一种虚拟场景坐标转换方法及装置与流程

技术特征：

1.一种虚拟场景坐标转换方法，其特征在于，包括：

获得目标杆塔在现实场景中的第一坐标；

根据预先运用布尔莎模型建立的目标函数和所述第一坐标，基于遗传算法确定所述目标函数的最优解；

将所述最优解确定为所述目标杆塔在虚拟场景中的第二坐标。

2.根据权利要求1所述的虚拟场景坐标转换方法，其特征在于，所述根据预先运用布尔莎模型建立的目标函数和所述第一坐标，基于遗传算法确定所述目标函数的最优解，包括：

将所述第一坐标输入到预先运用布尔莎模型建立的目标函数中；

确定所述目标函数的解空间的范围；

根据所述目标函数的解空间的范围，进行染色体编码；

根据所述目标函数的解空间的范围，确定所述目标函数的最优解的分布范围；

在所述目标函数的最优解的分布范围内，选择初值进行遗传算法的迭代；

在满足预设的迭代终止条件时，获得所述目标函数的最优解。

3.根据权利要求2所述的虚拟场景坐标转换方法，其特征在于，所述根据所述目标函数的解空间的范围，进行染色体编码，包括：

根据以下公式进行染色体编码：

$x=m+(n-m)\frac{\underset{i=1}{\overset{e}{\Σ}}{k}_i{2}^{e-i}}{2^e-1};$

其中，[m,n]为所述目标函数的解空间的范围，k_i为染色体中第i位基因值，e为所述染色体的长度值。

4.根据权利要求2所述的虚拟场景坐标转换方法，其特征在于，所述进行遗传算法的迭代，包括：

确定所述染色体的适配值；

根据所述适配值，对所述染色体进行遗传操作。

5.根据权利要求4所述的虚拟场景坐标转换方法，其特征在于，所述根据所述适配值，对所述染色体进行遗传操作，包括：

如果所述染色体的适配值高于预设阈值，则保留该染色体，交叉或者变异其中的部分遗传基因，产生新的染色体。

6.根据权利要求4所述的虚拟场景坐标转换方法，其特征在于，所述确定所述染色体的适配值，包括：

根据所述目标函数确定适应度函数；

根据所述适应度函数评价染色体的适配值。

7.根据权利要求6所述的虚拟场景坐标转换方法，其特征在于，所述适应度函数为：

$F\left(z\right)=\frac{1}{f\left(z\right)};$

其中，f(z)为所述目标函数。

8.根据权利要求1至7任一项所述的虚拟场景坐标转换方法，其特征在于，所述目标函数为：

min f(x)＝min||V₂-ΔV+(1+k)V₁+RV₁||；

其中，为所述目标杆塔在虚拟场景中的第二坐标，为所述目标杆塔在现实场景中的第一坐标，k、ΔV和R为坐标精度参数，k为所述布尔莎模型中的尺度变换参数，为所述布尔莎模型中的平移参数，为所述布尔莎模型中的旋转参数。

9.一种虚拟场景坐标转换装置，其特征在于，包括：

第一坐标获得模块，用于获得目标杆塔在现实场景中的第一坐标；

最优解确定模块，用于根据预先运用布尔莎模型建立的目标函数和所述第一坐标，基于遗传算法确定所述目标函数的最优解；

第二坐标确定模块，用于将所述最优解确定为所述目标杆塔在虚拟场景中的第二坐标。

10.根据权利要求9所述的虚拟场景坐标转换装置，其特征在于，所述最优解确定模块，包括：

坐标输入子模块，用于将所述第一坐标输入到预先运用布尔莎模型建立的目标函数中；

解空间范围确定子模块，用于确定所述目标函数的解空间的范围；

染色体编码子模块，用于根据所述目标函数的解空间的范围，进行染色体编码；

最优解分布范围确定子模块，用于根据所述目标函数的解空间的范围，确定所述目标函数的最优解的分布范围；

遗传算法迭代子模块，用于在所述目标函数的最优解的分布范围内，选择初值进行遗传算法的迭代；

最优解获得子模块，用于在满足预设的迭代终止条件时，获得所述目标函数的最优解。