خوارزمية ضبط حزمة جديدة بالاعتماد على أمثلة أسراب الجسيمات متعددة الأهداف الهجينة

الملخص

تطورت عملية بناء البنى ثلاثية الأبعاد خلال العقدين الأخيرين، وسواء كانت على النطاقات الصغيرة أو المتوسطة أو الكبيرة, فإن عملية ضبط الحزمة (Bundle Adjustment) تلعب دوراً مهماً في هذه العملية، خاصة في البنية من الحركة (SfM) , والتموضع ووضع الخرائط المتواقت (SLAM). على الرغم من أن ضبط الحزمة تعمل على تحسين معاملات الكاميرا والنقاط ثلاثية الأبعاد كخطوة نهائية مهمة جداً، فإنها تعاني من متطلبات الذاكرة والكفاءة في إعادة البناء ضمن النطاقات الواسعة جدًا. يستخدم التحسين متعدد الأهداف (MOO) في مجالات شتى لحل مختلف مشاكل الحياة الواقعية الهندسية. تعد خوارزمية MOPSO من أهم الخوارزميات التطورية المستخدمة في الأمثلة متعددة الأهداف, تعتمد خوارزمية MOPSO بشكل أساسي على قياس مسافة الحشد (crowding distance) للمفاضلة بين الحلول حيث أنها تساعد في قياس توزع الحلول على كامل فضاء البحث مما يساعد في زيادة قدرة الخوارزمية على الاستكشاف (exploration ), لكنها لا تسمح للخوارزمية الاستكشاف بشكل كافي كونها لا تأخذ اتجاه الاستكشاف بعين الاعتبار. وكذلك فإن MOPSO تبدأ بحثها بشكل عشوائي دون أخذ أي معرفة مسبقة عن فضاء البحث وهو ما يعد غير عملي في بعض التطبيقات التي نستطيع فيها تخمين قيم ابتدائية للحلول مثل ضبط الحزمة. في هذا البحث، تم تقديم ​​خوارزمية جديدة لضبط الحزمة تعتمد على خوارزمية MOPSO هجينة, حيث أنها تستثمر التقنيات المستخدمة في خوارزميات التحسين التقليدية مثل RADAM وتقنيات تخمين الخطأ الأصغر ((LSE الأخرى لتحسين حركة حلول MOPSO، وأظهرت النتائج أن الخوارزمية المقترحة يمكن أن تساعد في تحسين الدقة بالإضافة للكفاءة في كل من الذاكرة والوقت لعملية ضبط الحزمة.