第 ３２卷 第 ４期
２０１０年 ８月
光 学 仪 器
ＯＰＴＩＣＡＩ ＩＮＳＴＲＵＭ ＥＮＴＳ
Ｖｏ１．３２．Ｎｏ．４
Ａｕｇｕｓｔ，２０１０
文章编 号 ：１００５—５６３０（２０１０）０４—０００６～０５
基于 ＭＰＳＯ—ＢＰ算法的摄像机标定的应用研究
李 广，陈照章
（江苏大学 电气信息工程学 院，江苏 镇江 ２１２０１３）
＊
摘要 ：摄像机标定在光 学应 用 系统中是 一个必不 可 少的 步骤 ，大量的 直接 信 息都 来源 于图像 。
为获得精确 的摄像 头内外参数 ，提 出一种 利 用改进粒子群 算 法训 练小波神 经 网络进行摄像 机 标
定的方法。该算法中引入随机粒子群机制 ，可以有效地克服传统算法收敛速度慢 、易陷于局部
极小值 等缺 点。标 定实例 仿真 和分析表 明，该算法在 收敛速 度、计算精度 和 平均 收敛 性能 方 面
都有较 大改进 ，可有效确 定摄 像机 的 内外参数 。
关键词 ：ＰＳＯ算法；摄像 机标 定 ；随机粒子群 ；小波神经 网络
中图分类 号 ：ＴＰ ２４２ ６；ＴＰ ３９１４ 文献标 识码 ：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｒＬ １００５ ５６３０．２０１０．０４．００２
Ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｃａｍｅｒａ ｃａｌｉｂｒａｔｉｏｎ ｂａｓｅｄ ｏｎ Ｍ ＰＳＯ－ＢＰ ａｌｇｏｒｉｔｈｍ
ＬＩ Ｇｕａｎｇ ，ＣＨ ＥＮ Ｚｈａｏｚｈａｎｇ
（Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉａｎｇｓｕ Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ ２１２０１３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｃａｍｅｒａ ｃａｌｉｂｒａｔｉｏｎ ｉｓ ａｎ ｅｓｓｅｎｔｉａｌ ｓｔｅｐ ｉｎ ｏｐｔｉｃａｌ ａｐｐｌｉｃａｔｉｏｎｓ， ａ ｌａｒｇｅ ｎｕｍｂｅｒ ｏｆ
ｄｉｒｅｃｔ ｉｎｆｏｒｍａｔｉｏｎ ｃｏｍｅｓ ｆｒｏｍ ｔｈｅ ｉｍａｇｅ． Ｉｎ ｏｒｄｅｒ ｔｏ ｏｂｔａｉｎ ａｃｃｕｒａｔｅ ｉｎｔｅｒｎａｌ ａｎｄ ｅｘｔｅｒｎａｌ
ｃａｍｅｒａ ｐａｒａｍｅｔｅｒｓ，Ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａ ｍｅｔｈｏｄ ｕｓｉｎｇ ｉｍ ｐｒｏｖｅｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ａｌｇｏｒｉｔｈｍ ｔｏ
ｔｒａｉｎ ｗａｖｅｌｅｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｆｏｒ ｃａｍ ｅｒａ ｃａｌｉｂｒａｔｉｏｎ． Ｔｈｅ ｉｎｔｒｏｄｕｃｔｉｏｎ ｏｆ ｒａｎｄｏｍ ｐａｒｔｉｃｌｅ
ｓｗａｒｍ ａｌｇｏｒｉｔｈｍ ｉｓ ａ ｍｅｃｈａｎｉｓｍ ｔｈａｔ ｃａｎ ｅｆｆｅｃｔｉｖｅｌｙ ｏｖｅｒｃｏｍｅ ｉｎ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ａｌｇｏｒｉｔｈｍ ，
ｓｕｃｈ ａｓ ｓｌｏｗ ｃｏｎｖｅｒｇｅｎｃｅ ａｎｄ ｓｏ ｅａｓｉｌｙ ｃａｕｇｈｔ ｉｎ ｌｏｃａｌ ｍｉｎｉｍｕｍ ａｎｄ ＳＯ ｏｎ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ａｎｄ
ａｎａｌｙｓｉｓ ｉｎｄｉｃａｔｅｓ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｈａｓ ｉｍｐｒｏｖｅｄ ｇｒｅａｔｌｙ ｉｎ ｃｏｎｖｅｒｇｅｎｃｅ ｓｐｅｅｄ，ａｃｃｕｒａｃｙ ａｎｄ
ｔｈｅ ａｖｅｒａｇｅ ｃｏｎｖｅｒｇｅｎｃｅ ｐｅｒｆｏｒｍａｎｃｅ，ｗｈｉｃｈ ｃａｎ ｅｆｆｅｃｔｉｖｅｌｙ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｉｎｔｅｒｎａｌ ａｎｄ ｅｘｔｅｒｎａｌ
ｃａｍ ｅｒａ ｐａｒａｍ ｅｔｅｒｓ．
Ｋｅｙ ｗｏｒｄｓ：ＰＳＯ ａｌｇｏｒｉｔｈｍ ；ｃａｍｅｒａ ｃａｌｉｂｒａｔｉｏｎ；ｒａｎｄｏｍ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ；ｗａｖｅｌｅｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ
引 言
摄像机标定在摄像机应用系统中是一个关键步骤 。三维空间点的 ３Ｄ儿何位置和二维图像中相应 的
点之间的关系是由相机成像 的几何模型所决定的。在此模型中的参数称为摄像机参数，包括摄像头的内
在几何和光学特性（内参数）和摄像机在世界坐标系统的三维位置和方向（外部参数）。这些参数都必须
通过一定的实验和计算获得 ，这一过程被称为摄像机标定 。
目前 ，摄像机标定的方法 已有很多 ，如传统的线性标定 、基于神经 网络的标定和基于 ＰＳＯ算法的标
定 ，这些方法都存在不足的地方 。因此 ，在运用改进粒子群（ｍｏｄｉｆｉｅｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚｅｒ，ＭＰＳＯ）算
收稿 日期 ：２００９—１２—２３
作者简介：李 广 （１９８５），男 ，山东临沂人 ，硕士研究生 ，主要从事汽车防撞系统中双 日立体视觉系统的摄像机标定技术方面的研究。
资源评论
