基于改进麻雀搜索算法的摄像机标定优化方法

目前一些摄像机标定方法,比如DLT标定法、Tsai标定法和张正友标定法,都有着简单且易标定的优点,但也存在着标定精度低、鲁棒性差等缺点。为了有效地解决这些问题,在麻雀搜索算法的基础上考虑其与鸟群算法相结合,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对目标摄像机进行标定。首先,利用MATLAB对标定板进行预拍摄;其次,利用MATLAB软件中自带的标定工具箱对采集的图像进行预标定,得到初始的摄像机内外参数;然后,构建平均重投影误差的适应度函数,并用ISSA对构建的平均重投影误差的适应度函数进行优化,利用适应度函数的优化对内外部参数进行优化;最后,与基于麻雀搜索算法、天牛须搜索算法(BAS)的摄像机标定方法进行实验对比,发现基于ISSA、SSA和BAS的摄像机标定方法的平均重投影误差分别为0.002 9 pixel、0.004 9 pixel和0.003 7 pixel,说明ISSA算法相对于另外两个算法在标定精度上有着一定的提升,且稳定性与鲁棒性都有所提高。     

基于投影矩阵的摄像机参数标定

摄像机标定的关键是第一步计算出来的外部参数和与畸变无关的内部参数的初值。由于初值的计算不是纯粹的线性问题,计算起来比较复杂。本文对此进行了改进,采用一种在计算投影矩阵的基础上,利用旋转矩阵的正交性进行算法改进的方法计算初值。实验结果表明,本文算法运算量较小,标定的结果精确度较高。     

基于交叉垂直线的摄像机标定新算法

提出了一种基于交叉垂直直线的摄像机标定算法。利用两条垂直相交的直线作为标定物,令其绕交叉点作任意角度的转动，将摄像机固定拍摄6幅以上的图片,即可运用直线的特点以及交叉垂直的约束条件建立线性方程组，求解摄像机的内参数。实验证明该算法具有较高的精度和较好的鲁棒性。     

基于光偏振信息的摄像机标定方法研究

摄像机内参数标定直接影响位姿测量精度。在自然光条件下采集图像,由于光照不均匀,使靶标图像产生局部高亮现象,降低了标定点图像坐标提取精度。针对这一问题,提出一种基于光偏振信息的摄像机标定方法,分两步完成摄像机标定,第1步,使用自然光条件下采集的图像完成摄像机标定;第2步,在镜头前加装偏振片,根据第1步得到的标定结果,针对不同偏振角条件下采集得到的图像,计算靶标平面与摄像机像平面之间的2D单应矩阵进而根据相应的重投影误差确定当靶标摆放在不同位置时所对应的最佳偏振角,最终使用该偏振角条件下采集的图像,完成摄像机标定。实验结果表明,该方法可以有效提升摄像机标定精度,进而提升位姿测量精度：在-45°～+45°范围内,平均测量误差低于0.019°,与使用自然光条件下标定参数的位姿测量相比,测量精度提升了0.01°。在0～20 mm范围内,平均测量误差低于0.03 mm,与使用自然光条件下标定参数的位姿测量相比,测量精度提升了0.043 mm。     

基于改进粒子群优化算法的非线性摄像机标定

本文针对传统优化算法在摄像机标定中存在对初始值敏感、收敛性差、易陷入局部最优等缺点,研究了粒子群优化算法在非线性摄像机标定中的应用,给出了利用改进粒子群 优化算法进行摄像机参数标定的具体步骤。标定实验表明,基于该算法的摄像机标定方法可以克服传统算法的不足,是一种有效的标定方法。     

基于本质矩阵的摄像机自标定方法

本质矩阵描述了在摄像机内参数矩阵已知的条件下的对极几何关系,是归一化图像坐标下的基础矩阵。鉴于本质矩阵具有两相等的非零奇异值,提出了一种基于本质矩阵的自标定方法,该方法首先利用本质矩阵这个特性来构造目标函数,考虑到传统非线性优化算法的诸多不足,最后用粒子群优化算法来求解。实验结果表明,该方法精度较高、鲁棒性较强,是一种简单而有效的自标定方法。     

