[发明专利]基于改进的黏菌算法的水下相机标定优化方法

权利要求书

1.一种基于改进的黏菌算法的水下相机标定优化方法，其特征在于，包括以下步骤：

步骤1、获取不同角度的标定板图像，对图像预处理并提取角点特征；

步骤2、求解内部参数和畸变系数初值；

步骤3、初始化SMA算法的相关参数，初始化种群的最初位置，初始化ONP和OBL的相关参数；

步骤4、计算每个黏菌个体的适应度，选出当前最优适应度和其所对应的位置；

步骤5、利用最优邻域扰动策略进行全局位置更新，利用反向学习策略产生反向解；并采用贪婪机制判生成的邻域位置是否保存下来；保留适应度更高的解并更新其位置；

步骤6、判断最优个体适应度的值是否满足预设精度或者是否达到最大迭代次数，如果没有就返回到步骤4，否则保留最优个体的位置，该个体对应的参数即为相机标定的结果。

2.根据权利要求1所述的基于改进的黏菌算法的水下相机标定优化方法，其特征在于，步骤1中获取待标定相机对标定板在不同方向的图像，图像的数量应大于6张；对获得图像进行灰度化处理，并对图像中棋盘格的角点提取。

3.根据权利要求1所述的基于改进的黏菌算法的水下相机标定优化方法，其特征在于，步骤2具体为：

根据相机成像关系和相机内部关系f_x＝f_c1/d_x,f_y＝f_c2/d_y，得到f_x，f_y，u₀，v₀的初值；其中f_c1和f_c2是相机焦距；d_x和d_y是像素的物理长度；u₀和v₀是相机光轴和图像平面交点；

相机成像关系式为：

其中，z_c为物距，x_d、y_d为像素坐标系，x_w、y_w、z_w为世界坐标系，R、T为图像旋转平移矩阵；

由于该初值是在理想条件下求得，需引入畸变系数k₁,k₂,k₃,p₁,p₂加以校正；利用径向畸变数学模型

其中，[x_u,y_u]图像归一化平面任一点p的坐标，s为点p与坐标系原点之间的距离；

和切向畸变数学模型

以及联立得到

求得畸变下的初值；

利用张正有标定法对相机标定，得到优化前的参数值。

4.根据权利要求1所述的基于改进的黏菌算法的水下相机标定优化方法，其特征在于，步骤3中初始化SMA算法的相关参数，初始化种群的最初位置，初始化ONP和OBL的相关参数过程为：

包括种群的数量n，搜索空间维度d、最大迭代次数max_t、初始值上下界ub和lb，在搜索范围内随机选取n个个体的初始位置。

5.根据权利要求1所述的基于改进的黏菌算法的水下相机标定优化方法，其特征在于，步骤4中计算每个黏菌个体的适应度，选出当前最优适应度和其所对应的位置具体为：

建立相机标定问题的目标函数：

其中，N是角点个数，p_ij为图像的匹配点，p为p_ij对应的重投影点；

根据目标函数获得适应度函数以求得迭代最优个体适应度值，定义适应度函数为：

其中(x，y)即通过角点提取算法得到的实际像素坐标点；(u，v)是通过相机成像关系计算得到的像素坐标点；m为角点总数。