差分遗传算法优化BP神经网络的双目相机标定

张峰峰，陈龙，薛保珊，闫晓剑，孙立宁

(1.苏州大学 机电工程学院，江苏 苏州 215006；2.苏州大学 苏州纳米科技协同创新中心，江苏 苏州 215123)

近年来，双目立体视觉在机械制造、定位、测距以及三维重建等领域有着越来越广泛的应用，相比于单目立体相机，它能够获取更多目标深度信息[1-3]。双目立体视觉主要利用视差原理对从不同位置获取的2幅图像上的同名点之间的位置偏差进行计算，从而获得目标物体的三维信息[4]。双目相机的标定是基于双目立体视觉进行三维重建、视觉检测等研究的重要环节，因此自动、高精度的双目相机标定是实现高精度双目视觉三维重建、定位等功能的重要前提[5-7]。

双目相机的标定决定了双目立体视觉成像系统的内、外部参数，相比于单目立体相机，其标定过程比较繁琐，对算法优化和目标变化的要求更高[8-9]。目前所存在的双目相机标定方法大多依赖于精确的成像数学模型，对成像过程中各种非线性畸变因素考虑较少。人工神经网络是人工智能领域近年来发展起来的一种新技术，它具有很强的自适应、自学习以及强大的非线性映射能力[10]。在双目相机标定过程中，相比于传统的相机标定方法，它无需确定相机的内部和外部参数，也无需了解相关的相机的成像模型，直接建立二维的相机像素坐标与物体的三维真实世界坐标的映射关系，并且将所有的非线性因素都包含在神经网络中，作为一种隐式标定。……