基于混沌粒子群优化算法的双目标定方法

文档序号:9889065阅读:1440来源:国知局
基于混沌粒子群优化算法的双目标定方法
【技术领域】
[0001 ]本发明涉及机器视觉测量领域,特别涉及一种基于混沌粒子群优化算法的双目标 定方法。
【背景技术】
[0002] 双目视觉是被动测距方法中最重要的距离感知技术,由于它直接模拟人类视觉对 场景的处理方式,可通过两台摄像机从不同角度同时拍摄被测物体,经过双目标定和立体 匹配,利用三角测量原理获得物体的三维信息。其中双目标定作为双目视觉最重要的组成 部分,其本质是根据摄像机几何成像模型确定两摄像机的内部参数和两摄像机之间的相对 位姿关系。
[0003] 现有的摄像机标定方法主要有线性法、两步法、非线性优化法等,其中线性法未考 虑镜头畸变,精度不高;两步法是介于线性法和非线性法间一种较为灵活的方法,主要有 Tsai的两步法和Zhang的平面模板法,两者都是线性求解初始参数,然后考虑畸变进行非线 性优化,但仍不能满足工业机器视觉的要求,标定精度有所提高;非线性优化法由于考虑畸 变进行多次迭代优化,可得到较高的标定精度。传统的非线性参数优化方法有Levenberg-Marquardt法、梯度下降法、共辄梯度法、牛顿法等,但该类方法计算过程复杂,对初始迭代 值敏感,参数受非线性因素的约束,且收敛性差、容易陷入局部最优,不容易获得最优解。众 多学者提出利用智能优化算法进行非线性标定,其中粒子群算法由于实现容易、精度高、收 敛快等优点被广泛应用于摄像机标定中的参数优化,但是容易陷入局部极值,导致标定结 果不准确。

