排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
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.大量实验结果表明,该算法应用于基于位置的视觉定位时比基于梯度的方法运算速度更快,且鲁棒性更强. 相似文献
1