基于粒子群算法的双目立体视觉系统标定

摄像机标定是立体视觉系统研究的重要组成部分,针对双目立体视觉系统中摄像机标定这一多参数、复杂函数的优化问题,建立带有一阶径向畸变的摄像机模型,利用粒子群算法对模型中的参数进行优化处理,并同改进遗传算法的优化结果进行比较分析。实验结果表明该方法具有较高的精度,可满足工业机器视觉的要求。     

基于粒子群遗传算法的BP神经网络摄像机标定

摄像机标定是从二维图像提取三维空间信息的关键步骤,标定的精度直接关系到三维重构结果的逼真程度。为了有效解决传统摄像机标定算法中的多参数、计算费时费力等问题,提高摄像机标定的精度和速度,将粒子群遗传算法（particle swarm optimization genetic algorithm,PSO-GA）应用于摄像机标定中。对参数进行粒子群算法优化后,再使用遗传算法中的选择、交叉和变异等操作进行参数优化,以实现粒子群算法与遗传算法的融合。结合后的算法全局搜索能力较强,收敛速度更快,优化能力与鲁棒性得以提高。同时,基于神经网络的摄像机标定方法所能覆盖的标定空间十分有限,提出了一种采用粒子群遗传算法优化BP神经网络的摄像机标定方法,以解决传统摄像机标定方法难以解决的问题。实验数据表明,基于粒子群遗传算法的BP神经网络标定是一种可行的方法,标定精度高,收敛速度快,泛化能力强。     

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。     

基于改进变尺度混沌优化的自标定位置视觉伺服

提出了一种基于改进变尺度混沌优化算法 (Enhanced mutative scale chaos optimization algorithm, EMSCOA) 的机器人动态自标定位置视觉伺服算法, 算法在 Mendonca-Cipolla 和 G. Chesi 利用本质矩阵进行自标定的基础上进行了扩展. 首先依据3个奇异值的特性在线生成目标函数, 在进行动态自标定的同时, 完成视觉伺服. 算法抛弃了 G. Chesi 方法中对初值选取极为敏感的梯度下降法, 采用改进的变尺度混沌优化算法动态优化摄像机内参数. 把混沌变量映射到待寻优的5个内参数区间, 通过设置内外两层循环, 内循环进行混沌搜索, 外循环负责缩小内参数搜索区间, 避免了混沌优化在内参数区间的盲目重复搜索, 提高了搜索效率. 算法同时克服了 G. Chesi 方法迭代过程中要求选取初值时靠近摄像机内参数真值的限制, 并可以通过设置参数范围来精确逼近5个内参数. 另外, 算法不需要物体精确的三维模型, 只需要8个空间固定点坐标信息. 仿真结果表明, 该方法应用于基于位置的视觉伺服时运算速度快, 同时对内参数变化鲁棒性强, 实验结果证明了算法的有效性.     

双目视觉测量系统摄像机外部参数标定研究

针对双目立体视觉测量系统中摄像机标定问题,讨论了基于标准长度的外部参数标定方法,选定了摄像机透视投影模型,采用双摄像机同时对放置于视场内的十字靶标拍摄多幅图像,得出了基于LabVIEW开发的摄像机标定方法.该方法利用了LabVIEW的开发环境,使用了数学工具包,将遗传算法与LM算法相结合,优化迭代获得摄像机外部参数,运算速度和精度大大提高.开发的模块可用于基于LabVIEW开发的工程软件进行高精度尺寸现场测量.在双目立体视觉测量系统标定结果基础上对标准靶进行测量,测量结果标准差达到0.1.     

单目摄像机标定方法的研究

摄像机标定是计算机视觉领域的一个研究热点,为了解决单目摄像机标定中的精度不高、模型复杂、鲁棒性差等问题,依据神经网络、遗传算法及摄像机标定的特点,提出了基于遗传算法和BP神经网络相结合的单目摄像机标定方法。该方法充分利用遗传算法的全局优化和神经网络的局部收敛的特点,一方面避免了建立复杂的摄像机成像模型,另一方面增强了摄像机标定的精度和鲁棒性。实验表明该方法有效。     

一种改进的量子遗传算法及其应用

针对基于Bloch球面坐标编码的量子遗传算法应用中的优化效率低和局部寻优较差能力问题,提出2点改进措施：在比较种群的基础上将局部搜索与全局搜索相结合;依据三链特性将搜索空间扩展为3Bloch球面空间。将改进算法应用于多变量函数极值优化问题,仿真结果表明,该改进算法寻优代数小、收敛速度快、效率高,并且具有较好的种群多样性,验证了改进措施的有效性。     

改进基本矩阵计算和优化的多摄像机并行标定算法

多摄像机系统具有摄像机数目多、空间位置分布复杂特点,导致多摄像机标定效率低。基本矩阵计算和非线性优化是摄像机标定算法的关键步骤。针对标定物空间位置相互独立性,改进随机抽样一致性(RANSAC)的基本矩阵计算和简化非线性优化的增量方程,提出多摄像机系统的并行标定算法。该算法挖掘多摄像机标定过程的内在并行化,从而提高了标定的时间效率。相比于传统的多摄像机标定算法,并行算法的时间复杂度从O(n3)降为O(n)。实验结果表明：使用多摄像机系统并行标定算法在不损失精度的同时能够减少标定时间,实现多摄像机系统的快速标定。     

