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。     

基于特征匹配的激光雷达和相机外参标定方法

智能驾驶系统的车载传感信息通常由激光雷达信息和相机信息融合而成,精确稳定的外参数标定是有效多源信息融合的基础。为提高感知系统鲁棒性,文章提出一种基于特征匹配的激光雷达和相机标定方法。首先,提出点云数据球心算法和图像数据椭圆算法提取特征点的点云三维坐标和像素二维坐标;接着,建立特征点在激光雷达坐标系和相机坐标系下的点对约束,构建非线性优化问题;最后,采用非线性优化算法优化激光雷达和相机的外参数。利用优化后的外参数将激光雷达点云投影至图像,结果显示,激光雷达和相机联合标定精度横向平均误差和纵向平均误差分别为3.06像素和1.19像素。文章提出的方法与livox＿camera＿lidar＿calibration方法相比,平均投影误差减少了40.8%,误差方差减少了56.4%,其精度和鲁棒性明显优于后者。     

单目相机-3维激光雷达的外参标定及融合里程计研究

针对单目相机与3维激光雷达的融合里程计问题,提出了双阶段外参标定方法和基于混合残差的融合里程计方法.双阶段相机-激光雷达外参标定结合了基于运动和基于互信息2种标定方法.第1阶段为基于运动的外参标定法,在无初值的情况下得到外参的粗估计.第2阶段为基于互信息的外参标定法,以第1阶段的结果作为初值,利用互信息原理校准激光雷达反射率和相机灰度值,来优化标定结果.为进一步提高标定精度,第2阶段采用了一种针对稀疏激光雷达点云的遮挡点检测方法.所提出的双阶段外参标定方法在无需预设初值的前提下保证了标定结果的精度.在此基础上,提出了一种基于混合残差的相机与激光雷达融合里程计方法.该方法同时利用图像的直接和非直接图像特征计算重投影残差和光度残差.然后将不同类型的残差统一到非线性优化框架下,实现里程计估计.针对激光雷达数据稀疏性带来的深度信息缺失的问题,提出了一种基于颜色信息的深度插值方法,有效补充了特征点数量.最后,基于实物和公共数据集实验,对所提出的外参标定和融合里程计算法的鲁棒性和精度进行了评估.实验结果表明,所提出的外参标定方法可以在没有初值的情况下,给出精确的外参估计;所提出的融合里程计方法在公共数据集上和实物实验中均表现出了良好的估计精度和鲁棒性.     

基于边缘关联点云的激光雷达与相机外参标定方法

激光雷达的点云和相机的图像经常被融合应用在多个领域。准确的外参标定是融合两者信息的前提。点云特征提取是外参标定的关键步骤。但是点云的低分辨率和低质量会影响标定结果的精度。针对这些问题,提出一种基于边缘关联点云的激光雷达与相机外参标定方法。首先,利用双回波提取标定板边缘关联点云;然后,通过优化方法从边缘关联点云中提取出与实际标定板尺寸大小兼容的标定板角点;最后,将点云中角点和图像中角点匹配。用多点透视方法求解激光雷达与相机之间的外参。实验结果表明,该方法的重投影误差为1.602px,低于同类对比方法,验证了该方法的有效性与准确性。     

基于垂直约束的激光扫描机构外参标定算法

为了解决人造特征点标定法中特征匹配不精确等缺陷,本文针对二轴传动的高精度平面激光扫描机构提出了利用线特征的垂直约束进行外参标定的新算法.不仅如此,在该算法中为了简化建立标定方程的流程,避免计算与标定目标无关的冗余中间量,提出了一种快速确定标定方程参数的方法.首先将扫描结果按待标定参数标准值转换至同一坐标系形成点云,再提...     

基于优化RBF-DDA神经网络的摄像机标定

设计了一种改进的基于动态衰减的RBF神经网络，它能够自适应地确定RBF隐层节点数、高斯函数中心值及径向基函数的宽度，克服了原算法中过多依赖先验知识设计参数的弊病，仿真实验验证了该算法的有效性。并且将此网络应用于摄像机定标中，该网络无需确定摄像机具体的内、外部参数，而且补偿了摄像机非线性畸变，使测量结果更加准确。实验结果表明，应用该神经网络进行摄像机标定能达到较高的精度，且在机器人平面跟踪实验中得到了令人满意的结果。     

基于多约束误差函数的2维激光雷达和摄像机标定方法

基于棋盘格标定板的标定方法是当今主流的2维激光雷达和摄像机标定方法(以2004年Zhang提出的方法最为经典),但是该方法在优化标定参数时使用的误差函数是弱约束关系,影响了标定结果的精确度和稳定性.由于激光点不但应该位于标定板平面上而且应该位于标定板的矩形区域内部,因此基于以上两个空间约束关系本文提出一种多约束误差函数模型.与原有的Zhang方法比较,所提方法可在更严格的可行域空间中搜索最优值,实验结果定性和定量地显示本文方法提高了标定结果的精确度和鲁棒性.     

