[发明专利]基于智能优化的摄像机标定方法

摘要

本发明公开了一种基于智能优化的摄像机标定方法，步骤为：采用harris亚像素角点提取方法得到图像特征点的像素坐标；根据图像像素坐标以及对应的世界坐标系坐标计算内外参数的初始值；初始化粒子群，并随机生成均匀分布在初始值周围的d个粒子，组成i×d维的粒子群矩阵；将初始粒子群作为当代最优局部矩阵，计算其各微粒的适应值函数，选取适应值最小的一个微粒作为最优粒子；更新粒子群，计算新粒子群的适应值，与上一代的最优局部矩阵比较、替代，获得新一代的最优局部矩阵，进而得到新的最优粒子，同时计算更新外部参数R、T的值。其优点是：将量子粒子群智能优化算法引入摄像机标定中；精度较高、初始值计算简单、收敛速度快。

主权项

1.基于智能优化的摄像机标定方法，其特征是，步骤如下：第一步：采用harris亚像素角点提取方法得到图像特征点的像素坐标；第二步：根据图像像素坐标以及对应的世界坐标系坐标计算内外参数的初始值；由张正友平面模板标定算法得到每幅图像的单应性矩阵H，并对内参数初始化：焦距：[fc(1),fc(2)]=(nx2)/tan(π*FOV_angle/360)*[1,1];]]>光心：(u0,v0)=(nx-12,ny-12);]]>其中，FOV_angle为摄像机出厂参数中的视场角，n_x与n_y为拍摄图像的宽和高，即分辨率，焦距公式中的[1，1]为1×2矩阵；再由单应性矩阵H＝[h₁ h₂ h₃]＝λA[r₁ r₂ t]求解外参数R，T的初始值；第三步：初始化粒子群将所有内参数f_c(1)、f_c(2)、u₀、v₀、γ以及畸变参数k₁、k₂、p₁、p₂、k₃作为粒子群的一个微粒的i个分量，并以第二步的初始值随机生成均匀分布在初始值周围的d个粒子，组成i×d维的粒子群矩阵；第四步：将初始粒子群X_di作为当代最优局部矩阵pbest，按公式(1)计算其各微粒的适应值函数，选取适应值最小的一个微粒，作为最优粒子gbest；fan=1m+nΣi=1nΣj=1m(mij-m~(fc,u0,γ,k1,k2,p1,p2,k3,R,T,Mij))2---(1)]]>其中m~(fc,u0,v0,γ,k1,k2,p1,p2,k3,R,T,Mij)]]>是第i幅图像上第j个图像点对应标定模板上三维点M_ij经过投影后得到的平面图像坐标值，m_ij为第i幅图像上第j个标定点的实际图像坐标；则目标函数即表示实际图像点与重投影所得到到图像点之差；第五步：按照下式更新粒子群，获得新的粒子群mbest(t+1)=1MΣi=1MPi(t)=(1MΣi=1MPi1(t),1MΣi=1MPi2(t),...,1MΣi=1MPiD(t))---(2)]]>PP_ij(t+1)＝f_ij(t+1)×P_ij(t)+(1-f_ij(t+1))×P_gj(t)(3)Xij(t+1)=PPij(t+1)+Rand(t+1)×a(t+1)×|mbestj(t+1)-Xij(t)|×ln(1uij(t+1))---(4)]]>其中f_ij(t+1)＝radf()，u_ij(t+1)＝radf()，P(t)为局部最优值，mbest是粒子群pbest的中间位置，a(t)＝(1-0.5)×(MAXITER-t)/MAXITER+0.5为收缩扩张系数，MAXITER为最大迭代次数；Rand()与radf()均表示取随机数函数；第六步：按公式(1)计算的适应值，与上一代的pbest比较、替代，获得新一代的pbest，进而得到新的gbest，同时按第二步的方法计算更新外部参数R、T的值；判断待标定参数是否符合精度要求，如不满足，返回第四步，如满足，则输出内参最优值gbest和当前的外参最优值R、T。