發(fā)布時間：2018-06-18 16:44

  本文選題：機(jī)器視覺 + 攝像機(jī)標(biāo)定　； 參考：《激光與光電子學(xué)進(jìn)展》2017年11期

【摘要】：針對MATLAB標(biāo)定工具箱的標(biāo)定精度與所拍圖像數(shù)量成正比的問題,即拍攝照片數(shù)量越多標(biāo)定精度越高,提出了一種基于粒子群算法的攝像機(jī)內(nèi)參數(shù)優(yōu)化方法,從而達(dá)到拍攝少量圖片也可以有較好精度的效果。首先攝像機(jī)從不同角度拍攝4張和20張標(biāo)定板圖片,利用MATLAB標(biāo)定工具箱分別求取它們的內(nèi)參數(shù)。然后根據(jù)標(biāo)定點的實際坐標(biāo)和反投影坐標(biāo)建立目標(biāo)函數(shù),再由粒子群算法對標(biāo)定箱求取的內(nèi)參數(shù)進(jìn)行優(yōu)化。實驗結(jié)果對比表明:與MATLAB標(biāo)定工具箱相比,此方法能夠在一定程度上提高少量標(biāo)定板圖片的標(biāo)定精度。
[Abstract]:Aiming at the problem that the calibration accuracy of MATLAB calibration toolbox is proportional to the number of images taken, that is, the more photos are taken, the higher the calibration accuracy is, a method of camera internal parameter optimization based on particle swarm optimization is proposed. In order to achieve a small number of images can also have a better accuracy. Firstly, the camera takes 20 pictures of 4 Zhang He calibration board from different angles, and obtains their internal parameters by using the calibration toolbox of MATLAB. Then the objective function is established according to the actual coordinate and the backprojection coordinate of the scalar point, and the inner parameters of the calibration box are optimized by the particle swarm optimization algorithm. The experimental results show that compared with the MATLAB calibration toolbox, this method can improve the calibration accuracy of a small number of calibration board pictures to a certain extent.
【作者單位】： 沈陽建筑大學(xué)信息與控制工程學(xué)院;
【分類號】：TP18;TP391.41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃天赦;葉春明;;采用量子粒子群算法的一類模糊作業(yè)車間調(diào)度問題的研究[J];現(xiàn)代制造工程;2009年11期

2 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2010年02期

3 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

4 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

5 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

6 劉衍民;趙慶禎;邵增珍;;一種改進(jìn)的完全信息粒子群算法研究[J];曲阜師范大學(xué)學(xué)報(自然科學(xué)版);2011年01期

7 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[J];計算機(jī)工程與應(yīng)用;2011年05期

8 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計算機(jī)系統(tǒng)應(yīng)用;2011年08期

9 孟純青;;非線性粒子群算法[J];微計算機(jī)應(yīng)用;2011年08期

10 任偉建;武璇;;一種動態(tài)改變學(xué)習(xí)因子的簡化粒子群算法[J];自動化技術(shù)與應(yīng)用;2012年10期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

3 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

4 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

5 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

6 熊偉麗;徐保國;;單個粒子收斂中心隨機(jī)攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

7 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

8 張頂學(xué);關(guān)治洪;劉新芝;;多種群并行粒子群算法研究[A];第二十六屆中國控制會議論文集[C];2007年

9 叢亮;胡成全;郭宗鵬;姜宇;沙麗華;;基于模擬退火思想的基本粒子群算法改進(jìn)[A];第二十七屆中國控制會議論文集[C];2008年

10 宋瑩;陳增強;袁著祉;;一種新型混沌粒子群算法及在非線性系統(tǒng)中的應(yīng)用[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

5 雷開友;粒子群算法及其應(yīng)用研究[D];西南大學(xué);2006年

6 陳晉音;生物啟發(fā)計算若干關(guān)鍵技術(shù)與應(yīng)用研究[D];浙江工業(yè)大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

3 江玲;基于粒子群算法的微博用戶推薦系統(tǒng)[D];西南科技大學(xué);2015年

4 汪習(xí)知;視點質(zhì)量計算與視點選擇研究[D];國防科學(xué)技術(shù)大學(xué);2013年

5 錢祺楓;基于改進(jìn)的粒子群算法的圖像分類技術(shù)研究[D];南京郵電大學(xué);2015年

6 朱良;基于云計算和優(yōu)化KMeans的電力不良數(shù)據(jù)辨識[D];華北電力大學(xué);2015年

7 鮑立婷;粒子群算法在基于LBS快遞派送中的應(yīng)用研究[D];東華理工大學(xué);2016年

8 王佳麗;量子粒子群算法的改進(jìn)及其在圖像分割中的應(yīng)用[D];安徽工業(yè)大學(xué);2015年

9 劉慶;基于PMV的室內(nèi)環(huán)境智能系統(tǒng)設(shè)計[D];北方工業(yè)大學(xué);2017年

10 彭堯;基于改進(jìn)粒子群算法和三維Otsu的圖像分割研究[D];武漢理工大學(xué);2015年

，

本文編號：2036146