基于PO的分步高精度相机参数标定优化算法

相机标定是为了解决计算机视觉中2D图像特征和相应的3D特征之间的映射关系。针对精确标定的困难,提出了一种基于政治优化器(Political Optimizer, PO)的分步标定算法来分步求解相机几何参数和镜头畸变系数,采用参数标定与畸变修正相结合的方法,首先在理想状态下对相机参数进行寻优,其次在考虑畸变的情况下修正畸变系数,通过迭代的方式更新个体的位置来找到最佳的解,有效地校准了相机。实验结果表明,PO算法的平均误差为0.044 706像素,具有良好的避免局部最优的优化能力,能够准确完成相机标定任务。     

基于梯形棋盘格的摄像机和激光雷达标定方法

针对无人车（UGV）自主跟随目标车辆检测过程中需要对激光雷达（LiDAR）数据和摄像机图像进行信息融合的问题,提出了一种基于梯形棋盘格标定板对激光雷达和摄像机进行联合标定的方法。首先,利用激光雷达在梯形标定板上的扫描信息,获取激光雷达安装的俯仰角和安装高度;然后,通过梯形标定板上的黑白棋盘格标定出摄像机相对于车体的外参数;其次,结合激光雷达数据点与图像像素坐标之间的对应关系,对两个传感器进行联合标定;最后,综合激光雷达和摄像机的标定结果,对激光雷达数据和摄像机图像进行了像素级的数据融合。该方法只要让梯形标定板放置在车体前方,采集一次图像和激光雷达数据就可以满足整个标定过程,实现两种类型传感器的标定。实验结果表明,该标定方法的平均位置偏差为3.5691 pixel,折算精度为13 μm,标定精度高。同时从激光雷达数据和视觉图像融合的效果来看,所提方法有效地完成激光雷达与摄像机的空间对准,融合效果好,对运动中的物体体现出了强鲁棒性。     

基于改进风驱动算法的摄像机标定优化方法

为进一步提高摄像机参数标定的准确率,提出一种基于改进风驱动算法的摄像机标定优化方法.将摄像机内参作为空气微团的位置矢量,将标定结果的重投影误差作为空气微团的适应度值,通过迭代寻找适应度值最小的解.针对基本风驱动算法中固有参数的设置问题,通过引入协方差矩阵自适应进化策略自动确定.将该方法与张正友标定法、基于粒子群算法的标定法和基于基本风驱动算法的标定法作比较,实验结果表明,改进算法优化标定的摄像机内参精度更高,具有更快的收敛速度和更好的稳定性.     

基于非线性共轭梯度法的混沌微粒群优化算法

为了寻找多峰函数的全部极值点,提出一种基于非线性共轭梯度法的混沌微粒群算法.该算法引入混沌序列设置微粒群位置以提高种群的多样性;然后使用改进的微粒群认知模型对可行域内的所有极值点进行全局搜索;最后利用非线性共轭梯度法对混沌微粒群算法搜索到的较优解进行局部搜索以提高解的精度.仿真实验表明,该算法能准确、快速地找到连续可微多峰函数的全部极值点.     

基于协同优化算法的流速仪检定系统设计

提出了一种小型轻便的流速仪检定系统的设计方案,并运用改进的多学科协同优化方法求解各学科设计变量的最优解;首先介绍了算法思想及改进措施,并根据系统设计要求建立了各学科的设计变量、目标函数和约束条件;其次,运用遗传算法求解各学科设计变量的最优解,并根据优化结果完善了系统的设计方案,同时运用计算机仿真等方法验证了优化结果的可行性;结果表明,优化后的检定系统满足流体力学效应、匀速运动时间、系统重量等设计要求,同时证明了协同优化算法解决多学科设计优化问题的有效性。     

Online robot calibration based on vision measurement

Robot calibration is a useful diagnostic method to improve positioning accuracy in robot production and maintenance. Unlike traditional calibration methods that require expensive equipment and complex steps, a vision-based online robot calibration method that only requires several reference images is presented in this paper. The method requires a camera that is rigidly attached to the robot end effector (EE), and a calibration board must be settled around the robot where the camera can see it. An efficient automatic approach to detect the corners from the images of the calibration board is proposed. The poses of the robot can be estimated from the detected corners. The kinematic parameters can be conducted automatically based on the known poses of the robot. Unlike in the existing self-calibration methods, the great advantage of this online self-calibration method is that the entire process of robot calibration is automatic and without any manual intervention, enabling the robot calibration to be completed online when the robot is working. Therefore, the proposed approach is particularly suitable for unknown environments, such as deep sea or outer space. In these high-temperature and/or high-pressure environments, the shapes of the robot links are easy to change. Thus, the robot kinematic parameters are changed by allowing the robot to grab objects with different qualities to verify the performance of the online robot calibration. Experimental studies on a GOOGOL GRB3016 robot show that the proposed method has high accuracy, convenience, and high efficiency.     