基于SAPSO算法的单目视觉标定与测量

针对双目立体视觉测量存在视场小、特征点匹配困难的缺陷,分析摄像机非线性模型的畸变影响,利用模拟退火粒子群优化(SAPSO)算法在解空间的搜索能力,建立摄像机标定适应度函数实现精确标定,借助激光测距实现单目立体测量。实验结果表明,该方法具有较好的标定结果和较高的测量精度。     

基于两种新型遗传算子的优化组合遗传算法①

针对遗传算法中全局搜索与局部搜索之间的矛盾,应用二进制编码对搜索空间描述精细、容易位值计算的特点,从矩阵遗传算子和布尔遗传算子的角度,分别对全局搜索和局部搜索的性能进行改进,并将二者组合应用,构造基于这两种新型遗传算子的优化组合遗传算法,避免了传统遗传算法中杂交率和变异率参数的选取,保证了算法的全局收敛性。实验结果表明,该算法具有更好的整体搜索性能。对应用二进制编码遗传算法求解复杂非线性优化问题具有重要借鉴意义。     

STEREO CAMERA CALIBRATION USING PARTICLE SWARM OPTIMIZATION

Camera calibration is an essential issue in many computer vision tasks in which quantitative information of a scene is to be derived from its images. It is concerned with the determination of a set of parameters from the given images. In literature, it has been modeled as a nonlinear global optimization problem and has been solved using various optimization techniques. In this article, a recently developed variant of a very popular global optimization technique—the particle swarm optimization (PSO) algorithm—has been used for solving this problem for a stereo camera system modeled by pin-hole camera model. Extensive experiments have been performed on synthetic data to test the applicability of the technique to this problem. The simulation results, which have been compared with those obtained by a real coded genetic algorithm (RCGA) in literature, show that the proposed PSO performs a bit better than RCGA in terms of computational effort.     

精确标定关节臂视觉检测系统手眼关系

在关节臂视觉检测系统中,视觉传感器与关节臂末端的手眼关系标定的准确性直接影响到系统的测量精度。推导了关节臂手眼问题的数学关系模型,提出了一种基于遗传优化算法的双阶段手眼标定的新方法,即先采用常规方法求取手眼变换矩阵主要参数的初始值,在初始值的基础上利用遗传算法优化手眼标定模型的所有参数,建立遗传优化算法的手眼关系数学模型。通过实验论证了该方法的优良性和可行性,对一般手眼问题具有一定的可移植性,系统测量精度优于40 μm。     

基于PnP问题求解的摄像机标定

三维人脸识别中,双目成象系统是初始工作中极为关键的一步.本文引入了PnP问题讨论双目成象系统中摄像机的标定算法.本文提出解出P4P问题的唯一解,即确定摄像机的标定,该方法简单快捷.最后本文给出具体标定过程.     

基于改进北极熊算法的制造云服务组合优化

为了提高云制造环境下制造服务组合优化的效率,提出了一种基于改进北极熊算法的制造云服务组合优化方法。该方法对制造服务进行实数编码,并以服务功能和服务质量为评价指标,使用改进的北极熊算法对制造云服务组合优化问题进行求解,得到最优的服务组合方案。同时通过引入动态视野,对算法的局部搜索进行调整,并与遗传算法中的变异策略相结合,以提高求解多目标问题的效率,同时降低因初始参数影响而导致算法陷入局部最优的可能。算例分析表明,改进的北极熊算法在求解制造云服务组合优化问题上比原始北极熊算法、标准遗传算法、改进的灰狼优化算法和改进的粒子群优化算法具有更高的效率。     

利用改进遗传算法的参数估计

基于极大似然法的参数估计实质上是一个复杂的非线性优化问题,传统的优化方法计算效率较低且容易陷入局部极值。而遗传算法是一种有导向的随机搜索方法,能以较大的概率收敛到全局最优解。本文将单纯形法引入到并行遗传算法中,提出了一种改进的遗传算法,可以有效地提高算法的收敛速度、防止搜索过程中的早熟现象。应用于系统初始状态未知时的参数估计问题,获得了满意的结果。     

时滞系统控制参数优化的遗传模拟退火算法

该文基于遗传模拟退火算法,提出一种时滞系统的控制参数优化方法,同时对Matlab遗传算法工具箱GAOT进行改进,使之适用于PID参数的优化。该文所采用的算法保留了遗传算法和模拟退火算法分别在全局和局部搜索能力强的优点,能克服常规遗传算法中解的早熟现象、局部寻优能力差,难以保证对参数优化的计算效率和可靠性要求等缺陷。研究表明,改进后的遗传模拟退火算法是一种行之有效的方法,具有实用价值。