[发明专利]一种无需摄像机标定的水下双目视觉定位方法

摘要

本发明提出一种无需摄像机标定的水下双目视觉定位方法，该发明利用水下双目视觉系统得到左右相机中目标点的图像系二维坐标作为输入，利用三维定位系统得到目标点相对相机的世界系三维坐标作为期望输出，采用粒子群算法对BP神经网络的初始权值和阈值进行优化，用多组数据对BP神经网络进行训练至输出的均方误差收敛，建立双目相机的视觉测量模型，用神经网络的训练结果拟合视觉量测模型。该方法不需要提前对视觉系统进行标定，利用基于粒子群优化后的神经网络，由水下双目视觉系统左右相机目标点的图像系二维坐标直接得到目标点的世界系三维坐标。该方法能准确地对水下特征目标进行定位。

主权项

1.一种无需摄像机标定的水下双目视觉定位方法，其特征在于：包括以下步骤：步骤1：建立水下双目视觉系统，其中左右相机平行放置，水下相机每帧图像的像素高于200万像素；采用水下双目视觉系统对空间中的多组目标点进行拍摄，对于每一组目标点，利用三维定位系统测量得到目标点世界系三维坐标P(X,Y,Z)，并利用水下双目视觉系统得到的图像，根据角点检测算法得到目标点位于左右相机图像系内的二维坐标(udl,vdl),(udr,vdr)；步骤2：建立神经网络：建立三层BP神经网络，BP神经网络有N个输入量，第i个输入为xi，得到N个输入节点；隐含层输出为：其中zk为第k个隐含层节点输出，f1(s)为隐含层激活函数，vki表示输入层到隐含层的权值，xi为第i个输入，bk为偏置阈值；Q为隐含层节点个数；输出层输出为：其中yj为第j个输出层节点输出，f2(s)为输出层的激活函数，wjk表示隐含层到输出层之间的权值，bj为偏置阈值；M为输出层节点个数；步骤3：利用粒子群算法选取BP神经网络的初始权值和阈值：步骤3.1：初始化粒子群随机用一组目标点的世界系三维坐标和该组目标点位于左右相机图像系内的二维坐标作为输入训练粒子群，将神经网络节点之间的连接权值vki、wjk和偏置阈值bk、bj进行向量方式的编码，令种群的全部粒子个数为n，种群搜索空间为D，D取连接权值和偏置阈值维数总和；对于第q个粒子，其位置为Xq＝[xq1,xq2,...,xqD]T，速度为Vq＝[vq1,vq2,...,vqD]T，分布在区间[‑Vmax,Vmax]之中，个体极值Pbest空间向量为Pq＝[pq1,pq2,...,pqD]T，群体极值Gbest空间向量Pg＝[pg1,pg2,...,pgn]T；步骤3.2：计算粒子适应值；对于第q个粒子，取第q个粒子的输出与期望输出之间的均方差为适应度F[q]：其中tq为通过三维定位系统测量得到的该组目标点的世界系三维坐标；yq为通过第q个粒子的位置得出连接权值vki、wjk和偏置阈值bk、bj后，利用神经网络前向传递计算得到的该组目标点的世界系三维坐标；对比适应度F[q]与粒子的个体极值Pbest，如果F[q]其中，ω为惯性权值，d∈(1,D)，q∈(1,n)，Vqd为粒子速度，Xqd为粒子位置，c1,c2为学习因子，r1,r2为在区间[0‑1]的随机数；步骤3.4：重复步骤3.2和步骤3.3，直至均方差小于设定值或达到最大循环次数，得到该组目标点对应的粒子位置；步骤3.5：重复步骤3.1～3.4，通过多组目标点进行训练，取得到的粒子位置的均值作为BP神经网络的连接权值vki、wjk和偏置阈值bk、bj初始值；步骤4：训练神经网络：步骤4.1：确定误差：设有p个输入样本，每个输入样本都是一个N维输入p个样本用χ1,χ2,...χh...,χp表示，其中第h个样本的平方型误差为：为期望输出，第h个样本对应的输出为P个样本的全局误差为：步骤4.2：学习调整输出层权值wjk：输出层权值调整量的计算公式如下：其中，η是学习效率，是全局误差对输出层权值的偏导；第h+1次权值调整的公式为：其中f2'(sj)为输出层激活函数的导数；步骤4.3：调整隐含层权值：则第h+1次隐含层权值调整的公式为：其中f1'(sk)为隐含层激活函数的导数；步骤4‑4：重复步骤4‑1～4‑3至训练结束，得到训练完成的神经网络；步骤5：获取某一点在左右相机图像系内的二维坐标，并以该二维坐标作为输入，输入训练完成的神经网络得到该点的世界系三维坐标。