基于几何方法的摄像机内外参数求解

根据摄像机透视投影模型的几何意义,从几何角度推导了由投影矩阵求解摄像机内外参数的过程以及任意矩阵能够成为透视投影变换描述的约束条件。     

基于改进遗传算法的摄像机自标定方法

摄像机自标定技术不受标定板和相机运动轨迹的限制,其标定过程简单、适用性强。由于传统的遗传算法在摄像机自标定参数优化过程中易出现过早收敛、停滞现象和解易陷入局部最优的问题,提出一种改进的遗传算法。首先,通过结合精英保留策略和随机联赛选择算法作为初始化种群的方法、改进轮盘赌选择方法、采用自适应杂交概率和变异概率方法对遗传算法进行改进;然后,将Hartley定义的简化Kruppa方程转化为目标函数,采用改进的遗传算法搜索目标函数的最优值;最后,实验结果表明,该方法能较好地缓解过早收敛和停滞显现,提高了精度。     

采用同心圆图像的摄像机标定方法

为研究计算机视觉问题,介绍了一种新的采用同心圆图像进行摄像机内参数标定的算法,在标定中,采用了针孔摄像机模型.与已有的方法不同,算法以3D圆的投影方程为基础,包含了摄像机的内部参数矩阵.根据其在代数上的特殊形式,可以得到关于摄像机内部参数的一个线性方程组,通过创建足够的方程组,可以很容易求得所有的摄像机内部参数.方法是完全线性的算法,无需迭代优化,无需求取虚圆点,仅需要三幅两同心圆的图像即可实现全部摄像机内部参数的标定.最后通过仿真验证了内参数标定算法的准确性和鲁棒性.     

摄像机线性模型标定中一种投影矩阵的修正方法

线性模型摄像机标定中,由于不考虑非线性畸变,使投影矩阵存在着标定误差,并影响三维重建的精度。在分析投影矩阵标定过程的基础上,提出了一种修正方法,它是将三维重建误差折算到投影矩阵中,通过解超定线性方程组求出参数的偏差值并构造新的投影矩阵。用修正后的矩阵进行三维重建,提高了重建的精度。     

混合优化算法的摄像机自标定方法研究*

提出了一种将改进的遗传算法和Levenberg Marquardt(LM)算法相混合优化的摄像机自标定方法。首先将Hartley定义的简化Kruppa方程转换为优化代价函数,然后利用改进的遗传算法和LM算法相混合的优化算法求优化代价函数的最小值,进而求得摄像机的内参数。实验结果表明,与单一的优化方法相比,该方法的标定精度得到了较大的提高。     

传统相机标定方式的自动标定方法

摄像机标定技术是从二维平面图像中获得三维信息的关键步骤,摄像机的标定精度对保证系统测量精度有着至关重要的作用。提出了一种基于传统相机标定方式的自动标定方法。采用带有区域标记点的改进标定模板获取标定图像序列。利用边缘检测技术,确定特征点检测区域。根据摄像机透视投影模型,对摄相机进行线性标定,再进行非线性修正,得出摄像机各参数。实验结果表明,改进的标定方法具有更快的检测速度,稳定性好,鲁棒性高,使传统相机标定过程实现了自动化。     

双目摄像机定标的神经网络方法

研究基于反向传播神经网络的摄像机双目立体视觉定标新方法。传统方法基于三角测量原理技术,会带入成像畸变非线性误差,而这种新方法可以消除非线性因素的影响。该方法利用了BP网络良好的非线性映射能力以及学习、泛化能力,通过采用高精度样本数据训练BP网络,最终建立起立体视觉定标的网络模型。由于不需要考虑视觉模型误差、光学调整误差、广角畸变等因素对视觉检测系统测量精度的影响,因而能够有效地克服常规建模方法的不足,保证了检测系统具有较高的精度。     

基于平面模板的摄像机标定方法

给出了一种基于平面模板的摄像机标定的新算法.所用的标定模板由一个内嵌矩形的圆组成,通过模板图像在像平面上的投影计算圆环点,建立绝对二次曲线对摄像机内参数的约束方程,只需要摄像机在3个(或3个以上)不同方位摄取平面模板中的图像,即可线性求解摄像机的内参数.该方法原理简单,对摄像机运动没有约束,不涉及图像匹配,平面模板容易制作,无须知道物理度量,实验证明本方法可行,并有较好的鲁棒性.     