Fault diagnosis of nonlinear systems based on hybrid PSOSA optimization algorithm

Fault diagnosis of nonlinear systems is of great importance in theory and practice, and the parameter estimation method is an effective strategy. Based on the framework of moving horizon estimation, fault parameters are identified by a proposed intelligent optimization algorithm called PSOSA, which could avoid premature convergence of standard particle swarm optimization (PSO) by introducing the probabilistic jumping property of simulated annealing (SA). Simulations on a three-tank system show the effectiveness of this optimization based fault diagnosis strategy.     

Immune optimization algorithm for constrained nonlinear multiobjective optimization problems

A new dynamical immune optimization algorithm for constrained nonlinear multiobjective optimization problems over continuous domains is proposed based on both the concept of Pareto optimality and simple interactive metaphors between antibody population and multiple antigens as well as ideas of T cell regulation. The focus of design is concentrated on constructing one constraint-handling technique associated with uniform design reported and designing one antibody evolution mechanism through utilizing simplified metaphors of humoral immune response of the immune system. The former is to provide an alternative feasible solution set for dealing with constraints and infeasible solutions created during the execution of the algorithm, while helping for rapidly finding Pareto-optimal solutions; the latter generates multiple excellent feasible solutions so that the desired solutions will be gradually obtained. Theoretically, its weak convergence is proven by using Markov theory, while the experimental results demonstrate its strong convergence. Through application to difficult test problems, comparative results illustrate it is potential for the algorithm to cope with high dimensional complex optimization problems with multiple constraints.     

Optimal design of nonlinear model predictive controller based on new modified multitracker optimization algorithm

The controller design for the robotic manipulator faces different challenges such as the system's nonlinearities and the uncertainties of the parameters. Furthermore, the tracking of different linear and nonlinear trajectories represents a vital role by the manipulator. This paper suggests an optimal design for the nonlinear model predictive control (NLMPC) based on a new improved intelligent technique and it is named modified multitracker optimization algorithm (MMTOA). The proposed modification of the MTOA is carried out based on opposition-based learning (OBL) and quasi OBL approaches. This modification improves the exploration behavior of the MTOA to prevent it from becoming trapped in a local optimum. The proposed method is applied on the robotic manipulator to track different linear and nonlinear trajectories. The NLMPC parameters are tuned by the MMTOA rather than the trial and error method of the designer. The proposed NLMPC based on MMTOA is compared with the original MTOA, genetic algorithm, and cuckoo search algorithm in literature. The superiority and effectiveness of the proposed controller are confirmed to track different linear and nonlinear trajectories. Furthermore, the robustness of the proposed method is emphasized against the uncertainties of the parameters.     

一种新型非线性收敛因子的灰狼优化算法*

针对标准灰狼优化算法在求解复杂工程优化问题时存在求解精度不高和易陷入局部最优的缺点,提出一种新型灰狼优化算法用于求解无约束连续函数优化问题。该算法首先利用反向学习策略产生初始种群个体,为算法全局搜索奠定基础;受粒子群优化算法的启发,提出一种非线性递减收敛因子更新公式,其动态调整以平衡算法的全局搜索能力和局部搜索能力;为避免算法陷入局部最优,对当前最优灰狼个体进行变异操作。对10个测试函数进行仿真实验,结果表明,与标准灰狼优化算法相比,改进灰狼优化算法具有更好的求解精度和更快的收敛速度。     

基于似然方程校正的时差定位算法

针对传统时差定位闭式解法在量测噪声较大情况下定位性能不佳的缺点,提出了一种新的时差定位算法。该算法首先在无约束条件下利用加权最小二乘得到目标的初始位置估计值,然后利用最大似然方程对初始位置估计值进行校正,校正后的位置估计值将更加接近最大似然估计。通过对算法的仿真分析,结果表明在量测噪声较大的情况下,算法的定位均方误差要小于经典的Chan算法。     

基于四元数的机器人手眼标定算法

为简化手眼标定算法的同时保证标定结果的准确性,提出一种基于四元数的机器人手眼标定算法。首先基于四元数改写手眼标定方程的形式,用奇异值分解方法(SVD)求解手眼关系的旋转部分,再将旋转部分代入手眼标定方程求解手眼关系的平移部分。通过数值仿真和机器人标定实验,将新算法和基于矩阵直积的手眼标定算法进行比较。结果表明:所提算法的稳定性和准确性均优于矩阵直积标定算法。