本發明提出了一種新的優化相機內參的方法，將全局優化能力強的樽海鞘算法與局部搜索能力強的自適應差分進化混合，提出了平均適應度值的概念對個體適應度值進行選擇，在個體適應度值小于平均適應度值時，用樽海鞘算法對參數進行優化，反之，在個體適應度值大于平均適應度值時用自適應差分進化算法對參數進行優化，簡化了計算復雜度，提高了搜索效率，在迭代后期應用變異，交叉因子增加種群多樣性。

技術領域

本發明涉及一種混合了樽海鞘算法和自適應差分進化算法的相機內參優化算法。

背景技術

在機器視覺中，為求解空間物體表面的三維幾何位置與其在圖像中對應點的關系，需建立相機成像的幾何模型，模型的參數就是相機參數。求解參數的過程即為相機標定，在機器視覺中，參數的標定是極其重要的環節，所求參數的精度及算法的穩定性在很大程度上決定了后期目標測量的準確性。

傳統的相機標定算法有直接線性變換(DLT)法，Tasi二步法，張正友標定法等。DLT實現容易，算法簡單，但是精度不高；Tasi二步法精度較高，但對設備要求高且實現復雜。

隨著自然啟發的群體智能優化算法的發展，一些改進的優化算法已被廣泛應用于視覺校準和檢測，徐呈藝等提出基于改進粒子群算法的攝像機內參數優化方法，該方法重投影誤差為0.0811，精度較高，但粒子群算法不穩定，易陷入局部最優；游江等提出了基于改進遺傳模擬退火的相機標定方法，該方法的重投影誤差為0.1398，優化精度也很高，但整個優化過程復雜，計算量較大，導致優化時間增加，優化效率下降。

張正友標定法：張正友標定法也稱棋盤格標定法，是指張正友教授1998年提出的單平面棋盤格的攝像機標定方法。該方法介于傳統的標定方法和自標定方法之間，采用旋轉矩陣的正交條件和攝像機標定中的非線性優化，使用簡單，實用性強，有以下優點：不需要額外的器材，一張打印的棋盤格即可。標定簡單，相機和標定板可以任意放置。角點明顯，但精度不足。

樽海鞘算法(Salp Swarm Algorithmic SSA)是一種元啟發式算法，樽海鞘算法是基于樽海鞘群的聚集行為由Mirjalili等人提出，用以模擬樽海鞘在海洋中游弋和覓食的過程，建立了樽海鞘鏈數學模型，將樽海鞘種群個體分為領導者和追隨者。領導者位于樽海鞘鏈前端，其余的被認為是追隨者。領導者引導種群，追隨者彼此跟隨。具有參數少、魯棒性高、結構簡單、收斂快等優點。它比一些傳統優化算法有著更好的全局優化效果，盡管樽海鞘算法在全局優化效果明顯，但在局部優化問題方面，易陷入局部最優。

自適應差法進化算法(Adaptive differential evolution ADE)：差分進化算法是Storn和Price于1997年提出的一種簡單且強大的算法。算法中有三個主算子，即“變異”、“交叉”和“選擇”，自適應差分進化是改變了差分進化算法中的參數SF、CR，進而改善了優化效果，引入自適應參數的差分進化算法稱為自適應差分進化算法。

發明內容

為避免相機標定計算陷入局部最優，本發明將局部搜索能力強的自適應差分進化算法與樽海鞘算法融合，用以提高相機標定的精度和穩定性。

本發明提出了一種新的優化相機內參的方法，將全局優化能力強的樽海鞘算法與局部搜索能力強的自適應差分進化算法混合，提出了平均適應度值的概念對個體適應度值進行選擇，在個體適應度值小于平均適應度值時，用樽海鞘算法對參數進行優化；反之，在個體適應度值大于平均適應度值時，用自適應差分進化算法對參數進行優化。簡化了計算復雜度，提高了搜索效率。在迭代后期應用變異，交叉因子增加種群多樣性。其步驟如下：

1、讀取圖片：利用攝影設備拍攝標定板照片，所用標定模板為黑白相間的棋盤格，共10×8個方格，每個方格尺寸為50mm×50mm。選取了15張不同角度的標定圖片，用MATLAB中imread函數讀取標定圖片。

2、灰度化處理：應用MATLAB中的rgb2gray函數進行圖片灰度化處理。