[发明专利]基于蜂群算法优化BP神经网络三目视觉标定

权利要求书

1.基于蜂群算法优化BP神经网络三目视觉标定方法，其特征在于包括以下步骤：

步骤a：确定BP神经网络隐含层层数、输入、输出节点数；

步骤b：利用人工蜂群算法对BP神经网络的权重与偏置选取最优值；

步骤c：确定BP神经网络结构的各参数值，使像素点数据分布学习物方点数据分布，完成标定。

2.根据权利1所述的一种基于蜂群算法优化BP神经网络三目视觉标定方法，其特征在于，所述步骤a具体为：

建立四种不同层数的BP神经网络双目视觉模型，采用实验法确定BP神经网络最佳的隐含层层数为3。根据双目视觉标定模型，如下所示，确定三目视觉标定时像素点为6个，物方点为3个。

在上式中i为摄像机的数量，1≤i≤3，i∈Z+，f为摄像机的焦距，r_i、T_i为世界坐标系到两台摄像机坐标系转换的旋转矩阵与平移矩阵，u_0i、v_0i是图像坐标系原点在像素坐标系中的坐标，dx、dy分别是像素坐标系在X方向和Y方向相邻像素间的距离。

3.根据权利1所述的一种基于蜂群算法优化BP神经网络三目视觉标定方法，其特征在于，所述步骤b具体为：

应用人工蜂群算法对神经网络视觉标定进行优化时，选择训练数据，产生输入层和隐含层1之间的权值隐含层1和隐含层2之间的权值隐含层2和隐含层3之间的权值隐含层3和输出层之间的权值输入层和隐含层1之间的计算公式为：与隐含层1和隐含层2之间的计算公式为：与隐含层2与隐含层3之间的计算公式为：与隐含层3与输出层之间的计算公式为：与其中f为激活函数，第一层为S型激活函数，后两层为线性激活函数，为各层之间的阀值，通过以上公式计算出实际的输出值神经网络误差函数为：通过误差函数计算神经网络误差，如果误差满足要求，结束训练；根据梯度下降法，调整各层之间权值和阀值,计算权值误差满足要求则结束训练，否则继续；使用当前的权值与阀值作为输入，设定最大循环次数，将神经网络的误差设定为人工蜂群的适应度，使用贪婪算法更新数据源，保留适应度高的食物,使用人工蜂群算法进行迭代，直到到达最大循环次数,并将人工蜂群算法中得到的权值和阀值作为新的初始参数训练BP神经网络,结束训练输出权值使用得到的网络模型测试数据得到的结果。

4.根据权利1所述的一种基于蜂群算法优化BP神经网络三目视觉标定方法，其特征在于，所述步骤c具体为：

基于蜂群算法优化BP神经网络三目视觉标定中隐含层激活函数为对数几率函数，是：

基于蜂群算法优化BP神经网络三目视觉标定中训练方法为最速下降法，其作用是:通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。

基于蜂群算法优化BP神经网络三目视觉标定中学习速率选取原则为经验选取原则，学习率越小，学习会越精细，但同时学习速度也会降低，学习率越大，学习速度会越快，但同时学习精度也会降低。