一种采用改进细菌觅食优化算法的图像增强方法

为了解决现有图像增强技术在细节处理方面的不足以及变换后图像直方图分布偏移的情况,提出一种采用改进细菌觅食优化算法的灰度图像增强方法。针对细菌觅食算法在优化高维函数时性能不佳、易陷入早熟收敛的缺陷,将变高维的灰度图像增强问题转化为固定2维的非完全Beta函数的参数最优化问题。仿真实验结果表明了所提出方法的有效性,与其他方法相比,增强后的图像细节表现更自然,直方图分布更均匀,明暗区域分配更合理。     

基于C形臂的手术导航相机标定方法

针对基于C形臂的手术导航系统中相机标定这一关键技术中存在的过渡环节过多、参数求解过程复杂等问题,提出一种完全忽略相机模型的解决方法。该方法完全忽略相机模型,在映射参数求解过程中简化了过渡环节,使得算法实现变得高效;同时,提出了带有双层金属球的校准靶,通过识别小球的投影数据来实现相机标定。在校准点验证实验中,可以验证经变换后的坐标的残余误差均不超过0.002像素;在导航验证实验中,借助初步搭建的导航平台成功实现了探针取点及穿孔。实验结果表明,该相机标定方法的精度能够满足手术导航系统的精度要求。     

基于Moore-Penrose广义逆修正的摄像机标定方法

摄像机标定的四步法,具有快速和高精度特点,适合实时性强的场合。但其非线性优化过程中,所使用的Levenberg- Marquardt算法在精度要求很高的条件下,表现出不稳定性;且其增量方程中的[JTJ]计算量较大,导致内存消耗大、耗费时间长。针对四步法中非线性优化算法存在的不足,提出一种利用Moore-Penrose 广义逆修正的高斯-牛顿算法,对摄像机标定参数进行非线性优化。该方法无需考虑雅可比矩阵的奇异性,在合理选择初始值的条件下,比Levenberg-Marquardt算法更稳定,速度更快。实验表明该方法收敛速度较快,精度和稳定性较高,将为实际应用中的摄像机标定参数优化提供一种更为有效的方法。     

基于改进群搜索优化算法的群体路径规划方法

针对群体动画中传统路径规划算法搜索时间长、寻优能力差等问题,提出一种利用群搜索算法进行多线程路径规划的方法。该方法首先将模拟退火算法引入到搜索模式中,克服算法易陷入局部最优的问题;其次,通过结合多线程和路径随机拼接技术,将算法应用到路径规划中。仿真实验表明该算法无论在高维还是低维情况下都具有较好的全局收敛性,能够很好地满足在复杂动画环境下路径规划的要求。     

基于改进细菌觅食算法的测试用例生成方法

针对测试用例自动化生成技术中效率较低的问题,尝试引入新的细菌觅食算法,并结合测试用例生成问题提出了一种基于细菌觅食算法的改进算法（IM-BFOA）。IM-BFOA首先采用Kent映射来增加细菌的初始种群和全局搜索的多样性,其次针对算法中趋化阶段的步长进行自适应设计,使其在细菌趋化过程中更加合理化,并通过实验仿真验证其合理性,最后根据被测程序构造适应度函数来加速测试数据的优化。实验结果表明,与遗传算法（GA）、粒子群优化（PSO）算法和标准细菌觅食优化算法（BFOA）相比,该算法在保证覆盖率的前提下,在迭代次数和运行时间方面都是较优的,可有效提高生成测试用例的效率。