基于神經網(wǎng)絡的攝像機標定方法研究.pdf

1、計算機視覺作為當今最為活躍而又富有挑戰(zhàn)意義的研究領域,其研究內容和應用領域已經相當廣泛。由于攝像機標定是計算機視覺獲取三維空間信息的前提和基礎,是立體視覺的一個重要組成部分,因此如果要利用攝取的二維圖象進行精密測量以及空間運動分析,就必須做精確的攝象機標定。本文主要研究攝像機標定理論和方法,為計算機視覺和立體視覺的下一步研究提供可靠的數(shù)據(jù)并奠定良好的基礎,最終在實際應用中起到提高精度的作用。文中采用平面模板實現(xiàn)對攝象機的標定。首先研究圖

2、像特征點的提取問題,在角點提取過程中,針對Harris角點檢測算法只能提取像素級角點坐標的不足,本文對其進行了改進,采用基于Harris角點檢測原理的亞像素角點檢測方法。其次對非線性畸變模型作了比較深入的研究,在分析傳統(tǒng)標定算法的基礎上,提出了基于神經網(wǎng)絡的攝像機畸變校正方法。利用神經網(wǎng)絡直接學習圖像信息與三維信息(zw=0)之間的關系,不需要確定攝像機具體的內部參數(shù)和外部參數(shù),也不需要知道有關模型或參數(shù)的先驗知識,對攝象機進行畸變校正

3、。仿真實驗驗證了該方法的準確性和有效性。但是由于BP神經網(wǎng)絡的穩(wěn)定性又與網(wǎng)絡的初始訓練值有關的缺點,因此,本文又將遺傳算法引入以改進BP神經網(wǎng)絡。遺傳算法是一種非導數(shù)優(yōu)化的隨機優(yōu)化方法,可以對一復雜的、非線性及不可微的函數(shù)實現(xiàn)全局搜索,而且算法對局部搜索比較有效,因此為了使算法能很快的找到滿意解,可以先用遺傳算法對初始權值進行優(yōu)化,在解空間中定位出較好的搜索空間。然后用BP算法在這些小的解空間中搜索出最優(yōu)解。通過相同數(shù)據(jù)進行仿真試驗證明