[发明专利]基于粒子群优化算法的摄像机自标定方法及装置

权利要求书

1.一种基于粒子群优化算法的摄像机自标定方法，其特征在于，包括：

获取待标定的摄像机拍摄的多幅图像，利用SURF算法提取所述多幅图像的特征点；

对所述多幅图像的特征点进行相似性度量，得到相互匹配的匹配特征点；

基于粒子群优化算法，利用所述匹配特征点及所述摄像机的非线性模型，获得所述摄像机参数的解集合；

其中，获取待标定的摄像机拍摄的多幅图像，包括：

获取待标定的摄像机在待标定区域拍摄的至少两幅图像，所述至少两幅图像之间有重叠区域，所述至少两幅图像包括第一图像以及第二图像；

所述利用SURF算法提取所述多幅图像的特征点包括获得每个特征点的特征点描述算子，所述特征点描述算子用特征向量表示，

所述对所述多幅图像的特征点进行相似性度量，得到相互匹配的匹配特征点，包括：

利用所述第一图像上的所有特征点的特征向量与所述第二图像上的所有特征点的特征向量，依次将所述第一图像中的每一个特征点作为待匹配的特征点，依次计算所述第一图像上的待匹配的特征点到第二图像上的所有特征点的欧氏距离，分别得到与所述第一图像上的待匹配的特征点对应的距离集合；

计算所述距离集合中的最小欧式距离与次小欧式距离的比值，若所述比值小于预设阈值，则判定所述第二图像中与所述待匹配的特征点具有最小欧式距离的对应的特征点为所述待匹配特征点的匹配特征点，若所述比值大于所述预设阈值，则在所述第二图像中没有特征点与所述第一图像中的待匹配特征点匹配。

2.根据权利要求1所述的方法，其特征在于，所述粒子群优化算法中计算适应度值的适应度函数为：

其中，N为粒子总个数，i代表当前搜索到第i个粒子，(x_w(i)，y_w(i)，z_w(i))表示第一图像中的第i个特征点所对应的三维空间的位置参数，(x_w(i)′，y_w(i)′,z_w(i)′)表示与该特征点对应的第二图像中的匹配特征点所对应的三维空间的位置参数，所述匹配点三维空间的位置参数利用摄像机的线性模型求得。

3.根据权利要求2所述的方法，其特征在于，所述摄像机参数包括摄像机的内参数K、外参数R、T以及畸变参数，所述粒子群优化算法包括初始化粒子的个数、粒子搜索空间的维数，所述粒子的个数等于相互匹配的匹配特征点的组数，所述空间的维数等于摄像机参数的个数。

4.根据权利要求3所述的方法，其特征在于，所述粒子群优化算法中包括全局最优位置、每个粒子的位置向量、每个粒子的速度向量以及每个粒子的个体最优位置，所述位置向量为代表各种摄像机参数的向量，所述速度向量代表相应的位置向量的改变速度，所述个体最优位置表示当前粒子的摄像机参数的最优解，所述全局最优位置为在所有粒子中搜索到的摄像机参数的最优解。

5.根据权利要求4所示的方法，其特征在于，所述粒子群优化算法中，比较当前粒子的当前步数对应的适应度值是否小于当前粒子经过的所有的适应度值，

若否，根据所述当前粒子的约束条件判断是否更新所述当前粒子的位置向量及速度向量；

若是，将所述当前粒子的当前步数所对应的粒子的位置向量存储为所述当前粒子的个体最优位置向量，并且将所述当前粒子的当前的适应度值与当前所保存的所述全局最优位置对应的适应度值比较，若所述当前粒子的当前的适应度值较小，将所述当前粒子的个体最优位置存储为全局最优位置。