[發明專利]一種基于多種群粒子并行結構算法的機器人相機標定方法

有效

• 申請號: 202011270640.6
• 申請日: 2020-11-13
• 公開（公告）號: CN112381885B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 王耀南;安果維;毛建旭;朱青;張輝;譚建豪;唐永鵬
• 申請（專利權）人: 湖南大學
• 主分類號: G06T7/80
• 分類號: G06T7/80;G06N3/00;G06Q10/04
• 代理公司: 長沙市護航專利代理事務所(特殊普通合伙) 43220
• 代理人: 莫曉齊

1.一種基于多種群粒子并行結構算法的機器人相機標定方法，其特征在于，包括以下步驟：

S100、獲取標定板圖像，利用張正友相機標定法獲取相機參數的初始值；

S200、根據所述初始值，隨機生成M個不同位置的粒子，并將其均勻分為3個粒子群組G₁,G₂,G₃；

S300、分別計算G₁,G₂,G₃中每個粒子的適應度函數值，并將每個粒子的當前位置設為個體最優位置，將對應的適應度函數值設為個體最優值，在所有個體最優值里計算出最小值作為全局最優值，對應的粒子位置為全局最優位置，其中，適應度函數值為|| ||為二維范數，代表兩點間的歐幾里得距離，其中m，n分別為相機標定模板包含的檢測角點的列數與行數，點p為世界坐標系下的檢測角點，p_ij為檢測角點提取得到的像素坐標，p(A,R,T,P)為點p通過相機成像模型得到的像素坐標，A為相機內參；

S400、計算G₁,G₂,G₃每個粒子群組的平均粒距，判斷G₁,G₂,G₃每個粒子群組的平均粒距是否小于設定的最小粒距，若是，則執行變異操作；否則轉向步驟S500，其中，G₁,G₂,G₃中每個粒子群組的平均粒距通過如下公式計算：

式中，Z為每個粒子群組搜索空間對角的最大長度，M為設定不同位置粒子的個數，h為粒子解空間的維數，X_ij為第i個粒子在第j維的坐標值，為所有粒子在第j維的坐標的平均值，INT()是將一個要取整的實數向下取整為最接近的整數的函數，為克服算法的早熟收斂問題，設定自適應變異率為δ，則：

式中，為設定值；

S500、將3個粒子群組 G₁,G₂,G₃分別按照式(1)，(2)，(3)對粒子的速度和位置進行更新迭代，其中，設定每個粒子群組最大迭代次數為N，設定3個粒子群組G₁,G₂,G₃迭代公式分別為：

其中，k為當前迭代次數，v_i為粒子群組中第i個粒子當前速度，X_i為第i個粒子當前位置，pbest_i為個體最優值，gbest為全局最優值，w,c₁,c₂分別為慣性因子，局部學習因子與全局學習因子，則：

X_i(k+1)＝X_i(k)+c₁·randt+c₂·(gbest(k)-X_i(k)) (2)

其中，randt為t分布隨機數，則：

S600、判斷全局最優值在設定迭代次數內是否有明顯變化，若是，則進入步驟S700；反之，則執行變異操作；

S700、根據粒子最近幾次迭代最優適應度函數值的變化情況，分別對3個粒子群組 G₁,G₂,G₃進行慣性因子的更新；

S800、判斷是否達到步驟S500設定的最大迭代次數，如果已經達到,則算法停止，輸出最終獲得的全局最優值與全局最優位置，此時的全局最優位置即為相機標定參數的精確值；反之，則返回步驟S200。

2.根據權利要求1所述的基于多種群粒子并行結構算法的機器人相機標定方法，其特征在于，所述變異操作具體包括如下過程：

步驟1：根據粒子適應度函數值的大小對粒子群組內所有粒子進行排序，取適應度函數值最好的l個粒子，對應產生l個分布于[0,1]之間的隨機數r_t，t∈[1,l]；

步驟2：判斷如果r_t＜δ，則依照公式X_k+1＝X_k·(1+0.8α²)產生新的粒子位置，且新的粒子位置為該粒子的歷史最優位置，其中，α為服從t分布的隨機數。