文献类型：期刊文章

作　　者：徐呈艺[1,2] 刘英[1] 肖轶[2] 曹健[2]

Xu Chengyi;Liu Ying;Xiao Yi;Cao Jian(College of Electronic and Mechanical Engineering,Nanjing Forestry University,Nanjing,Jiangsu 210037,China;College of Mechanical Engineering,Nantong Vocational University,Nantong,Jiangsu 226007,China)

机构地区：[1]南京林业大学机械电子工程学院,江苏南京210037 [2]南通职业大学机械工程学院,江苏南通226007

出　　处：《激光与光电子学进展》

基　　金：江苏省重点研发计划(产业前瞻与关键核心技术)项目(BE2019112);江苏省政策引导类计划(国际科技合作)项目(BZ2016028);江苏高校“青蓝工程”资助(2019);江苏省高等职业院校专业带头人高端研修资助项目(2019GRFX084);江苏省自然科学基金面上项目(BK20191209)。

年　　份：2020

卷　　号：57

期　　号：4

起止页码：338-344

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：相机标定是机器人视觉系统中实现精确定位的重要前提,针对传统相机标定精度不高的问题,提出基于改进粒子群算法的相机标定优化方法。该方法以张正友标定方法获得相机内参初始值,在不同迭代阶段实现对惯性参数非线性自适应调整,以平衡局部和全局搜索能力;对社会和自身学习率采用不同迭代阶段正余弦变化的动态自调整策略,进一步提高全局搜索能力与后期搜索精度;在粒子群快要陷入局部最优时,采用驱散机制扩大粒子群所在空间范围,避免算法过早收敛。实验结果表明,所提相机标定方法与传统标定方法相比具有较高的精度和较好的可重复性。

关 键 词：机器视觉 相机标定 粒子群优化 内参 自适应调整

分 类 号：TP391]