基于神经网络摄像机标定方法地研究.pdf

A T h e sis in C o n tro l T h e ro y a n d C o n tro l E n g in e e r in g
R e se a r C h o f th e C a m e r a C a lib r a tio n M e th o d S
B a se d 0 11 N e u f s l N e tw o f k
B y G u o H a ifen g
S u P e rv iso r: P ro fe sso r C h en X iao b o
N o rth ea stern U n iv ersity
J u n e 2 0 0 9
东北大学硕士学位论文摘要
基于神经网络的摄象机标定方法研究
可石
摘 3 (
计算机视觉作为当今最为活跃而又富有挑战意义的研究领域,其研究内容和应用领
域已经相当广泛。由于摄像机标定是计算机视觉获取三维空间信息的前提和基础,是立
体视觉的一个重要组成部分,因此如果要利用摄取的二维图象进行精密测量以及空间运
动分析,就必须做精确的摄象机标定。本文主要研究摄像机标定理论和方法,为计算机
视觉和立体视觉的下一步研究提供可靠的数据并奠定良好的基础,最终在实际应用中起
到提高精度的作用。
文中采用平面模板实现对摄象机的标定。首先研究图像特征点的提取问题,在角点
提取过程中,针对 H 二 15 角点检测算法只能提取像素级角点坐标的不足,本文对其进行
了改进,采用基于 H ar is 角点检测原理的亚像素角点检测方法。其次对非线性畸变模型
作了比较深入的研究,在分析传统标定算法的基础上,提出了基于神经网络的摄像机畸
变校正方法。利用神经网络直接学****图像信息与三维信息(z,= 0) 之间的关系,不需要
确定摄像机具体的内部参数和外部参数,也不需要知道有关模型或参数的先验知识,对
摄象机进行畸变校正。仿真实验验证了该方法的准确性和有效性。
但是由于 B P 神经网络的稳定性又与网络的初始训练值有关的缺点,因此,本文又
将遗传算法引入以改进 B P 神经网络。遗传算法是一种非导数优化的随机优化方法,可
以对一复杂的、非线性及不可微的函数实现全局搜索,而且算法对局部搜索比较有效,
因此为了使算法能很快的找到满意解,可以先用遗传算法对初始权值进行优化,在解空
间中定位出较好的搜索空间。然后用 B P 算法在这些小的解空间中搜索出最优解。通过
相同数据进行仿真试验证明了该方法的可行性。在实际的实验研究中也证明了在进行畸
变校正之后,测量精度有了明显的提高。
关键词: 计算机视觉; 特征点; 摄像机标定; B P 神经网络; 遗传算法
一 H 一
脚-
东北大学硕士学位论文 A b stra ct
R e se ar ch o f th e C am era C a lib rat io n M eth o d s
B a se d o n N eur a l N etw o rk
A b stra et
C o m P uter v isio n 15 an a ctiv e an d eh a lle n g in g re se areh fie ld ,its re se a rch an d aP P lic atio n
are a s sP re a d w id e ly . A s an im P o rtant P art o f stereo v isio n ,an d a P rem ise a n d b a se for
eom Puter vision obtaining the sPatial inform ation of 3D objects,50 an accurate calibrated 15
n e e e ssa 以 if w e c 拼 y o ut P re e ise m e a sur em eni a n d m o tio n an a ly sis,an d 50 o n .In th is th e sis,
we re se are h the the o ry a n d m eth o d s o n the c am e ra e a lib rat io n ,an d P ro v id e th e relia b le d ata
an d lay a g o o d fou n d atio n for th e n ex t re se areh o n eo m P uter v isio n an d stere o