基于RBF神经网络的双目摄像机标定研究

摄像机标定是精密测量的基础,传统的双目标定需要建立复杂的数学模型。人工神经网络可以有效地处理非线性映射问题,它可以很好地描述双目视觉中三维空间特征点坐标和二个摄像机对应点间的非线性关系。本文介绍一种RBF神经网络,并对RBF网络与BP网络的标定结果进行比较。实验结果表明：基于RBF神经网络的双目视觉标定方法能获得较高的标定精度。     

基于LS-SVM的立体视觉摄像机标定

利用最小二乘支持向量机来直接学习图像信息与三维信息之间的关系,不需确定摄像机具体的内部参数和外部参数.在双目视觉的情况下,两摄像机的位置关系不需具体求出,而是隐含在映射关系中.根据最小二乘支持向量机与摄像机标定的特点,提出了基于最小二乘支持向量机的双目立体摄像机标定方法.将摄像头采集到的图像的像素坐标作为输入,将世界坐标作为输出,用最小二乘支持向量机使网络实现给定的输入输出映射关系.该方法同BP神经网络预测结果对比表明:基于最小二乘支持向量机的双目视觉标定方法速度快,实时性好,能有效提高标定精度.     

基于模糊神经网络的双目视觉系统的研究与准确度

在机器视觉系统中,由于深度信息的丢失,镜头的畸变等因素的影响,使得摄像机的模型是非线性的.在采用模糊神经网络对双目视觉系统标定时,以特征点投影到左右图像的坐标为4路输入,以网络的3路输出和该对应点在世界坐标系坐标的均方值为性能指标;根据梯度下降法来调整和最终获得一组稳定的隐含神经元与输出神经元之间的连接权值,以及高斯型隶属函数的参数(均值与标准差);这样可以用模糊神经网络的权值与隶属函数来代替双目视觉系统两个摄像机的投影矩阵,以描述三维空间特征点坐标与对应点在左右摄像机图像之间的关系,实现系统的标定.     

服务机器人新型双目视觉系统及结构参数标定的研究

构建了一种新型的满足服务机器人视觉任务需要的双目视觉系统,该系统是由一个云台(Pan/Tilt/Zoom,PTZ)摄像机和一个手眼系统组成的变基线双目配置,具有更大的视觉空间和灵活性。对该双目配置下实现目标定位的关键参数——双目结构参数的实时自标定方法进行了研究,提出了将大部分繁琐的坐标变换关系转移到离线环节标定的离线/在线二步标定算法。仿真实验表明,此方法可有效降低在线处理时对图像匹配点的数目要求,同时该双目系统对图像噪声和机械运动误差具有一定鲁棒性。     

一种实用的双目显微镜视觉系统标定设计

本文针对显微镜光路复杂对三维物体的放大倍数过大使得采集的图像样本不理想的情况,将双目视觉系统的标定原理与显微系统产生的虚拟双目成像原理结合,提出了一种双目显微小孔成像模型。深入分析了显微摄像机系统的标定及畸变模型,然后,根据张正友的平面模板标定方法和Brown的方法,提出了一种双目标定算法,求解了摄像机内外参数和非线性畸变参数。最后结合Bouguet算法对图形进行校正,通过实验验证了本文所提方法的有效性。     

一种移动视觉测量系统的建模及标定方法

针对一种立柱式二维移动视觉测量系统,提出了其数学模型的建立和标定方法。分析了测量原理和系统组成,并通过对运动定位和摄像机成像的独立建模,构建了符合测量原理的整体数学模型。标定时,在完成对定位误差等13项几何误差标定的基础上,通过移动摄像机使圆孔靶标的像平均分布在摄像机的像面上,根据靶标的工作台位置、像点坐标、以及测量时对应的运动机构移动量,利用最小二乘非线性拟合方法实现对摄像机成像模型参数的标定。实验结果表明:经建模和标定后,测量平均误差为1.8μm。利用该方法进行移动视觉测量系统的建模和标定,可以有效地保证系统的测量精度。     

WMFVR身高肩宽识别

在计算机视觉与模式识别领域,人的视频身高肩宽范围检测与识别具有相当广泛的应用前景。本文提出一种新的方法从双目动态图像序列来获得人体身高肩宽范围。文中主要论述了该方法中对人体三维特征的重建部分,在无手工标注实现摄像机标定的基础上,应用人体特征三角形在双目摄像机投影下的几何意义,结合人体三维模型知识重建三维信息,决策身高肩宽范围。最后给出了实验结果及其在WMFVR(加权多特征视频识别)中的应用。     