【发明内容】

[0004] 本发明为了确定双目视觉系统中左右两摄像机的内外参数,提供了一种基于混沌 粒子群优化算法的双目标定方法。通过拍摄多组不同位姿的圆点阵列平面标定板图像,根 据标定板圆点中心的图像坐标及其世界坐标的对应关系,基于张正友的平面模板标定法得 到两摄像机内外参数初始值,再利用混沌粒子群优化算法迭代极小化三维重投影误差函 数,得到两摄像机最终的内外参数。
[0005] 为达此目的,本发明通过如下技术方案实现:
[0000] (1)采用Canny算子提取标定板图像的圆点边缘轮廓,再利用Zernike矩进行亚像 素边缘提取,通过椭圆拟合求得圆点中心亚像素图像坐标;
[0007] (2)采用针孔成像模型描述圆点中心的亚像素图像坐标及其世界坐标之间的线性 模型,求取世界坐标系到图像坐标系的单应性矩阵;
[0008] (3)未考虑摄像机镜头畸变的情况下,利用张正友的平面模板标定法对左右两摄 像机分别进行标定,得到两摄像机内外参数初始值;
[0009] (4)考虑摄像机镜头二阶径向和二阶切向畸变,基于(3)的两摄像机内外参数初始 值,通过构造三维重投影误差函数作为优化目标函数,利用混沌粒子群算法进行内外参数 的迭代优化。优化过程中,引入全局自适应动态惯性权重(GAIW),同时在速度更新阶段根据 粒子局部邻域内的最优适应度值更新速度及当前位置,并对粒子局部邻域内最优适应度值 对应的最优位置进行混沌优化,其中利用动态环形拓扑关系构造粒子局部邻域,邻域随着 迭代次数线性增大,最后邻域扩展至整个粒子群;
[0010] (5)判断结束条件,若目标函数适应度值进化到预先设定的精度ε,则终止优化并 输出左右两摄像机的最终内外参数结果,否则返回步骤(4)。
[0011] 本发明的有益效果是:本发明提供了一种基于混沌粒子群优化算法的双目标定方 法,将混沌粒子群优化算法应用于双目视觉摄像机内外参数优化,解决了传统的非线性参 数优化方法在视觉标定中计算过程复杂,对初始迭代值敏感且对噪声敏感,标定精度不高, 不能满足工业要求。优化过程中,引入全局自适应动态惯性权重(GAIW),同时在速度更新阶 段根据粒子局部邻域内的最优适应度值更新速度及当前位置,其中利用动态环形拓扑关系 构造粒子局部邻域,并对粒子局部邻域内最优适应度值对应的最优位置进行混沌优化,从 而有效解决了原粒子群优化算法容易陷入局部极值的问题,从而提高了双目标定精度和鲁 棒性,保证后续双目视觉三维重构的精度。
【附图说明】
[0012] 图1双目立体视觉系统示意图
[0013] 图2双目摄像机标定示意图 [0014]图3粒子群环形拓扑结构示意图
【具体实施方式】
[0015] 为使本发明的目的、技术方案和优点更加清楚明白,下面结合具体实施例,并参照 附图,对本发明作进一步详细说明。
[0016] 本发明提供了一种基于混沌粒子群优化算法的双目标定方法,整个算法流程主要 由标定板图像圆点中心的亚像素图像坐标提取、单应性矩阵求取、摄像机内外参数初始值 确定、混沌粒子群算法进行内外参数优化构成。
[0017] 为进一步说明,具体实现步骤如下:
[0018] 步骤一:标定板图像圆点中心亚像素图像坐标提取
[0019] (1)分别输入两台摄像机从不同角度同时拍摄的多组标定板图像;
[0020] (2)分别对左右标定板图像对序列进行Canny边缘提取,然后利用Zernike矩进行 亚像素边缘提取,通过椭圆拟合求得圆点中心亚像素图像坐标,分别记为和 <=(< v;)%其中i=l,2,. . .,49,每幅标定板图像中圆点个数为49。
[0021] 步骤二:单应性矩阵求取
[0022] (1)采用针孔成像模型描述标定板图像圆点中心的亚像素图像坐标及其世界坐标 之间的线性模型,如式(1)所示,并将世界坐标系Zw = 0所在平面设为标定板所在的测量平 面。
[0023]
(1)
[0024] 式中,j = 1、r,j = 1对应左摄像机的参数,j = r对应右摄像机的参数,s·3*比例因 子;Μ为摄像机内参数,记为
/"/、//分别为x、y方向上的归一化焦距,< 为扭曲系数;为摄像机主光轴与图像平面交点的像素坐标,称为主点;P为摄像机坐 标系相对于世界坐标系3 X 3正交旋转矩阵,为摄像机外参数,记为
i,妒, γ J分别为旋转矩阵Rj的三个列向量,记为乂 = [Vi 4 d]7",#=hi d咕]F, 4 为摄像机坐标系相对于世界坐标系3X1平移矢量,为摄像机外参数, 记为
分别为标定板圆点中心在图像 坐标系和世界坐标系中的齐次坐标。
[0025] (2)利用步骤一提取的圆点中心亚像素图像坐标a/和< = (<ν;Τ,及其 图像点的世界坐标YW1 ZW1)T,根据式(2)分别求出世界坐标系到左右摄像机图像坐 标系的单应性矩阵H 1和H"。
[0026] Hj = Aj[aj β」Tj],j = l、r (2)
[0027] 步骤三:摄像机内外参数初始值确定
[0028] (1)由于W和妒是单位正交向量,将矩阵写成得式⑶所示的内 参数约束条件。
[0030] 在线性求解摄像机内外参数初始值时,令:
[0029] (3)
[0031]
(4)
[0032] 其中屮为3*3对称矩阵。
[0033] 在式(3)和式(4)的基础上,利用张正友模板平面线性标定法导出摄像机内参数, 如式(5)所示。
[0034]
[0035]
[0036] (2)获得摄像机的内参数初始值后,根据单应性矩阵求取摄像机外参数初始值。
[0037] 由忒(2)可得,
[0038]
(6)
[0039]在式(6)基础上,利用张正友模板平面线性标定法导出摄像机外参数,如式(7)所示。
[0040:
(7)
[0041 ]步骤四:考虑畸变的两摄像机内外参数优化
[0042 ] (1)考虑二阶径向畸变和二阶切向畸变,畸变模型如式(8)所示。
[0043]
(8)
[0044] 式中,j = l、r,(M/+v/,为圆点中心实际图像坐标,(《'/ν'/)7"为圆点中心理想图像坐 标,r2 = + v2/ W W为径向畸变系数,;?/、/?〖为切向畸变系数。
[0045]结合步骤三得到的两摄像机内外参数初始值WU和Α?Γ,标定的所有内外 参数可用矢量表示为Θ,如式(9)所示。
[0046] (9)
[0047]
[0048] (10)
[0049] (2)基于混沌粒子群算法进行两摄像机内外参数优化,步骤如下:
[0050] Stenl,相掘击碟一摇取的;1?帝'板图像圆点中心坐标a,' = (u丨v丨)r和a: =(u; v丨)r,并将 畸变系聲
值初始化为ο,根据畸变模型式(8)求得圆点 中心理想图像坐标《','=(4心7'和^;+=(1/';'<)7'。
[0051] Step2:根据式(11)求得两摄像机的投影矩阵Μ1和#。
[0052] Mj = Aj[RjTj],j = l、r (11)
[0053] 其中,投影矩阵旧为3X4的矩阵,记为
[0054] Step3:基于理想坐标<=(?丨 <,和< =(?'; ν':,与双目摄像机的投影矩阵M1和M",根 据式(12)~(17)求得空间点三维坐标Ρ\=[Χν Y、ZW。
[0055] 」,分别为a〗、α_【和K 齐次坐 标,根据式(1)可得:

[0056] (12)
[0057] (13)
[0058]联合式(12)和式(13),消去s1和f可得:[0059] KiPi = Ui (14)
[0060] (15)
[0061 ] (16)
[0062] 式(14)表示图1中光路0iai和0rai相交于目标点P' i,Ki为4 X 3矩阵,P' i为未知的三 维向量,Ui为4 X 1向暈,由最小二乘法求解式(17)即可得到目标点P' i世界坐标。
[0063]
(17)
[0064] Step4:根据两摄像机内外参数初始值和所有初始值为0的畸变系数对粒子群中粒 子的速度和位置进行随机初始化,通常初始化搜索点的位置及速度是在初值邻域空间中随 机产生,并设置粒子数目为Ω =100,搜索空间维数为D = 28,对应待优化的标定内外参数总 数。
[0065] Step5:计算每个粒子的适应度值f(0),即将每一个粒子带入式(18)求得优化目标 函数值,即通过构造三维重投影误差函数作为优化目标函数,利用实际测量的标定点三维 坐标(Xwi Ywi 2^)7与由樽型计筧得到的二维坐标(X、Υ、Ζ、)τ之间的残差来表示。
[0066]
(18)
[0067]式中,Θ为每个粒子的D维位置矢量,Ν代表圆点标定板图像上标定点的数量。
[0068] Step6:依据式(19)~(21)对粒子的速度和位置进行更新。
[0072] 式中,? = 1,2,...,Ω,d=l,2
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1