[发明专利]改进摄像机标定各参数的方法

权利要求书

1.一种改进摄像机标定各参数的方法，其特征在于，利用参数待定的摄像机采集数张不同位置高精度标定板的标定图像；将采集的标定图像导入软件进行自适应伽马变换得到自适应对比度增强的标定板图像，对自适应对比度增强的标定板图像进行亚像素角点提取；将提取的标定板图像亚像素角点信息送入MATLAB标定工具箱，得到摄像机参数的线性解；采用自适应权重和变异粒子群优化算法对摄像机参数的线性解进行非线性优化，得到精确标定参数；

所述得到自适应对比度增强的标定板图像具体步骤如下：

1.1)采用自适应伽马变换，调整图像亮度以及合理地增强黑白棋盘格的对比度，其基本的伽玛矫正的公式如下：

s＝c·r^γ,r∈[0,1]

其中r表示输入图像的灰度值，s表示输出图像的灰度值，c和γ为常数，设置c＝1；

1.2)为了自适应调整输入图像灰度值，利用图像的概率密度函数pdf调整γ值，设输入图像的灰度直方图为H(k_l,k_u)，其中k_l和k_u分别表示输入图像灰度值的下限和上限；

H(k)＝n_k,k＝k_l,...,k_u；

n_k表示图像中灰度级为k的个数，图像的概率密度函数pdf为：

其中N表示输入图像中的像素总数；

然后,自适应γ值表示为:

因此，自适应伽马变换可表示为：

2.根据权利要求1所述改进摄像机标定各参数的方法，其特征在于，所述采用自适应权重和变异粒子群优化算法对摄像机参数的线性解进行非线性优化的具体步骤如下：

4.1)利用摄像机参数线性解作为N个粒子初始位置的均值，使粒子均匀分布在线性解周围，设置速度上下限，并在其范围内随机产生N个粒子的速度，设置最大迭代次数T以及加速因子c₁和c₂；

4.2)构建适应度函数：设定有a张标定图像，每张图像中有b个角点，每个角点的实际像素点坐标为(U_ij,V_ij),重投影的像素点坐标为(u_ij,v_ij)，其中下标i、j代表着第i张图片的第j个角点,适应度函数表达为：

4.3)为了衡量每个粒子的全局和局部搜索能力，定义动态个体搜索来动态调整惯性权重w,其具体公式如下：

其中x_id是第i个粒子在第d维的位置，pbest是自身最优解，gbest是群体最优解，ε是一个接近于0的正数，D代表求解的维数,每一维粒子的权重被重新定义为:

其中β是[0,1]之间的常数；

4.4)更新种群位置和速度，其具体公式如下：

其中t为迭代次数；w_id为惯性权重；c1和c2为学习因子；r1和r2为均匀分布于0和1之间的随机数；v_id(t)代表粒子第t次迭代的速度；v_id(t+1)代表粒子第t+1次迭代的速度；pbest是当前某个粒子发现的的最佳位置；gbest是当前整个种群中发现的所有粒子的最佳位置；

4.5)为了避免种群陷入局部最优，采用基于群体适应度方差确定最佳粒子gbest的变异概率，因此，变异操作增强算法跳出局部最优解的能力，粒子群的群体适应度方差定义为：

其中σ²为群体适应度方差，f是归一化因子，其作用是限制σ²的大小，f_i为第i个粒子的适应度，f_avg为q全体种群目前的平均适应度；群体适应度方差σ²反映了粒子群中所有粒子的“收敛”程度，σ²越小，则粒子群趋于收敛；反之，粒子群处于随机搜索阶段；当σ²＝0，粒子群算法陷入早熟收敛或则达到全局收敛；因此当σ²＝0时,并且此时得到的最优解不是理论最优解或者期望最优解，则可以断定粒子群陷入局部收敛，算法将出现早熟收敛；对满足变异条件的gbest按一定的概率p_m变异，p_m的计算公式如下：

其中k取[0.1,0.3]之间的任意数值，在此算法中p_m＝0.1；对于gbest变异操作采用增加随机扰动的方法；其具体公式为：

gbest_d＝(1+0.01*η)×gbest_d

其中gbest_d为gbest的第d维取值，η是服从Gauss(0，l)分布的随机变量；4.6)确定是否满足结束条件:如果达到最大迭代次数，则循环结束并输出结果；否则，跳到步骤4.3)继续迭代。