[发明专利]一种基于灰狼粒子群混合算法的相机标定方法

说明书

本发明涉及一种基于灰狼粒子群混合算法的相机标定方法，包括以下步骤：确认相机的标定参数；获取相机的标定参数上下限，设定算法参数；根据标定参数上下限随机生成粒子算法中的粒子的位置，初始化粒子，选取局部最优位置和全局最优位置，利用灰狼算法获取最优灰狼位置，根据最优灰狼位置更新粒子群算法中粒子的速度和位置，计算更新后的粒子的适应度值，选取更新后的适应度值最小的粒子位置作为本次迭代的局部最优位置，并更新本次迭代的全局最优位置，输出最后一次迭代的全局最优位置为相机的最优化标定参数。与现有技术相比，本发明将灰狼算法与粒子群算法相结合，有效提高标定的精确度，可重复使用，具有良好的稳定性和准确性。

技术领域

本发明涉及相机标定领域，尤其是涉及一种基于灰狼粒子群混合算法的相机标定方法。

背景技术

相机标定利用物体表面某点在空间的3D坐标与其在图像中对应点的图像坐标之间确立的几何关系，通过实验和计算获取该几何关系的模型参数，从而得到相机的内外参数。相机的标定参数主要包括内部参数和外部参数，内部参数主要与相机的光学特性和内部几何结构有关，外部参数反映的是相机摆放位置相对于世界坐标系的3D空间中的位置和方向。相机的标定精度直接影响着机器视觉中3D重建的精度，为了提高相机的标定精度，需要准确、合理、有效地求解相机的模型参数。

常用相机标定方法有Tsai两步法、张正友平面标定法和Faugeras标定法。Tsai标定法需要预先得到一部分参数值，先通过线性方法求解出部分参数，再通过非线性优化解出剩余相机参数的精确解；张正友标定利用平面标定板在不同视角下的多幅图像，依据设计的单应矩阵，标定得到相机参数；Faugeras的线性模型相机标定方法是基于线性方程组的最小二乘问题。Tsai两步法、张正友平面标定法和Faugeras标定法这现有的三种方法精度都有限，在对精度要求高的场景下，不能满足要求。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于灰狼粒子群混合算法的相机标定方法。

本发明的目的可以通过以下技术方案来实现：

一种基于灰狼粒子群混合算法的相机标定方法，包括以下步骤：

S1：获取相机的标定板图像，建立相机的非线性成像模型，确认相机的标定参数；

S2：获取相机的标定参数的参数上限和参数下限，设定粒子群算法的种群数量、最大迭代次数、学习率、惯性因数最大值和惯性因数最小值，设定灰狼算法的种群数量和最大迭代次数；

S3：根据参数上限和参数下限随机生成粒子算法中的粒子的位置，并初始化粒子的速度，计算粒子的适应度值，选取适应度值最小的粒子的位置作为局部最优位置和全局最优位置；

S4：利用灰狼算法对最新的全局最优位置进行求解优化，获取最优灰狼位置；

S5：根据最优灰狼位置更新粒子群算法中粒子的速度和位置，计算更新后的粒子的适应度值，选取更新后的适应度值最小的粒子位置作为本次迭代的局部最优位置，并更新本次迭代的全局最优位置；

S6：判断是否到达迭代停止条件，若是，输出最后一次迭代的全局最优位置为相机的最优化标定参数，否则返回步骤S4继续迭代。

优选地，所述的适应度值的计算公式为：

其中，f为适应度值，N为标定板图像上的角点数，j为角点序号，p_j为角点j的实际像素坐标，p_j'为角点j的反投影坐标，X为标定参数，R为旋转矩阵，T为平移向量。

优选地，所述的步骤S5的具体步骤包括：

S51：获取本次迭代的惯性因数；