基于自适应差分进化算法拟合圆的树干胸径测量方法

提出一种参数自适应的差分进化算法（Adaptive differential evolution，ADE）拟合圆的方法对树干胸径进行测量。采用实验室自制胸径测量平台采集树干胸径数据，对采集到的数据用K means算法进行聚类，分割出背景与目标。为提高测量精度，采用角度补偿法对树干表面点到激光传感器中心的偏角进行补偿。对补偿后的数据，以激光传感器中心为坐标原点，计算出树干表面点横纵坐标。最后对树干表面坐标点采用自适应差分进化算法拟合圆，拟合过程中，差分进化过程的种群数、进化策略、变异尺度以及交叉概率随着进化过程自适应变化。分别对校园内与人工林地各40棵不同大小的树进行了测量与拟合，其拟合时间为1.41s,拟合结果与实际值比较分析，RMSE分别为4.996mm与4.500mm。并与Levenberg-Marquardt（LM）算法、粒子群优化算法（Particle swarm optimization，PSO）以及Hough变换拟合圆法测量树干胸径进行了分析与比较，实验结果表明所提方法能更有效准确地测量出树干胸径