發(fā)布時間：2021-06-14 03:48

　　針對大視場雙目相機標定中的精度低和非線性畸變問題,提出了一種結合BP神經網絡的大尺寸虛擬靶標標定技術。鑒于單角點棋盤格具有易制作、高精度的特性,構建大尺寸虛擬靶標;利用神經網絡的非線性映射能力直接建立角點的像素坐標和世界坐標映射關系;用建立的映射網絡對測試樣本進行三維重建,并與傳統(tǒng)的線性標定方法進行對比實驗。結果表明,該方法操作簡單,且重建距離相對誤差為0.92%,優(yōu)于傳統(tǒng)的線性標定方法,可用于大視場雙目相機標定。 

【文章來源】：光學技術. 2017,43(04)北大核心CSCD

【文章頁數】：5 頁

【部分圖文】：

圖１雙目相機傳感器模型得到

的局限性，提出基于神經網絡的虛擬靶標大視場雙目標定方法。２．１單角點棋盤格構建虛擬靶標的方法標定的高精度往往依附于靶標在相機視野中的覆蓋率，隨著靶標在視野中覆蓋率的下降，標定精度急速降低。然而，大面積的標定靶標制造加工困難而且不易操作，對實驗造成一定的困難。為此，本文提出一種虛擬立體大尺寸靶標的構建方法。將打印的單角點靶標粘貼在三坐標測量機探頭上，用相機拍攝探頭在某豎直平面內不同位置處單角點靶標的圖像。下一平面進行同樣操作，所得到的所有圖像即為虛擬靶標。單角點棋盤格圖形如圖２所示，構建虛擬靶標過程如圖３所示，靶標整體效果如圖４所示。２．２ＢＰ神經網絡的相機標定原理根據Ｋｏｌｍｏｇｏｒｏｖ定理和ＢＰ定理可知一個三層的ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）神經網絡在理論上可以逼近任何函數。ＢＰ網絡能學習和存貯大量的輸入－輸出模式映射關系，而無需事先揭示描述這種映射關系的數學方程。ＢＰ神經網絡模型拓撲結構包括輸入層（Ｉｎｐｕｔ－ｌａｙｅｒ）、隱層（Ｈｉｄｄｅｎｌａｙｅｒ）和輸出層（Ｏｕｔｐｕｔｌａｙ－３１５第４期劉小娟，等：基于神經網絡的虛擬靶標大視場雙目相機標定技術

圖２單角點靶標圖３構建虛擬靶標圖４虛擬靶標效果圖ｅｒ），是一種多層前饋網絡，其結構如圖５所示。圖５神經網絡拓撲結構圖本文方法將左、右相機的像素坐標作為輸入節(jié)點的初始值，故輸入層有４個節(jié)點；靶標的三維坐標作為輸出節(jié)點的值，故輸出層有３個節(jié)點。隱層設為ｌ個節(jié)點，輸入向量［ｘ１，ｘ２，ｘ３，ｘ４］，ｗｊｉ為第ｊ（ｊ＝１，２，…，ｌ）點與輸入層第ｉ（ｉ＝１，２，３，４）個節(jié)點的連接權值。則第ｊ個隱層節(jié)點的輸入值可表示為ＮＥＴｊ＝∑４ｉ＝１（ｘｉ×ｗｊｉ）（７）Ｏｊ＝ｆ１（ＮＥＴｊ）（８）隱層節(jié)點的作用函數ｆ１通常選�。笮妥儞Q函數，設輸出層節(jié)點ｋ與隱層節(jié)點ｊ的連接權值為ｗｋｊ，輸出層節(jié)點的作用函數ｆ２通常選用線性變換函數，則輸出層節(jié)點ｋ的輸出為ｙｋ＝ｆ２（∑ｌｊ＝１（ｗｋｊ×Ｏｊ）（９）誤差函數采用均方誤差函數，對所有樣本，總誤差為Ｅ＝１２∑３ｐ＝１∑４ｋ＝１（ｙｋｐ－＾ｙｋｐ）２（１０）３實驗結果及分析本實驗的實驗設備如圖６所示，主要包括美國Ｂｒｏｗｎ＆Ｓｈａｒｐｅ公司Ｇｌｏｂａｌ系列三坐標測量機一臺，其測量范圍為：７００ｍｍ×１０００ｍｍ×６６０ｍｍ；廣州精譜徠公司Ｇ１ＧＤ０５Ｃ型號的相機兩臺，該產品分辨率為６４０×４８０像素，幀率１３０ｆｐｓ；單角點靶標一個；三腳架兩個；ＰＣ機一臺以及千兆網ＧＩＧＥ接口數據線三條等。為對比分析本文方法的性能，采用目

【參考文獻】：
期刊論文
[1]基于非參數測量模型的攝影測量方法研究[J]. 隆昌宇,邾繼貴,郭寅,林嘉睿,葉聲華.  光學學報. 2014(12)
[2]大尺寸攝影測量局部參數優(yōu)化相對定向方法[J]. 李巍,董明利,孫鵬,王君,燕必希.  儀器儀表學報. 2014(09)
[3]無海面控制點的立體攝影海浪測量方法研究[J]. 姜文正,袁業(yè)立,王英霞.  物理學報. 2012(11)
[4]數字近景攝影大尺寸三坐標測量系統(tǒng)V-STARS的測試與應用[J]. 黃桂平,欽桂勤,盧成靜.  宇航計測技術. 2009(02)
[5]基于神經網絡的立體視覺攝像機標定[J]. 呂朝輝,張兆楊,安平.  機械工程學報. 2003(09)

碩士論文
[1]基于雙目立體視覺的大型柔性結構在軌振動測量研究[D]. 張春芳.哈爾濱工業(yè)大學 2014



本文編號：3229002