[发明专利]一种基于蝙蝠算法的相机标定参数优化方法

说明书

本发明公开了一种基于蝙蝠算法的相机标定参数优化方法，对相机读入的输入图像进行标定得到标定参数，同时对该图像进行角点检测，根据图像标定参数和检测到的角点定义适应度函数，然后使用蝙蝠算法对该适应度函数进行寻优搜索，在满足既定条件的情况下，蝙蝠算法进行寻优搜索，最终给出最优解，即标定参数的最优值。该方法使用简单，搜索效率高，收敛速度快，可并行处理，需调参数少，能够快速地对标定参数进行搜索优化。

技术领域

本发明涉及相机标定及智能群体搜索算法领域，公开了一种基于蝙蝠算法的相机标定参数优化方法。

背景技术

随着图像技术和计算机系统的发展，计算机视觉技术已经广泛进入人们生活的各个领域。计算机视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物体的几何信息，并由此重建和识别物体，而空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的。在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定。

无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。标定精度的大小，直接影响着计算机视觉(机器视觉)的精度。因此，做好相机标定是做好后续工作的前提，提高标定精度是所做工作的重点所在。

蝙蝠算法属于启发式搜索算法，是一种搜索全局最优解的有效方法。它模拟的是微型蝙蝠的回声定位原理：蝙蝠具有先进的回音定位能力，微型蝙蝠使用声波回声定位，检测到猎物，躲避障碍，并在黑暗中找到自己位于裂缝的栖息地。这些蝙蝠发出很响亮的声音，然后听到从周围物体反射回来的回音。对于不同的蝙蝠，它们的脉冲是与狩猎策略有关的。大多数蝙蝠通过一种滤波器用短且高频的信号扫描周围，而其他蝙蝠则经常使用固定频率的信号进行回声定位。其信号频宽的变化取决于蝙蝠的种类，且常常通过使用更多的谐波而增加。蝙蝠的回波定位能力使得蝙蝠能够在完全漆黑的情况下找到它们的猎物并且能够准确地区分昆虫的类型。

蝙蝠算法具有收敛速度快、鲁棒性好的优点，该算法是一种基于迭代的优化技术。与其他算法相比，蝙蝠算法在准确性和有效性方面远优于其他算法，且没有许多参数要进行调整。蝙蝠算法将种群数量为N的蝙蝠个体映射为D维问题空间中的NP个可行解，将优化过程和搜索模拟成种群蝙蝠个体移动过程和搜寻猎物利用求解问题的适应度函数值来衡量蝙蝠所处位置的优劣，将个体的优胜劣汰过程类比为优化和搜索过程中用好的可行解替代较差可行解的迭代过程。相比于其他算法，蝙蝠算法简单，能有效地提高标定的精度，增强标定结果的鲁棒性，能够快速找到使得适应度函数最优的一组变量，该变量即为标定得到的最优参数。为相机标定参数的优化提供了一种新的思路。

发明内容

本发明实施例的目的在于提供一种基于蝙蝠算法的相机标定参数优化方法，提高了相机标定的精度，优化相机的标定参数。

本发明实施例提供的一种基于蝙蝠算法的相机标定参数优化方法，包括以下步骤：

步骤1：获取下一帧图像帧；

步骤2：将相机模型简化为透镜模型。通过透镜模型获取世界坐标点在图像坐标中的像素坐标。同时，计算相机的标定参数；

步骤3：通过角点检测算法获取世界坐标下图像点的坐标在图像坐标中的像素坐标点；

步骤4：使用步骤2和步骤3得到的模型转换像素坐标和角点检测像素坐标建立相机标定参数的适应度函数；

步骤5：依据适应度函数初始化蝙蝠种群；

步骤6：设置蝙蝠算法迭代终止条件；

步骤7：计算种群中蝙蝠个体的适应度值；