针对动态自标定的问题,提出了一种改进的基于粒子群优化(PSO)的自标定位置视觉定位算法。首先对本质矩阵进行奇异值分解,依据3个奇异值的特性在线生成目标函数,在进行动态自标定的同时,完成视觉伺服。算法抛弃了Chesi G方法中对初值选取极为敏感的基于梯度下降的方法,采用PSO动态优化摄像机内参数。该方法的主要优点是在线优化时对摄像机参数初值并不敏感,并克服了Chesi G方法中要求摄像机内参数不可变的限制,只需离线给出5个内参数的粗略范围。另外算法不需要物体精确的3维模型,只需8个空间固定点的坐标信息。大量
