基于RBF神经网络的镜头畸变校正方法.pdf

《基于RBF神经网络的镜头畸变校正方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年第2期工业仪表与自动化装置·81·基于RBF神经网络的镜头畸变校正方法赵洪瑞，王洪远，朱素杰，汪开旺(1．煤科集团沈阳研究院有限公司，辽宁抚顺113122；2．杭州雅拓网络技术有限公司，杭州310000)摘要：提出了一种径向基(RBF)神经网络的畸变校正方法。该方法利用RBF网络的以任意精度逼近连续函数的能力，通过采用张正友平面标定法得到样本数据训练网络，最终建立网络模型。该方法算法简易，适合于对摄像机捕获的图像进行几何校正。实验研究表明，该方法大大提高了校正精度。关键词：平面标定法；RBF；神经网络；畸变校正中图分类号：T

2、P183文献标志码：A文章编号：1000—0682(2015)o2—0081—03ThestudyoflensdistortioncorrectionbasedonRBFneuralnetworksZHAOHongrui，WANGHongyuan，ZHUSujie，WANGKaiwang(1．CCTEGShenyangResearchInstitute，LiaoningF~hun113122，China；2．HangzhouGemaltoTechnologyCo．，Ltd．，Hangzhou310000，China)Abstract：

3、Proposedaradiatebasisfunction(RBF)neuralnetworkofthecalibrationmethodwhichhastheabilityofarbitraryprecisionapproximatecontinuousfunction．ThesampledataisobtainedbyZhangZhengyouplanecalibrationmethodtousingfortrainingnetwork．Thennetworkmodelwasestab-lished．Thismethodissui

4、tablefortheimageusingofcamerastogeometriccorrection．Theexperimentalresultsshowthattheneuralnetworksdistortioncorrectiontechniquehashighercorectionprecision．Keywords：planecalibrationmethod；RBF；neuralnetwork；distortedcorection据径向基(RBF)神经网络。的自适应、自学习且0引言能以任意精度逼近任意连续函数的特点，提出

5、了一在煤矿在线监控方面，摄像机标定是在理想的种基于RBF神经网络的镜头畸变校正方法。该方针孔成像模型下得到其内外参数。然而，由于摄像法首先使用张正友平面标定法得到神经网络所需样机采用的是广角镜头，使拍摄的图像存在一定的几本，根据得到的样本训练神经网络，再利用测试样本何失真，致使成像模型与理想模型之间存在畸变，因测试网络。通过实验研究表明，该方法相对于传统此对镜头畸变进行校正成为在线监控研究的重要方法计算简单，精度较高。课题。1建立RBF网络模型目前，大多数方法都是在摄像机标定过程中考虑畸变，然后进行误差的校正。这些方法都需1．1RBF

6、网络基本结构要建立复杂的摄像机针孔模型。在许多视觉系统RBF的基本思想是：利用RBF作为隐单元的中，并不要求解出摄像机的物理参数，而只须通过一“基”构成隐含层空间，直接将输入样本映射到隐空些中间参数或映射关系图像的真实坐标点，以便有间(不需要通过权连接)。由RBF网络结构图(图利于高精度地进行图像处理和三维测量。为此，根1)所示，对任意一个输入样本，每一个隐单元都需计算一个函数，该隐单元的核函数为径向基函数，通收稿日期：2014—07—16常采用高斯函数，表示为：基金项目：国家重大专项课题(2011ZX05040—004)1作者简介：

7、赵洪瑞(1982)，男，工程师，辽宁工程技术大学硕士，R(Xp—c)=exp(一1llp—c^ll)(1)研究方向为矿用防爆电器。·82·工业仪表与自动化装置2015年第2期式中：l1一clI为欧式范数；c为高斯函数的中得到基函数中心后，进而求得其方差以及隐含心；Or为高斯函数的方差。层到输出层的权值。求解出这3个参数，神经网络的输出可由式(2)得到。1．2用于畸变校正的RBF网络结构由摄像机的非线性模型可知，畸变校正就是由三一图像的实际点得到与其相对应的理想点。那么，若建立神经网络，需将实际图像点作为神经网络的输图1RBF网络结构图

8、入，将理想点作为输出。因此，采用三层RBF神经由于隐含层到输出层的映射是线性的，即网络网络逼近从(U)到(五)的非线性函数。由于的输出是隐含层输出的线性加权和。则此时网络的该非线性函数具有2个输入2个输出，因此RBF神输