基于改进Harris角点提取的摄像机神经网络标定技术

被引：8

作者：

崔岸

袁智

王丹

张海鹏

机构：

[1] 吉林大学汽车动态模拟国家重点实验室

来源：

农业机械学报 | 2009年 / 40卷 / 08期

关键词：

摄像机标定; 神经网络; Harris角点; 泛化;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

以前馈型BP神经网络进行双目立体视觉系统的摄像机标定研究,基于Harris角点提取,提出了增加约束的改进方法,从而提高网络训练样本集的数据精度;探讨了神经网络的欠泛化、过泛化问题,综合运用归一化、提前终止等多种策略,进一步提高网络泛化能力,并与经典标定方法进行对比。试验结果表明,该方法能够获得较高的摄像机标定精度。

引用

页码：214 / 218

页数：5

共 6 条

[1] 摄像机参数的三线性插值误差补偿标定方法 [J].

崔岸 ;

刘业峰 ;

袁智 ;

王龙山 .

农业机械学报, 2008, (10) :187-190

[2] 一种新的棋盘格图像角点检测算法 [J].

刘阳成 ;

朱枫 .

中国图象图形学报, 2006, (05) :656-660

[3] 利用SUSAN算子的特征复合相关跟踪算法 [J].

杨皞昀 ;

张桂林 .

红外与激光工程, 2000, (04) :34-37

[4] “两步法”求取双目视觉传感器中摄象机位置关系 [J].

张健新 ;

段发阶 ;

叶声华 .

光电工程, 1998, (05) :38-42

[5]

神经网络模型及其MATLAB仿真程序设计[M]. 清华大学出版社 , 周开利, 2005

[6]

The use of feedforward neural networks for machine vision calibration[J] . Mark B Lynch,Cihan H. Dagli,Mahesh Vallenki.International Journal of Production Economics . 1999

← 1 →