization algorithm solves the defects of inaccurate measurement in the traditional 3D modeling techniques in China and has certain theoretical and practical significance.

Key words: particle swarm optimization, 3D modeling, gyroscope sensor, dynamic modeling

郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.

ZHENG Chaoxin1，2, DONG Chen1，3, HE Guorong1，3, CHEN Rongzhong1，3, XIONG Ziqi1，3. Dynamic 3D Real-Time Modeling Technology Based on Improved Particle Swarm Optimization[J]. Computer Engineering and Applications, 2019, 55(5): 65-71.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[4]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[5]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[6]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[7]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.
[8]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[9]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[10]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[11]	颜宏文，邹丹. 基于关联规则的PSO-Elman短期风速预测[J]. 计算机工程与应用, 2017, 53(23): 261-266.
[12]	翁理国，王骥，夏旻，纪壮壮. 自适应种群更新策略的多目标粒子群算法[J]. 计算机工程与应用, 2017, 53(15): 181-186.
[13]	张军，王远强，朱新山. 改进PSO优化神经网络的短时交通流预测[J]. 计算机工程与应用, 2017, 53(14): 227-231.
[14]	李冰1，2，王虎3，王锐4. 客户群及个体服务选择影响因子研究[J]. 计算机工程与应用, 2017, 53(13): 21-28.
[15]	谷志鹏，贺新光. 耦合边缘检测与优化的多尺度遥感图像融合法[J]. 计算机工程与应用, 2017, 53(11): 192-198.

基于改进粒子群算法的动态3D实时建模技术

Dynamic 3D Real-Time Modeling Technology Based on Improved Particle Swarm Optimization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics