基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法技术

一种基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法，包括：对岩石样本进行视觉采样和三维重建；对网格模型进行处理；对偏随机密钥遗传算法进行初始化，生成初代种群；建立容器及OBB包围盒的碰撞模型，设置其位置和姿态；建立各OBB包围盒对应的岩石样本的碰撞模型，设置其位置和姿态；添加重力和摩擦力，计算容器空间占有率作为个体的适应度；根据适应度大小将种群个体分为精英个体和一般个体两类，按照偏随机密钥遗传算法对种群进行复制、交叉和变异操作，产生下一代种群；重复执行，当满足终止条件时，输出最大适应度个体解码装箱后各岩石样本的最终位置和姿态作为最终装箱方案。本发明专利技术能实现有限容器内对不规则岩石最大化装箱。岩石最大化装箱。岩石最大化装箱。

【技术实现步骤摘要】
基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法


[0001]本专利技术属于不规则物体装箱问题的制造业和运输业
，尤其涉及一种基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法及系统，适用于物流装箱、地外自主天体采样等。

技术介绍

[0002]在对地外天体的探测任务中，地外探测器上不可能携带完善的实验分析设备，因此只能通过对星体表面的或者表面下的岩石进行采集，然后放入容器内由返回器带回地球进行分析研究，这是研究星体资源、环境和物质构成的重要手段。
[0003]由于技术和成本的限制，探测器的容器存储空间十分有限，但往往要求单次作业时能够采集到尽量多的样品或矿物。而星体岩石样本的大小与形状各异、极不规则，使得地外天体采样的放置优化问题难度很大。目前对于地外天体采样所得岩石这种不规则形状物体的三维放置优化的研究很少，传统的对于三维规则物体装箱优化算法不再直接适用于该问题。
[0004]综上，需要一种针对不规则岩石三维装箱的方法，基于优化算法，实现在有限容器内对不规则岩石最大化装箱。

技术实现思路

[0005]本专利技术所解决的技术问题是：克服现有技术的不足，提供了一种对于地外天体采样所得的不规则岩石的装箱优化方法及系统，实现有限容器内对不规则岩石最大化装箱。
[0006]本专利技术的技术解决方案是：
[0007]基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法，包括：
[0008]步骤1：对每个岩石样本进行视觉采样和三维重建，得到各岩石样本的网格模型；/>[0009]步骤2：对各岩石样本网格模型进行处理，使其最小有向包围盒OBB与轴对齐包围盒AABB重合，即最小有向包围盒OBB与网格模型坐标轴平行、与坐标原点重合；
[0010]步骤3：对偏随机密钥遗传算法进行初始化，对个体进行编码生成初代种群；
[0011]步骤4：在pybullet中，建立容器及OBB包围盒的碰撞模型，并对每个个体的基因进行解码，根据解码后所得的装箱顺序和方向对各OBB包围盒进行装箱，输出各包围盒的位置和姿态；其中基因解码后，检测OBB包围盒尝试以6个方向放置后，其前右上角距离容器前右上角距离最远的极点作为放置位置；
[0012]步骤5：在pybullet中，建立各OBB包围盒对应的岩石样本的碰撞模型，设置其位置和姿态为步骤4中OBB包围盒的位置和姿态；
[0013]步骤6：在pybullet中添加重力和摩擦力，岩石样本的碰撞模型在重力作用下开始下落，使得装箱更紧密，待各碰撞模型稳定后，计算容器空间占有率作为个体的适应度；
[0014]步骤7：根据适应度大小将种群个体分为精英个体和一般个体两类，按照偏随机密钥遗传算法对种群进行复制、交叉和变异操作，产生下一代种群；
[0015]步骤8：重复步骤4至步骤7，当满足终止条件时，输出最大适应度个体解码装箱后各岩石样本的最终位置和姿态，作为最终装箱方案，终止计算。
[0016]进一步的，未处理岩石样本网格模型AABB包围盒与OBB包围盒不重合，处理后岩石样本网格模型OBB包围盒与AABB包围盒重合。
[0017]进一步的，所述步骤2对各岩石样本网格模型进行处理，使其最小有向包围盒OBB与轴对齐包围盒AABB重合，具体为：使用open3d对各岩石样本网格模型进行处理，得到各网格模型的最小有向包围盒OBB，并得到包围盒的中心OBB.center、尺寸OBB.extent、旋转矩阵OBB.R；然后对网格模型进行平移、旋转；处理后生成新的网格模型STL_New和新的最小有向包围盒OBB_New；如此得到的包围盒OBB_New与网格模型STL_New的坐标轴平行，坐标原点重合。
[0018]进一步的，对偏随机密钥遗传算法进行初始化包括：设置进化代数num_generations、相同适应度等待次数patient、种群个体数num_individuals、精英个体数num_elites、变异个体数num_mutants、精英选择概率eliteCProb。
[0019]进一步的，对个体进行编码，具体为：有N个待装箱岩石样本，则每个个体包含2N个基因，前N个基因代表装箱顺序，后N个基因代表装箱方向，生成N个随机密钥对应于每个待装箱物品，按照升序排列，即得到装箱顺序，作为前N个基因；生成N个随机密钥对应于每个待装箱物品，作为后N个基因，每个待装箱OBB包围盒有六个装箱方向，其随机密钥的数值乘6后向前取整则为当前包围盒的装箱方向。
[0020]进一步的，步骤6中所述容器空间占有率是指所放置模型的总体积Vobj与已放置模型的最高点Zmax以下所占据的容器空间体积之比，容器空间占有率计算公式如下：
[0021]Rate＝Vobj/(Zmax*L*W)
[0022]其中，Rate为容器空间占有率，Vobj为放置模型的总体积，Zmax为已放置模型的最高点，L为容器底面长度，W为容器底面宽度。
[0023]进一步的，所述步骤7根据适应度大小将种群个体分为精英个体和一般个体两类，按照偏随机密钥遗传算法对种群进行复制、交叉和变异操作，产生下一代种群，具体为：
[0024]对每一代种群的个体根据适应度大小降序排序，前num_elites个个体为精英个体，剩余个体为一般个体；精英个体直接复制到下一代种群中，以确保解的质量在进化过程不断获得提升；交叉操作的两个个体，一个来自精英个体，另一个以随机方式从全部个体中产生；交叉概率为eliteCProb，即子代个体以eliteCProb的概率从父代精英个体中获得基因，以(1
‑
eliteCProb)的概率从父代一般个体中获得基因；变异操作采用随机的方法产生num_mutants个新个体。
[0025]进一步的，步骤8所述终止条件为达到进化代数num_generations、或适应度连续patient次不再改变。
[0026]进一步的，本专利技术提出一种不规则岩石三维装箱优化系统，包括：
[0027]网格模型获取及处理模块：对每个岩石样本进行视觉采样和三维重建，得到各岩石样本的网格模型；对各岩石样本网格模型进行处理，使其最小有向包围盒OBB与轴对齐包围盒AABB重合，即最小有向包围盒OBB与网格模型坐标轴平行、与坐标原点重合；
[0028]算法初始化模块：对偏随机密钥遗传算法进行初始化，对个体进行编码生成初代种群；
