[发明专利]一种基于遗传算法的高精度标定方法

说明书

技术领域

本发明涉及机器视觉图像处理技术领域，尤其是一种基于遗传算法的高精度标定方法。

背景技术

机器视觉中摄像机标定是指建立摄像机图像像素位置与场景点位置之间的关系，其途径是根据摄像机模型，由已知特征点的图像坐标和世界坐标求解摄像机的模型参数。摄像机需要标定的模型参数分为内部参数和外部参数。国内外许多学者提出了摄像机标定的多种方法，并得到了广泛应用。但存在处理速度和精度上的缺陷。

双目视觉检测技术，具有检测速度快效率高等特点，具有很大的研究和实际应用价值。摄像机标定是双目视觉检测的重要步骤，以及标定的精度将会直接影响工件的检验。现有的标定方法主要包括Tsai的方法，张正友的方法，神经网络方法，和基于遗传算法的方法。Tsai的方法和张正友的方法对建立的数学模型的近似解计算速度快，但在数值求解过程中产生校准误差。基于神经网络的方法不需要建立数学模型，无模型误差。然而，它需要大量的控制点进行神经网络训练。

发明内容

本发明要解决的技术问题是：为了提高算法的速度及精度，提供一种基于遗传算法的高精度标定方法。

本发明所采用的技术方案为：一种基于遗传算法的高精度标定方法，其特征在于包括以下步骤：

1）采用摄像机成像原理建立摄像机的数学模型，将双目视觉系统参数化：即提取左右图像中同一控制点分别在两幅图像中的像素坐标；

2）利用由控制点的世界坐标经摄像机模型计算出来的图像像素坐标和实际检测到控制点像素坐标的平均距离作为目标函数；

3）二进制编码：将二进制编码中的变量进行编码长度设置，并按顺序连接为一个二进制数；所述的二进制数代表遗传操作中的一个个体；

4）实数编码与交叉：将摄像机的24个参数按顺序组成一个数组；设定每组需要交叉的个体C1，C2，先在1到24之间随机生成一个数t，对于交叉生成新个体C1`，C2`，第1到t个变量保持不变，第t+1到24个变量交换位置；

5）对每一组个体的每一个位置进行变异判断是否需要基因交叉和基因变异；

6）采用杰出者选择算法在末代遗传操作产生新的种群后，计算出种群的适应度，然后按适应度将种群中的个体进行排序，取适应度高的个体组成新的准群。

进一步的说，本发明所述的步骤2）中的目标函数为：

f1(θ1)=1NΣi=1N(uli-uli′)2+(vli-vli′)2]]>