【技术实现步骤摘要】
本专利技术涉及机器视觉测量领域,特别涉及一种基于混沌粒子群优化算法的双目标定方法。
技术介绍
双目视觉是被动测距方法中最重要的距离感知技术,由于它直接模拟人类视觉对场景的处理方式,可通过两台摄像机从不同角度同时拍摄被测物体,经过双目标定和立体匹配,利用三角测量原理获得物体的三维信息。其中双目标定作为双目视觉最重要的组成部分,其本质是根据摄像机几何成像模型确定两摄像机的内部参数和两摄像机之间的相对位姿关系。现有的摄像机标定方法主要有线性法、两步法、非线性优化法等,其中线性法未考虑镜头畸变,精度不高;两步法是介于线性法和非线性法间一种较为灵活的方法,主要有Tsai的两步法和Zhang的平面模板法,两者都是线性求解初始参数,然后考虑畸变进行非线性优化,但仍不能满足工业机器视觉的要求,标定精度有所提高;非线性优化法由于考虑畸变进行多次迭代优化,可得到较高的标定精度。传统的非线性参数优化方法有Levenberg-Marquardt法、梯度下降法、共轭梯度法、牛顿法等,但该类方法计算过程复杂,对初始迭代值敏感,参数受非线性因素的约束,且收敛性差、容易陷入局部最优,不容易获得最优解。众多学者提出利用智能优化算法进行非线性标定,其中粒子群算法由于实现容易、精度高、收敛快等优点被广泛应用于摄像机标定中的参数优化,但是容易陷入局部极值,导致标定结果不准确。
技术实现思路
本专利技术为了确定双目视觉系统中左右两摄像机的内外 ...
【技术保护点】
基于混沌粒子群优化算法的双目标定方法,其特征是,两台摄像机通过同时拍摄多组不同位姿的圆点阵列平面标定板图像对,根据标定板圆点中心的图像坐标及其世界坐标的对应关系,基于张正友的平面模板标定法得到两摄像机内外参数初始值,再利用混沌粒子群优化算法迭代极小化三维重投影误差,得到两摄像机最终的内外参数,具有较高的标定精度,从而保证后续双目视觉三维重构的精度,主要包含如下几个步骤:(1)采用Canny算子提取标定板图像的圆点边缘轮廓,再利用Zernike矩进行亚像素边缘提取,通过椭圆拟合求得圆点中心亚像素图像坐标;(2)采用针孔成像模型描述标定板图像圆点中心的亚像素图像坐标及其世界坐标之间的线性模型,求取世界坐标系到图像坐标系的单应性矩阵;(3)未考虑摄像机镜头畸变的情况下,利用张正友的平面模板线性标定法对左右两摄像机分别进行线性标定,分别得到两摄像机内外参数初始值Al、Rl、Tl和Ar、Rr、Tr;(4)考虑摄像机镜头二阶径向和二阶切向畸变,基于(3)的两摄像机内外参数初始值,通过构造三维重投影误差函数作为优化目标函数,利用混沌粒子群算法进行内外参数的迭代优化,优化过程中,引入全局自适应动态惯性 ...
【技术特征摘要】
1.基于混沌粒子群优化算法的双目标定方法,其特征是,两台摄像机通过同时拍摄多
组不同位姿的圆点阵列平面标定板图像对,根据标定板圆点中心的图像坐标及其世界坐标
的对应关系,基于张正友的平面模板标定法得到两摄像机内外参数初始值,再利用混沌粒
子群优化算法迭代极小化三维重投影误差,得到两摄像机最终的内外参数,具有较高的标
定精度,从而保证后续双目视觉三维重构的精度,主要包含如下几个步骤:
(1)采用Canny算子提取标定板图像的圆点边缘轮廓,再利用Zernike矩进行亚像素边
缘提取,通过椭圆拟合求得圆点中心亚像素图像坐标;
(2)采用针孔成像模型描述标定板图像圆点中心的亚像素图像坐标及其世界坐标之间
的线性模型,求取世界坐标系到图像坐标系的单应性矩阵;
(3)未考虑摄像机镜头畸变的情况下,利用张正友的平面模板线性标定法对左右两摄
像机分别进行线性标定,分别得到两摄像机内外参数初始值Al、Rl、Tl和Ar、Rr、Tr;
(4)考虑摄像机镜头二阶径向和二阶切向畸变,基于(3)的两摄像机内外参数初始值,
通过构造三维重投影误差函数作为优化目标函数,利用混沌粒子群算法进行内外参数的迭
代优化,优化过程中,引入全局自适应动态惯性权重(GAIW),同时在速度更新阶段根据粒子
局部邻域内的最优适应度值更新速度及当前位置,并对粒子局部邻域内最优适应度值对应
的最优位置进行混沌优化,其中利用动态环形拓扑关系构造粒子局部邻域,邻域随着迭代
次数线性增大,最后邻域扩展至整个粒子群;
(5)判断结束条件,若目标函数的适应度值进化到预先设定的精度ε,则终止优化并输
出左右摄像机的内外参数结果,否则返回步骤(4)。
2.根据权利要求1所述基于混沌粒子群优化算法的双目标定方法,所述步骤(4)~(5)
中利用混沌粒子群优化算法进行两摄像机的内外参数迭代优化,其特征如下:
第一步、根据步骤(3)得到两摄像机内外参数初始值和所有初始值为0的畸变系数对粒
子群中粒子的速度和位置进行随机初始化,并设置粒子数目为Ω=100,搜索空间维数为D
=28,对应待优化标定内外参数的总数;
第二步、计算每个粒子的适应度值f(θ),将每一个粒子带入式(27)求得优化目标函数
值,即通过构造三维重投影误差函数作为优化目标函数,利用实际测量的标定点三维坐标
(XwiYwiZwi)T与由模型计算得到的三维坐标(X′wiY′wiZ′wi)T之间的残差来表示;
f(θ)=1NΣi=1N[(Xwi-X′wi)2+(Ywi-Y′wi)2+(ZWi-Z′wi)2]---(27)]]>第三步、利用式(28)~(30)对粒子的速度和位置进行更新;
vi,d(t+...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。