基于神经网络的摄像机标定方法研究.pdf

《基于神经网络的摄像机标定方法研究.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、2013年第6期工业仪表与自动化装置·3·基于神经网络的摄像机标定方法研究朱素杰，周波，王洪远(1．黑龙江科技大学计算机与信息工程学院，哈尔滨150022；2．煤科集团沈阳研究院有限公司，辽宁抚顺113122)摘要：提出了一种新的基于神经网络的摄像机标定方法。该方法将标定物从三维降到二维，在获得网络样本时，通过Harris角点检测法和张正友二维平板标定法得到，使其能够在保证精度的基础上，降低时间复杂度。实验结果表明，该方法得到了较好的实验结果。关键词：摄像机标定；神经网络；张氏标定法中图分类号：TP183文献

2、标志码：A文章编号：1000—0682(2013)06—0003—03ResearchoncameracalibrationmethodbasedonneuralnetworkZHUSujie’，ZHOUBo，WANGHongyuan(1．ComputerandInformationEngineeringCollege，HeilongfiangUniversityofScienceandTechnology，Harbin150022，China；2．CCTEGShenyangResearchInstitute

3、，LiaoningFushun113122，China)Abstract：Anewcameracalibrationmethodbasedonneuralnetworkhasbeenproposed．3Dcalibra—tionobjectinsteadofthe2Dinthepaper．ThesamplesofnetworkobtainedbyHarriscomermethodandZhangZhengyoutwo—dimensionalplanarcalibrationmethod．Andthemetho

4、dreducesthetimecomplex—ityatthebasedofensureaccuracy．Themethodisgoodexperimentalresultsobtained．Keywords：cameracalibration；neuralnetwork；Zhang’Scalibrationmethod精度的三维移动台得到物体的三维点，基于此，该文O引言对其进行了改进，使用二维标定物通过张氏标定法摄像机标定¨是建立在被测对象表面点的二获得。维投影图像坐标与三维世界坐标之间的桥梁，是实该方法通

5、过张氏标定法和Harris角点检测法结现自由曲面三维模型重构的基础，也是立体视觉运合得到网络的样本集，利用样本集的部分样本训练用研究领域中的难点之一。在光学三维测量中，由网络，为了验证网络的鲁棒性，通过其测试样本测试于摄像机标定是复杂的非线性系统，有各种电子噪网络，测试结果表明达到了较好的效果。声、环境干扰和其他不确定因素的影响，事实上很难1RBF网络模型的建立为摄像机光学成像过程建立精确的纯几何模型。因此，基于几何成像模型的传统摄像机标定方法精度在RBF网络中，不存在像其他网络那样的输入不高，稳定性差，而且

6、计算复杂。而近年来发展起来层到隐含层的权值矩阵，因此输入层只负责信号传的人工神经网络可以处理那些难以用数学模型描述递，不对信号做任何处理；隐含层采用径向基函数作的系统，具有很强的自适应、自学习能力，可以实现激活函数，通常有较多的神经元个数，完成从输入空以任意精度近似任何连续函数。北京航空航天大学间到隐含层空间的非线性变换；输出层采用线性函的张广军首先提出了一种基于神经网络的摄像数，对隐含层输出进行线性组合，产生最终对激励信机标定方法，该方法相对于传统标定法来说，不需要号的响应信号。与其他神经网络相比，RBF网

7、络具知道摄像机复杂的模型，也不用考虑由于镜头畸变有良好的函数逼近性能，若RBF网络的隐含层神经等带来的误差。但其不足是在获取样本时，需要高元个数足够多，则RBF网络可以在一个紧集上一致连续逼近任何连续函数。收稿日期：2013—03—281．1RBF网络的基本结构作者简介：朱素杰(1987)，女，硕士研究生，主要研究方向为图形图像三维重构。RBF神经网络由一个输入层、一个输出层和·△·工业仪表与自动化装置2013年第6期一个隐含层组成，其结构如图1所示，输入层节点将2)将输入的训练样本集合按最近邻规则分组。输人

8、数据映射到隐含层；隐含层节点利用基函数对按照与中心为Ck之间的欧氏距离将分配到输入输入信号产生响应；然后由输出层输出，输出层节点样本的各个聚类集合(P=1，2，⋯，m)中。一般采用简单的线性函数，也就是说对隐含层各节3)重新调整聚类中心。计算各个聚类集合点的输出进行线性组合。可以看出RBF神经网络中训练样本的平均值，即新的聚类中心C，如果新的的隐含层输出是非线性输出，而输出层的输出则是聚类中心不再发