基于棋盘标定板的优化相机参数标定方法

相机标定是计算机视觉与重建定位的重要基础,是构建二维图像与三维空间联系的重要桥梁。该文根据传统线性相机成像的规律,在理想的针孔相机成像模型的基础上,同时针对张正友标定法中相机参数求解过程较为复杂与繁琐的问题,采用一种简易的标定方法来求解单目相机的相机参数。该方法在平面张正友标定方法的基础上,通过预先估计部分相机参数的初值进而求解理想针孔相机成像模型后,再进一步优化预估参数的方式,根据棋盘标定板的特征点的空间坐标与图像坐标的对应方程,利用奇异值分解和Levenberg-Marquardt优化的方法进行参数求解,从而避免求解繁杂的约束矩阵后再分别对相机参数进行求解的过程,达到直接求解相机参数的目的,优化求解过程,最终实现单目相机的相机标定。实验结果表明,使用该方法标定的单目相机在物距一米以下时的标定误差能够满足绝大部分视觉与定位的应用需求,且该方法具有较好的稳定性和可行性。     

基于改进Levenberg-Marquardt算法的加速度计标定模型研究

对MEMS加速度计的标定模型进行研究是提高MEMS加速度计精度的重要方法.本文提出一种基于改进Levenberg-Marquardt算法的加速度计标定模型.基于静态多位置翻转法进行标定,根据误差建立数学模型即非线性最小二乘的求最小值问题,由于原始Levenberg-Marquardt算法在迭代求解最优估计值下降慢以及计算量大等问题,通过充分利用算法每次迭代的计算结果设置步长因子,获取最优估计值迭代次数减少,并在理论上证明了改进算法的收敛性.又针对标定后存在数值偏离真实值的问题,提出利用传感器状态信息对标定模型进行改进,使用改进标定模型的数值实验效果良好.     

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。     

基于粒子群算法的摄像机自标定

基于图像信息,实现对物体的三维重构在交通、地质等领域具有重要的应用价值,对此首先要建立图像坐标和大地坐标的对应关系,而这种关系涉及到摄像机的内部及外部参数,这就需要对摄像机进行标定,确定其参数。利用几何关系给出坐标系间的关系模型,以标定板上关键点间的实际距离和理论距离的相对误差绝对值为目标,将参数确定问题转化为非线性优化问题,进而利用PSO算法对优化模型进行求解,实现对摄像机的自标定。通过实际图像的采集并进行数值计算,结果表明模型正确,与其他算法相比,计算精度得到显著提高。     

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。     

基于改进Harris角点算法的摄像机标定技术研究

针对传统的Harris角点提取算法对噪声敏感,执行效率低等不足,提出了一种改进的Harris角点提取方法;以Harris角点提取算法为基础,通过优化角点响应函数,消除系数K,提高角点提取算法的执行效率;采用改进的 Harris 算法对黑白棋盘表格进行内角点提取,利用张正友摄像机标定法计算USB摄像机的内外参数;实验结果证明了该方法可以有效的对黑白棋盘格内角点进行提取,准确高效,提高了摄像机的标定精度和准确性,是一种可行的摄像机标定方法。     

基于OpenCV的改进两步法摄像机标定

采用改进两步法实现了摄像机的标定,并给出基于OpenCV算法,充分发挥了OpenCV的函数库功能。对两步标定法的改进是在原两步法得到摄像机参数值的基础上,用非线性优化算法对所有参数进一步优化,得到最终参数值,既提高了摄像机标定精度和计算效率,又无需对摄像机像面中心预标定,简化了标定过程。     

基于自适应布谷鸟算法的摄像机标定方法研究

该文将自适应布谷鸟算法应用于摄像机标定中,解决传统摄像机标定算法参数多、计算量大等问题。通过对参数进行布谷鸟算法优化,解决群个体陷入局部最优的问题,增强算法全局寻优能力,从而提高布谷鸟算法的多样性。实验结果表明,该算法具有较好的全局搜索能力和避免局部最优的能力,可以准确地完成摄像机标定,在收敛精度、速度以及鲁棒性等性能上显著优于遗传算法、差分进化算法、基本布谷鸟搜索算法。     

基于平面方格点的摄像机标定改进算法

分析基于平面方格点的摄像机标定算法,指出基于表征靶标平面到图像平面映射的矩阵的求解存在标定点的相关性问题。通过引入基准系统,包括确定标记选取的理论标准、分析其环境识别率和相互间的错识别率,提出一套从标记点提取到其像平面坐标计算的改进过程和相关公式。实验结果表明,该算法对室内场景可控的小视场标定领域具有实际应用价值。     

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.     