[0029]碰撞模型建立模块：在pybullet中，建立容器及OBB包围盒的碰撞模型，并对每个个体的基因进行解码，根据解码后所得的装箱顺序和方向对各OBB包围盒进行装箱，输出各包围盒的位置和姿态；其中基因解码后，检测OBB包围盒尝试以6个方向放置后，其前右上角距离容器前右上角距离最远的极点作为放置位置；在pybullet中，建立各OBB包围盒对应的岩石样本的碰撞模型，设置其位置和姿态为步骤4中OBB包围盒的位置和姿态；在pybullet中添加重力和摩擦力，岩石样本的碰撞模型在重力作用下开始下落，使得装本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法，其特征在于包括：步骤1：对每个岩石样本进行视觉采样和三维重建，得到各岩石样本的网格模型；步骤2：对各岩石样本网格模型进行处理，使其最小有向包围盒OBB与轴对齐包围盒AABB重合，即最小有向包围盒OBB与网格模型坐标轴平行、与坐标原点重合；步骤3：对偏随机密钥遗传算法进行初始化，对个体进行编码生成初代种群；步骤4：在pybullet中，建立容器及OBB包围盒的碰撞模型，并对每个个体的基因进行解码，根据解码后所得的装箱顺序和方向对各OBB包围盒进行装箱，输出各包围盒的位置和姿态；其中基因解码后，检测OBB包围盒尝试以6个方向放置后，其前右上角距离容器前右上角距离最远的极点作为放置位置；步骤5：在pybullet中，建立各OBB包围盒对应的岩石样本的碰撞模型，设置其位置和姿态为步骤4中OBB包围盒的位置和姿态；步骤6：在pybullet中添加重力和摩擦力，岩石样本的碰撞模型在重力作用下开始下落，使得装箱更紧密，待各碰撞模型稳定后，计算容器空间占有率作为个体的适应度；步骤7：根据适应度大小将种群个体分为精英个体和一般个体两类，按照偏随机密钥遗传算法对种群进行复制、交叉和变异操作，产生下一代种群；步骤8：重复步骤4至步骤7，当满足终止条件时，输出最大适应度个体解码装箱后各岩石样本的最终位置和姿态，作为最终装箱方案，终止计算。2.根据权利要求1所述的基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法，其特征在于：未处理岩石样本网格模型AABB包围盒与OBB包围盒不重合，处理后岩石样本网格模型OBB包围盒与AABB包围盒重合。3.根据权利要求1或2所述的基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法，其特征在于：所述步骤2对各岩石样本网格模型进行处理，使其最小有向包围盒OBB与轴对齐包围盒AABB重合，具体为：使用open3d对各岩石样本网格模型进行处理，得到各网格模型的最小有向包围盒OBB，并得到包围盒的中心OBB.center、尺寸OBB.extent、旋转矩阵OBB.R；然后对网格模型进行平移、旋转；处理后生成新的网格模型STL_New和新的最小有向包围盒OBB_New；如此得到的包围盒OBB_New与网格模型STL_New的坐标轴平行，坐标原点重合。4.根据权利要求1所述的基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法，其特征在于：对偏随机密钥遗传算法进行初始化包括：设置进化代数num_generations、相同适应度等待次数patient、种群个体数num_individuals、精英个体数num_elites、变异个体数num_mutants、精英选择概率eliteCProb。5.根据权利要求1或4所述的基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法，其特征在于：对个体进行编码，具体为：有N个待装箱岩石样本，则每个个体包含2N个基因，前N个基因代表装箱顺序，后N个基因代表装箱方向，生成N个随机密钥对应于每个待装箱物品，按照升序排列，即得到装箱顺序，作为前N个基因；生成N个随机密钥对应于每个待装箱物品，作为后N个基因，每个待装箱OBB包围盒有六个装箱方向，其随机密钥的数值乘6后向前取整则为当前包围盒的装箱方向。6.根据权利要求1所述的基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法，其特征在于：步骤6中所述容器空间占有率是指所放置模型的总体积Vobj与已放置模型的
最高点Zmax以下所占据的容器空间体积之比，容器空间占有率计算公式如下：Rate＝Vobj/(Zmax*L*W)其中，Rate为容器空间占有率，Vobj为放置模型的总体积，Zmax为已放置模型的最高点，L为容器底面长度，W为容器底面宽度。7.根据权利要求1所述的基于偏随机密钥遗传算法的不规则岩石三维装箱优化方法，其特征在于：所述步骤7根据适应度大小将种群个体分为精英个体和一般个体两类，按照偏随机密钥遗传算法对种群进行复制、交叉和变异操作，产生下一代种群，具体为：对每一代种群的个体根据适应度大小降序排序，前num_elites个个体为精英个体，剩余个体为一般个体；精英个体直接复制到下一代种群中，以确保解的质量在进化过程不断获得提升；交叉操作的两个个体，一个来自精英个体，另一个以随机方式从全部个体中产生；交叉概率为eliteCProb，即子代个体以eliteCProb的概率从父代...

【专利技术属性】
技术研发人员：刘昊，黄煌，汤亮，谢心如，
申请(专利权)人：北京控制工程研究所，
类型：发明
国别省市：