基于双目立体视觉偏折术的标定

相位测量偏折术(PMD)是近几年在光学测量领域内普遍使用的一种非接触式的高精度测量方法,而系统几何标定是相位测量偏折术获得高精度测量的先决条件。由于LCD显示屏位于摄像机的视野之外,增加了标定的困难,本文提出的基于双目立体视觉的相位测量偏折测量系统,通过姿态转换几何标定方法进行系统标定,标定左右两个摄像机与LCD显示器之间的相对位置关系,并通过实验验证了该标定方法的可行性和准确性。     

双目立体视觉中特征点三维坐标重构校准研究

双目立体视觉是一种商业化较成熟的三维测量技术,左右摄像机内外参数的精确标定是实现三维重构的基础和关键。针对棋盘格和圆点两种标定板图案研究了相应的图像处理技术,实现了标定点的亚像素精度定位及其有效排序。采用基于单映性约束和非线性优化的多视角平面标定算法实现了摄像机光学及空间位置参数求解。用极线约束残差法衡量标定结果的准确度。基于桥式三坐标标准实现标定点三维重构平面度以及多平面空间夹角测量结果的校准,基于光学三坐标标准实现了标定点三维重构空间距离的校准,并分析了校准结果的不确定度。圆标志点三维重构空间距离示值误差为0.029 mm,不确定度U=24 μm（k=2）     

基于包装件智能分拣的视觉尺寸测量技术

目的快速实现包装纸箱尺寸的机器视觉测量。方法采用机器视觉技术方法,运用双目摄像机的成像原理,通过SUSAN角点提取算法结合棋盘标定法求取摄像机内外参数,修正图像畸变,采用SIFT匹配算子对左右2幅图像进行匹配,找到对应的匹配特征点,利用匹配点对的视差值恢复图像深度信息,进而求解出包装箱的长宽高值。结果对不同摆放姿态的包装箱均能实现快速测量,机器视觉检测值与实物值相比,其误差均在1 cm左右,满足检测要求。结论文中方法具有匹配精度高、鲁棒性强的特点,能快速实现对不同摆放姿态的包装箱尺寸测量。     

重载并联六维力传感器及静态标定

针对传感器重载小尺寸需求,提出一种具有混合分支的重载并联六维力传感器,分析了其结构特点和测量原理。搭建了重载并联六维力传感器标定系统,为改善维间耦合及制造误差等对测量精度产生的影响,从标定算法及模型优化方面对其进行了研究。分别利用最小二乘法和BP神经网络算法对加载实验数据进行了处理,分析结果表明BP神经网络算法要明显优于最小二乘法,并通过数据随机分组测试验证了结果的正确性。基于BP神经网络,提出了一种基于人工鱼群算法的BP神经网络算法,并采用优化后的BP神经网络标定算法对实验数据进行了计算分析,结果表明优化后的BP神经网络计算结果较好且稳定,不易陷入局部极值。     

Calibration and verification of DEM parameters for dynamic particle flow conditions using a backpropagation neural network

The Discrete Element Method (DEM) requires input parameters to be calibrated and validated in order to accurately model the physical process being simulated. This is typically achieved through experiments that examine the macroscopic behavior of particles, however, it is often difficult to efficiently and accurately obtain a representative parameter set. In this study, a method is presented to identify and select a set of DEM input parameters by applying a backpropagation (BP) neural network to establish the non-linear relationship between dynamic macroscopic particle properties and DEM parameters. Once developed and trained, the BP neural network provides an efficient and accurate method to select the DEM parameter set. The BP neural network can be developed and trained for one or more laboratory calibration experiments, and be applied to a wide range of bulk materials under dynamic flow conditions.     

