相機(jī)標(biāo)定是機(jī)器人視覺系統(tǒng)中實現(xiàn)精確定位的重要前提,針對傳統(tǒng)相機(jī)標(biāo)定精度不高的問題,提出基于改進(jìn)粒子群算法的相機(jī)標(biāo)定優(yōu)化方法。該方法以張正友標(biāo)定方法獲得相機(jī)內(nèi)參初始值,在不同迭代階段實現(xiàn)對慣性參數(shù)非線性自適應(yīng)調(diào)整,以平衡局部和全局搜索能力;對社會和自身學(xué)習(xí)率采用不同迭代階段正余弦變化的動態(tài)自調(diào)整策略,進(jìn)一步提高全局搜索能力與后期搜索精度;在粒子群快要陷入局部最優(yōu)時,采用驅(qū)散機(jī)制擴(kuò)大粒子群所在空間范圍,避免算法過早收斂。實驗結(jié)果表明,所提相機(jī)標(biāo)定方法與傳統(tǒng)標(biāo)定方法相比具有較高的精度和較好的可重復(fù)性。 

【文章來源】：激光與光電子學(xué)進(jìn)展. 2020,57(04)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

圖2 張正友方法的重投影誤差

基本粒子群算法重投影誤差

圖3 基本粒子群算法重投影誤差為了驗證改進(jìn)粒子群算法的可重復(fù)性，重新進(jìn)行了多次采樣實驗。利用上述三種方法進(jìn)行標(biāo)定，記錄重投影誤差并計算平均值與標(biāo)準(zhǔn)差，各組數(shù)據(jù)結(jié)果如表2所示，重投影誤差對比如圖5所示，其中改進(jìn)粒子群優(yōu)化算法得到的平均重投影誤差比張正友方法減小了0.15pixel左右，比基本粒子群算法減小了0.1pixel左右，基本維持在0.1pixel左右，優(yōu)于前兩種方法。

【參考文獻(xiàn)】：
期刊論文
[1]關(guān)于新能源并網(wǎng)供電無功性能優(yōu)化設(shè)計研究[J]. 趙豐明,樊艷芳,錢福如,陳偉偉.  計算機(jī)仿真. 2018(11)
[2]基于量子粒子群優(yōu)化算法的攝像機(jī)標(biāo)定優(yōu)化方法[J]. 王道累,胡松.  激光與光電子學(xué)進(jìn)展. 2018(12)
[3]動態(tài)改變慣性權(quán)重的新模式粒子群算法[J]. 杜江,袁中華,王景芹.  安徽大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[4]基于全參數(shù)自適應(yīng)變異粒子群算法的單目相機(jī)標(biāo)定[J]. 秦瑞康,楊月全,李福東,季濤.  東南大學(xué)學(xué)報(自然科學(xué)版). 2017(S1)
[5]超大尺度線結(jié)構(gòu)光傳感器內(nèi)外參數(shù)同時標(biāo)定[J]. 解則曉,張安祺.  光學(xué)學(xué)報. 2018(03)
[6]基于改進(jìn)粒子群算法的制造車間WSN部署優(yōu)化[J]. 李少波,張成龍,鄭凱.  儀表技術(shù)與傳感器. 2017(10)
[7]基于粒子群算法的攝像機(jī)內(nèi)參數(shù)優(yōu)化方法[J]. 郭彤穎,李寧寧,劉雍.  激光與光電子學(xué)進(jìn)展. 2017(11)
[8]基于改進(jìn)遺傳模擬退火的相機(jī)標(biāo)定方法[J]. 游江,唐力偉,鄧士杰.  計算機(jī)工程與設(shè)計. 2017(03)
[9]基于自適應(yīng)驅(qū)散機(jī)制的粒子群優(yōu)化算法[J]. 游佳麗,周志勇,章程,戴亞康.  計算機(jī)工程與應(yīng)用. 2017(07)
[10]基于粒子群算法的攝像機(jī)自標(biāo)定[J]. 黃偉光,董安國.  計算機(jī)應(yīng)用與軟件. 2015(05)

碩士論文
[1]基于機(jī)器視覺的葉片夾取機(jī)器人研究[D]. 李雙.東北林業(yè)大學(xué) 2018
[2]基于機(jī)器視覺的圓形工件位姿估計[D]. 桑孟雷.浙江大學(xué) 2018
[3]基于機(jī)器人視覺的多類型工件識別與定位問題研究[D]. 馬庭田.南京航空航天大學(xué) 2018



本文編號：3111453