量子粒子群优化算法在摄像机标定中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 200-203.

量子粒子群优化算法在摄像机标定中的应用

郁钱，孙俊，须文波

江南大学信息工程学院，江苏无锡 214122

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

Application of Quantum-Behaved Particle Swarm Optimization in camera calibration

YU Qian，SUN Jun，XU Wenbo

School of Information Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： 摄像机标定是三维重构中最关键的一步，它的精度直接决定了三维重构结果的逼真程度。为了能够提高摄像机标定的精度，克服传统优化算法易陷入局部最小，反投影误差大等缺点，首次将量子粒子群优化算法（Quantum-Behaved Particle Swarm Optimization，QPSO）应用于摄像机标定中。该方法利用传统的线性方法求得初始值，利用QPSO对初始值进行优化。实验数据表明，基于QPSO的摄像机标定的平均反投影误差小于一个像素，是一种可行的方法，且与智能优化算法PSO相比，基于QPSO的摄像机标定具有更小的误差。

关键词: 三维重构, 最子粒子群优化算法（QPSO）, 量子粒子群优化算法, 摄像机标定

Abstract: Camera calibration is a key step in three-dimensional reconstruction，which directly determines the accuracy of 3D reconstruction.This paper firstly applies the Quantum-Behaved Particle Swarm Optimization to camera calibration in order to improve the accuracy and overcome the drawbacks of traditional optimization algorithm，such as local-optima inclination and poor back-projection error.Firstly，this method uses the traditional linear method to achieve the initial value，and then optimizes the initial value with QPSO.Experimental data show that camera calibration based on QPSO has less average back-projection error than a pixel and is an effective and reliable method.Experiment also shows that this approach has lower error than the one based on PSO.

Key words: three-dimensional reconstruction, Quantum-Behaved Particle Swarm Optimization（QPSO）, Quantum-Behaved Particle Swarm Optimization, camera calibration

郁钱，孙俊，须文波. 量子粒子群优化算法在摄像机标定中的应用[J]. 计算机工程与应用, 2011, 47(14): 200-203.

YU Qian，SUN Jun，XU Wenbo. Application of Quantum-Behaved Particle Swarm Optimization in camera calibration[J]. Computer Engineering and Applications, 2011, 47(14): 200-203.

[1]	汪军，周鸣争，强俊. 基于力反馈设备的文检虚拟触摸鉴定方法[J]. 计算机工程与应用, 2014, 50(9): 130-134.
[2]	刘俸材1，2，李爱迪1，2，马泽忠1，2. 基于投影仪和摄像机的结构光视觉标定方法[J]. 计算机工程与应用, 2014, 50(24): 168-172.
[3]	孙博轩1，魏志光2，梁军2，肖琳3. 用于单目视觉的路径失真矫正系统设计与实现[J]. 计算机工程与应用, 2014, 50(14): 180-184.
[4]	李一波，申晓玲，刘艳梅，王新星. 采用计算机视觉进行室内飞艇定位的方法研究[J]. 计算机工程与应用, 2013, 49(9): 176-179.
[5]	李新华1，程涛军1，马春1，孙南1，王俊青2. 基于线结构光和足底扫描的足部参数测量研究[J]. 计算机工程与应用, 2013, 49(18): 260-264.
[6]	刘光帅，李柏林，何朝明. 多视三维重构中连续能量模型的凸优化[J]. 计算机工程与应用, 2013, 49(1): 19-22.
[7]	黄麟1，奚茂龙1，孙俊2. 改进QPSO算法的移动机器人轨迹跟踪控制方法[J]. 计算机工程与应用, 2012, 48(34): 230-236.
[8]	齐名军，杨爱红. 基于云模型云滴机制的量子粒子群优化算法[J]. 计算机工程与应用, 2012, 48(24): 49-52.
[9]	潘亚宾，刘国栋. 直线运动摄像机在线动态标定[J]. 计算机工程与应用, 2012, 48(2): 188-190.
[10]	李畅1，李熙2，朱爱琴1，李奇3. 城市建筑物框架轮廓三维自动重构研究[J]. 计算机工程与应用, 2011, 47(8): 4-6.
[11]	郑俊，龚声蓉，刘纯平. 一种使用校正模板的非线性摄像机标定方法[J]. 计算机工程与应用, 2011, 47(31): 192-196.
[12]	郭阳，张祥德. 未标定的非共面P4P解数的研究[J]. 计算机工程与应用, 2011, 47(27): 168-171.
[13]	廉小磊，贺利乐，张颖. 基于粒子群算法的双目立体视觉系统标定[J]. 计算机工程与应用, 2011, 47(24): 202-204.
[14]	芮挺，马光彦，廖明，甄树新. 模拟退火粒子群优化双目立体测量方法[J]. 计算机工程与应用, 2011, 47(22): 160-163.
[15]	毛亮，薛月菊，邹湘军，刘国英，卢启福. 基于Moore-Penrose广义逆修正的摄像机标定方法[J]. 计算机工程与应用, 2011, 47(20): 194-196.