径向基函数神经网络在多维力传感器标定中的应用

维间耦合是制约多维力传感器测量精度的主要因素,为了克服传统线性标定方法的局限性,利用径向基函数（RBF）神经网络强非线性逼近能力进行了多维腕力传感器的静态标定,并将其与最小二乘法和BP神经网络标定法作了比较。以研制的六维腕力传感器为对象进行了实验,结果表明,采用RBF神经网络对多维腕力传感器标定比用最小二乘线性标定有更高的标定精度,网络训练速度则大大快于BP神经网络。这种新方法具有一定的实用价值。     

一种双目立体视觉系统的校准方法

基于双目立体视觉系统的图像分析以及人工神经网络的三维空间建模算法,设计了一种针对双目立体视觉相机的校准方法,并可应用于运动目标点的轨迹追踪。将均匀分布目标点的校准平面放置在有效视野内的不同位置,通过双目立体视觉系统来捕获处于不同位置的校准平面图像。在图像处理之后,使用校准点中心的二维坐标作为人工神经网络训练的输入样本集,通过建立人工神经网络模型结构,实现目标点二维平面坐标到三维空间坐标的映射关系。采用这种具有通用性的方法,可以有效修正系统中存在的失真因子,获得目标三维位置信息,而无需进行复杂的相机校准操作。实验表明,提出的方案具有良好的可行性和鲁棒性。     

基于PSO和LSSVM回归的摄像机标定

针对摄像机非线性显式标定时很难精确地建立其复杂的数学模型,本文提出了基于粒子群优化算法(PSO)和最小二乘支持向量机(LSSVM)回归的摄像机非线性隐式标定方法.该方法采用最小二乘回归机精确逼近图像坐标与世界坐标之间复杂的非线性成像关系;利用PSO算法搜索LSSVM回归模型的最优参数,提高LSSVM回归的收敛速度和泛化能力.通过运用标准BP神经网络、遗传算法、LSSVM及粒子群优化的LSSVM回归方法对圆阵列图案标定模板进行标定,实验结果表明:基于PSO和LSSVM回归的标定方法具有标定精度高、收敛速度快、泛化能力强等优点.     

基于神经网络的L*a*b*-CMYK色彩空间转换算法的研究

针对L*a*b*值-CMYK值转换的非线性特性,提出了一种基于改进BP神经网络的非线性转换方法。运用神经网络特有的非线性映射能力和不需要精确数学模型的分析能力,实现了这一非线性转换。实验结果表明,建立的网络模型具有较好的精度,能够满足色彩空间的转换要求。     

双曲正切非线性函数和加均值量化算法对BP神经网络图像压缩处理的影响

为了有效改善整个网络神经元的信息处理的特性,采用了双曲正切S形非线性传输函数和加均值量化算法,建立了BP神经网络图像压缩处理系统。由实验分析发现采用双曲正切传输函数的神经网络对图像处理的质量有所改善,并证明了这种传输函数的有效性。在此基础上又采用了加均值量化算法来提高神经网络图像压缩处理的训练速度。经过实验证明这种方法不仅不影响神经网络图像处理的质量而且缩短了网络传输图像的时间,由此证明了所提出算法的可行性。     

Neural-network-based method of calibration and measurandreconstruction for a high-pressure measuring system

The problem of applying the neural networks for static calibration of measuring systems and for measurand reconstruction is addressed. A multilayered neural network based method for the static calibration of this system is proposed. The functioning of the calibrated measuring system is based on three fiber-optic transducers whose static characteristics are nonmonotonic and significantly influenced by temperature. The applicability of the proposed calibration method is demonstrated in the case under consideration using synthetic and real data. The neural network is designed and implemented in a general purpose microcontroller. In comparison with the spline-based method of calibration, for the same reference data, the proposed method allows obtention of a better quality of calibration and, most important, when calibrated, the multilayered neural network does not require the measurement of temperature for pressure reconstruction     

基于BP神经网络的企业标准化综合评价方法研究

神经网络作为解决当前大多数非线性科学和计算智能领域问题的主要工具,对解决一些定性问题定量处理发挥了重要的作用.标准化是介于社会科学和自然科学之间的一门复杂性科学,其具有非线性的典型特点,对一些指标进行量化就显得尤为困难,目前对一些单位和项目进行标准化评价,主要采用的方法是专家打分法,对相关的管理工作带来了一定的不便.本文借助于神经网络在处理非线性问题中的优势,通过标准化工作综合评价指标体系,建立了三层BP神经网络模型,并给出了相关的算法,从性能分析可以发现,该方法对于标准化工作的综合评价具有一定的先进性,对后续提升标准化工作的科学性具有一定的参考意义.