基于分块的二维视觉测量系统标定

为了满足高速动态拉伸试验机的的应变测量系统对于高精度的要求,研究了一种基于计算机视觉测量系统的标定技术。应用二次多项式曲面拟合技术,采用了一种基于分块的摄像机模型参数标定方法,不仅能够对摄像机的镜头的畸变进行校正,并且能够获得较高的测量精度。通过对试件的拉伸试验表明:采用基于分块的摄像机模型参数标定方法能取得较高的图像测量精度。     

基于改进的混合蛙跳算法机器人路径规划的研究

对于采用混合蛙跳算法进行机器人路径规划容易产生局部最优、收敛速度慢等问题,把人工鱼群算法融合到混合蛙跳算法。人工鱼群算法的追尾行为有利于加快收敛速度,群聚行为提高了跳出局部最优解的能力。把机器人路径规划问题转化为最小化问题,使用改进的算法对其进行优化,最终得到全局最优路径。仿真结果表明,与改进前的算法相比,改进后算法具有较强的全局寻优能力和较快的收敛速度。     

改进蚁群算法FENA2O解决TSP问题研究扈

为了解决传统蚁群算法解决TSP问题时收敛速度慢、易陷入局部最优的问题,提出了一种名为FENA2O的改进蚁群算法。通过寻找并更新精英蚂蚁行走路径来提高收敛速度,通过规定蚂蚁数量来降低陷入局部最优的可能,配合2- Opt算法进一步优化所得路径。实验结果表明,算法改进后的收敛速度得到了较大提高,并能够有效解决局部最优。     

基于改进粒子群算法的时变系统辨识

针对时变系统辨识问题,在基本粒子群算法的基础上,提出了一种改进的粒子群算法对时变系统进行辨识的方法,实质是把辨识问题转换为参数空间上的函数优化问题,然后利用改进粒子群算法的并行搜索能力进行参数寻优。仿真实验表明,与其他算法相比,利用改进算法不仅提高了算法的辨识精度,改善了对时变参数的跟踪精度。     

基于差分算法的反渗透海水淡化优化调度

以系统运行费用为目标的反渗透海水淡化优化调度是一类带有约束的非线性优化问题。针对这一问题,提出一种改进的差分进化算法。该算法对基本差分进化算法中的变异因子和交叉因子进行改进;定义约束违反度函数,将约束优化问题转化为无约束的优化问题。以24小时为一个周期,通过改进的差分进化算法对系统模型进行优化调度。仿真结果表明,改进的算法可以对机组进行优化操作,有效的降低了系统的生产成本。     

基于模糊查询算法的医院体检管理信息系统的设计

由于越来越多的人开始将视线转移到个人健康体检管理上,使得医院在如何实现快速、有序地对体检管理信息进行处理方面面临着巨大的挑战。通过引入模糊查询算法到体检管理系统中,利用语义词法规则结合专家系统对查询条件信息进行分词处理,用模糊贴近度对已经进行分词的条件信息与数据库中存储的对应数据做贴近度的计算,并按照贴近度降序输出,由此使系统尽可能多地快速、准确地获取查询目标数据,减少数据库的冗余度,提高医院体检管理工作的效率,改变医院原有的体检管理运行方式,确保医院体检工作正常有序地运转。     

改进 mean shift 算法在目标跟踪中的研究

提出了一种融合纹理和颜色模型的改进 mean shift 算法,可以克服传统目标跟踪方法中目标特征单一的缺点。在传统 mean shift 算法的框架下,通过融合目标信息的颜色模型和 Contourlet 变换后的纹理模型,从多角度建立匹配特征,并在嵌入式平台上实现本文提出的算法。实验结果显示,跟踪效果得到明显的改善。     

基于双疫苗免疫遗传算法的混合FIow－shop问题优化

混合FIow－shop问题相较置换FIow－shop问题更复杂,在实际应用中更普遍。为提升免疫遗传算法求解该问题时的寻优质量,提出双疫苗技术。计算初期,首先利用NEH算法得到较优排序结果,并将其转化为复合编码形式作为前置疫苗,以改善进化初期最佳个体疫苗质量较差的缺陷,提高被接种个体的质量。随着进化,当种群中出现质量更佳的个体时,改由该个体作为疫苗进行接种。最后对算法进行了测试,结果表明具有双疫苗技术的算法寻优性能更佳,并能得到更好的作业调度方案。     

基于改进遗传算法智能组卷的研究

组卷问题是解决在一个多约束条件下的多目标参数优化的问题,在研究组卷数学模型的基础上,对遗传算法进行了改进,通过对染色体分段编码、确定适应度函数、分段初始化种群、交叉概率和变异概率的自适应调整及最优个体保存策略措施,实现了智能组卷。通过实验数据测试结果表明,改进遗传算法比简单遗传算法能更好地完成组卷,有更高地组卷效率,有较好地实用性。