基于粒子群算法的摄像机内参数优化方法

发布时间：2018-06-18 16:44

  本文选题：机器视觉 + 摄像机标定　； 参考：《激光与光电子学进展》2017年11期

【摘要】：针对MATLAB标定工具箱的标定精度与所拍图像数量成正比的问题,即拍摄照片数量越多标定精度越高,提出了一种基于粒子群算法的摄像机内参数优化方法,从而达到拍摄少量图片也可以有较好精度的效果。首先摄像机从不同角度拍摄4张和20张标定板图片,利用MATLAB标定工具箱分别求取它们的内参数。然后根据标定点的实际坐标和反投影坐标建立目标函数,再由粒子群算法对标定箱求取的内参数进行优化。实验结果对比表明:与MATLAB标定工具箱相比,此方法能够在一定程度上提高少量标定板图片的标定精度。
[Abstract]:Aiming at the problem that the calibration accuracy of MATLAB calibration toolbox is proportional to the number of images taken, that is, the more photos are taken, the higher the calibration accuracy is, a method of camera internal parameter optimization based on particle swarm optimization is proposed. In order to achieve a small number of images can also have a better accuracy. Firstly, the camera takes 20 pictures of 4 Zhang He calibration board from different angles, and obtains their internal parameters by using the calibration toolbox of MATLAB. Then the objective function is established according to the actual coordinate and the backprojection coordinate of the scalar point, and the inner parameters of the calibration box are optimized by the particle swarm optimization algorithm. The experimental results show that compared with the MATLAB calibration toolbox, this method can improve the calibration accuracy of a small number of calibration board pictures to a certain extent.
【作者单位】： 沈阳建筑大学信息与控制工程学院;
【分类号】：TP18;TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 黄天赦;叶春明;;采用量子粒子群算法的一类模糊作业车间调度问题的研究[J];现代制造工程;2009年11期

2 秦玉灵;孔宪仁;罗文波;;混沌量子粒子群算法在模型修正中的应用[J];计算机工程与应用;2010年02期

3 陈治明;;新型量子粒子群算法及其性能分析研究[J];福建电脑;2010年05期

4 牛永洁;;一种新型的混合粒子群算法[J];信息技术;2010年10期

5 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

6 刘衍民;赵庆祯;邵增珍;;一种改进的完全信息粒子群算法研究[J];曲阜师范大学学报(自然科学版);2011年01期

7 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[J];计算机工程与应用;2011年05期

8 熊智挺;谭阳红;易如方;陈赛华;;一种并行的自适应量子粒子群算法[J];计算机系统应用;2011年08期

9 孟纯青;;非线性粒子群算法[J];微计算机应用;2011年08期

10 任伟建;武璇;;一种动态改变学习因子的简化粒子群算法[J];自动化技术与应用;2012年10期

中国重要会议论文全文数据库 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

3 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

4 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

5 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

6 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

7 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

8 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年

9 丛亮;胡成全;郭宗鹏;姜宇;沙丽华;;基于模拟退火思想的基本粒子群算法改进[A];第二十七届中国控制会议论文集[C];2008年

10 宋莹;陈增强;袁著祉;;一种新型混沌粒子群算法及在非线性系统中的应用[A];2006中国控制与决策学术年会论文集[C];2006年

中国博士学位论文全文数据库 前6条

1 王芳;粒子群算法的研究[D];西南大学;2006年

2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

4 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年

6 陈晋音;生物启发计算若干关键技术与应用研究[D];浙江工业大学;2009年

中国硕士学位论文全文数据库 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年

3 江玲;基于粒子群算法的微博用户推荐系统[D];西南科技大学;2015年

4 汪习知;视点质量计算与视点选择研究[D];国防科学技术大学;2013年

5 钱祺枫;基于改进的粒子群算法的图像分类技术研究[D];南京邮电大学;2015年

6 朱良;基于云计算和优化KMeans的电力不良数据辨识[D];华北电力大学;2015年

7 鲍立婷;粒子群算法在基于LBS快递派送中的应用研究[D];东华理工大学;2016年

8 王佳丽;量子粒子群算法的改进及其在图像分割中的应用[D];安徽工业大学;2015年

9 刘庆;基于PMV的室内环境智能系统设计[D];北方工业大学;2017年

10 彭尧;基于改进粒子群算法和三维Otsu的图像分割研究[D];武汉理工大学;2015年

，

本文编号：2036146