[发明专利]基于量子以及量子微粒群算法的机器人视觉匹配方法

摘要

本发明涉及一种基于量子以及量子微粒群算法的机器人视觉匹配方法，包括基于QA算法进行图像匹配，以及基于QAPSO算法进行图像匹配；基于QA算法进行图像匹配包括：一：数据初始化；二：量子适应值计算；三：根据适应值进行量子旋转；四：更新记录迭代信息；五：n＝n+1，从步骤二开始迭代；六：n＝N，算法结束，输出最优结果六个步骤；基于QAPSO算法进行图像匹配，包括一：数据初始化；二：量子适应值计算；三：根据适应值进行PSO寻优；四：根据PSO判断进行量子旋转；五：更新记录迭代信息；六：n＝n+1，从步骤二开始迭代。

主权项

1、一种基于量子算法的机器人视觉匹配方法，即基于QA算法处理图像匹配，特征在于：在用纯量子算法处理图像匹配时，将模板图像抽象为左上角的像素坐标点，于是每一个匹配位置可用一个坐标(x，y)来表示；在经典比特表示中，x和y的二进制表示分别由一系列的0和1组成，然而在量子算法中，坐标值应该用量子形式表示，即x表示为αx1αx2αxnβx1βx2...βxn,]]>即将x看成二进制数，则x的每一位分别由量子状态α_xi和β_xi组成。n为x的总位数；同理，y亦用此种量子坐标形式表示；步骤一：数据初始化设整个匹配过程总共使用N个量子，则对于每一个量子n(n＝1，2，3...N)，产生随机数生成其量子状态α_ni和β_ni，根据量子归一化原则，可随机产生任意两状态中的任意一个，如α_ni，利用公式βni=1-αni2]]>产生对应的β_ni；每一个像素点需要两个量子来表示，即一个量子只能表示一个横坐标或纵坐标；对于产生的N个量子分别进行量子坍塌，即通过生成随机数，并根据该量子生成0的概率|α|²以及生成1的概率|β|²与产生的随机数比较从而使量子坍塌成经典比特形式，对于所有量子进行量子坍塌运算后，将所得到的二进制数字转化为十进制数字，其所表示的像素点即代表模板左上角在原图像上的像素位置，所有匹配过程的索引号均用此点坐标表示；步骤二：量子适应值计算该发明适应值的选取为：根据每一个量子坍塌成的坐标处模板图像与原图像的匹配相关度标定：F(u，v)＝∑x，y|f(u+x，v+y)-t(x，y)|                   (4)步骤三：根据适应值进行量子旋转根据当前代的每一个量子坍塌成的像素点的相关度值P_ni(n＝1，2...N；i为当前代数)以及公式：U=cos(θi)-sin(θi)sin(θi)cos(θi),]]>αi+1βi+1=Uαiβi---(2)]]>进行量子旋转，旋转产生的新量子作为下一轮迭代所用量子；其中θi根据当前代数的适应度大小动态调整：θi＝M(αⁱ，βⁱ)×Δθ                  (5)其中M(αⁱ，βⁱ)表示Δθ的正负，即旋转方向，M(αⁱ，βⁱ)只能取值0或1；每次旋转步长Δθ的大小一般控制在0.001π～0.05π之间；此处所用Δθ根据P_ni动态调整，令Δθ＝θ_min+n×(θ_max-θ_min)，其中θ_min＝0.001π，θ_max＝0.05π，而n=Pmax-PavgPmax-Pmin;]]>P_max、P_min、P_avg分别表示当代适应度值的最大值、最小值以及平均值；步骤四：更新记录迭代信息需要更新记录的信息包括：当前代数n；当前代各粒子的自身最优值，即该粒子在n代之中所找到的最优值；迭代n次所找到的全局最优值Pg；新产生的量子状态α_(n+1)i和β_(n+1)i；步骤五：n＝n+1，从步骤二开始迭代至步骤四；步骤六：n＝N，算法结束，输出最优结果，为保证算法收敛到最优解，应使N＞200。