基于改进粒子群算法的相机内参优化方法

发布时间：2021-03-31 12:38

　　相机标定是机器人视觉系统中实现精确定位的重要前提,针对传统相机标定精度不高的问题,提出基于改进粒子群算法的相机标定优化方法。该方法以张正友标定方法获得相机内参初始值,在不同迭代阶段实现对惯性参数非线性自适应调整,以平衡局部和全局搜索能力;对社会和自身学习率采用不同迭代阶段正余弦变化的动态自调整策略,进一步提高全局搜索能力与后期搜索精度;在粒子群快要陷入局部最优时,采用驱散机制扩大粒子群所在空间范围,避免算法过早收敛。实验结果表明,所提相机标定方法与传统标定方法相比具有较高的精度和较好的可重复性。 

【文章来源】：激光与光电子学进展. 2020,57(04)北大核心CSCD

【文章页数】：7 页

【部分图文】：

图2 张正友方法的重投影误差

基本粒子群算法重投影误差

图3 基本粒子群算法重投影误差为了验证改进粒子群算法的可重复性，重新进行了多次采样实验。利用上述三种方法进行标定，记录重投影误差并计算平均值与标准差，各组数据结果如表2所示，重投影误差对比如图5所示，其中改进粒子群优化算法得到的平均重投影误差比张正友方法减小了0.15pixel左右，比基本粒子群算法减小了0.1pixel左右，基本维持在0.1pixel左右，优于前两种方法。

【参考文献】：
期刊论文
[1]关于新能源并网供电无功性能优化设计研究[J]. 赵丰明,樊艳芳,钱福如,陈伟伟.  计算机仿真. 2018(11)
[2]基于量子粒子群优化算法的摄像机标定优化方法[J]. 王道累,胡松.  激光与光电子学进展. 2018(12)
[3]动态改变惯性权重的新模式粒子群算法[J]. 杜江,袁中华,王景芹.  安徽大学学报(自然科学版). 2018(02)
[4]基于全参数自适应变异粒子群算法的单目相机标定[J]. 秦瑞康,杨月全,李福东,季涛.  东南大学学报(自然科学版). 2017(S1)
[5]超大尺度线结构光传感器内外参数同时标定[J]. 解则晓,张安祺.  光学学报. 2018(03)
[6]基于改进粒子群算法的制造车间WSN部署优化[J]. 李少波,张成龙,郑凯.  仪表技术与传感器. 2017(10)
[7]基于粒子群算法的摄像机内参数优化方法[J]. 郭彤颖,李宁宁,刘雍.  激光与光电子学进展. 2017(11)
[8]基于改进遗传模拟退火的相机标定方法[J]. 游江,唐力伟,邓士杰.  计算机工程与设计. 2017(03)
[9]基于自适应驱散机制的粒子群优化算法[J]. 游佳丽,周志勇,章程,戴亚康.  计算机工程与应用. 2017(07)
[10]基于粒子群算法的摄像机自标定[J]. 黄伟光,董安国.  计算机应用与软件. 2015(05)

硕士论文
[1]基于机器视觉的叶片夹取机器人研究[D]. 李双.东北林业大学 2018
[2]基于机器视觉的圆形工件位姿估计[D]. 桑孟雷.浙江大学 2018
[3]基于机器人视觉的多类型工件识别与定位问题研究[D]. 马庭田.南京航空航天大学 2018



本文编号：3111453