当前位置: 首页 > 专利查询>江南大学专利>正文

基于混沌粒子群优化算法的双目标定方法技术

技术编号:14965617 阅读:90 留言:0更新日期:2017-04-02 20:13
本发明专利技术提供了一种基于混沌粒子群优化算法的双目标定方法,通过两台摄像机同时拍摄多组不同位姿的圆点阵列平面标定板图像对,在未考虑畸变的情况下,利用张正友平面模板线性标定法得到左右两摄像机内外参数初始值;然后在考虑二阶径向畸变和二阶切向畸变的情况下,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。迭代优化过程中,引入全局自适应动态惯性权重(GAIW),通过利用动态环形拓扑关系构造粒子局部邻域,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,有效解决了原粒子群优化算法容易陷入局部极值导致标定精度不高的问题,从而提高了双目标定精度,保证后续双目三维重构的精度。

【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参数,提供了一种基于混沌粒子群优化算法的双目标定方法。通过拍摄多组不同位姿的圆点阵列平面标定板图像,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函数,得到两摄像机最终的内外参数。为达此目的,本专利技术通过如下技术方案实现:(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标定法对左右两摄像机分别进行标定,得到两摄像机内外参数初始值;(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两摄像机的最终内外参数结果,否则返回步骤(4)。本专利技术的有益效果是:本专利技术提供了一种基于混沌粒子群优化算法的双目标定方法,将混沌粒子群优化算法应用于双目视觉摄像机内外参数优化,解决了传统的非线性参数优化方法在视觉标定中计算过程复杂,对初始迭代值敏感且对噪声敏感,标定精度不高,不能满足工业要求。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,其中利用动态环形拓扑关系构造粒子局部邻域,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,从而有效解决了原粒子群优化算法容易陷入局部极值的问题,从而提高了双目标定精度和鲁棒性,保证后续双目视觉三维重构的精度。附图说明图1双目立体视觉系统示意图图2双目摄像机标定示意图图3粒子群环形拓扑结构示意图具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白,下面结合具体实施例,并参照附图,对本专利技术作进一步详细说明。本专利技术提供了一种基于混沌粒子群优化算法的双目标定方法,整个算法流程主要由标定板图像圆点中心的亚像素图像坐标提取、单应性矩阵求取、摄像机内外参数初始值确定、混沌粒子群算法进行内外参数优化构成。为进一步说明,具体实现步骤如下:步骤一:标定板图像圆点中心亚像素图像坐标提取(1)分别输入两台摄像机从不同角度同时拍摄的多组标定板图像;(2)分别对左右标定板图像对序列进行Canny边缘提取,然后利用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,分别记为和其中i=1,2,...,49,每幅标定板图像中圆点个数为49。步骤二:单应性矩阵求取(1)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,如式(1)所示,并将世界坐标系Zw=0所在平面设为标定板所在的测量平面。sjuijvij1=AjRjTjXwiYwiZwi1=AjαjβjTjXwiYwi1---(1)]]>式中,j=l、r,j=l对应左摄像机的参数,j=r对应右摄像机的参数,sj为比例因子;Aj为摄像机内参数,记为分别为x、y方向上的归一化焦距,为扭曲系数;为摄像机主光轴与图像平面交点的像素坐标,称为主点;Rj为摄像机坐标系相对于世界坐标系3×3正交旋转矩阵,为摄像机外参数,记为Rj=r11jr2jr13jr21jr22jr23jr31jr32jr33j;]]>αj,βj,γj分别为旋转矩阵Rj的三个列向量,记为αj=r1jr21jr31jT,]]>βj=r2jr22jr32jT,]]>γj=r3jr23jr33jT;]]>Tj为摄像机坐标系相对于世界坐标系3×1平移矢量,为摄像机外参数,记为P~i=XwiYwiZwi1T]]>分别为标定板圆点中心在图像坐标系和世界坐标系中的齐次坐标。(2)利用步骤一提取的圆点中心亚像素图像坐标和及其图像点的世界坐标Pi=(XwiYwiZwi)T,根据式(2)分别求出世界坐标系到左右摄像机图像坐标系的单应性矩阵Hl和Hr。Hj=Aj[αjβjTj],j=l、r(2)步骤三:摄像机内外参数初始值确定(1)由于αj和βj是单位正交向量,将Hj矩阵写成得式(3)所示的内参数约束条件。hT1jA-TjA-1jh2j=0hT1jA-TjA-1jh1j=hT2jA-TjA-1jh2j---(3)]]>在线性求解摄像机内外参数初始值时,令:Bj=A-TjA-1j本文档来自技高网...

【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)。...

【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+...

【专利技术属性】
技术研发人员:白瑞林范莹石爱军
申请(专利权)人:江南大学
类型:发明
国别省市:江苏;32

网友询问留言 已有0条评论
  • 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。

1