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:
其中,[m,n]为所述目标函数的解空间的范围,ki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:
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。