基于LS-SVM的立体视觉摄像机标定

被引:11
作者
刘胜
傅荟璇
王宇超
机构
[1] 哈尔滨工程大学自动化学院
基金
黑龙江省自然科学基金;
关键词
摄像机标定; 最小二乘支持向量机; 立体视觉; BP神经网络;
D O I
暂无
中图分类号
TP274.5 []; TP181 [自动推理、机器学习];
学科分类号
摘要
利用最小二乘支持向量机来直接学习图像信息与三维信息之间的关系,不需确定摄像机具体的内部参数和外部参数。在双目视觉的情况下,两摄像机的位置关系不需具体求出,而是隐含在映射关系中。根据最小二乘支持向量机与摄像机标定的特点,提出了基于最小二乘支持向量机的双目立体摄像机标定方法。将摄像头采集到的图像的像素坐标作为输入,将世界坐标作为输出,用最小二乘支持向量机使网络实现给定的输入输出映射关系。该方法同BP神经网络预测结果对比表明:基于最小二乘支持向量机的双目视觉标定方法速度快,实时性好,能有效提高标定精度。
引用
收藏
页码:21 / 25+47 +47
页数:6
相关论文
共 5 条
[1]   自适应GA-SVM参数选择算法研究 [J].
刘胜 ;
李妍妍 .
哈尔滨工程大学学报, 2007, (04) :398-402
[2]   基于支持向量机的锅炉过热系统建模研究 [J].
刘胜 ;
李妍妍 .
热能动力工程, 2007, (01) :38-41+109
[3]   摄像机神经网络标定技术 [J].
赵清杰 ;
孙增圻 ;
兰丽 ;
不详 .
控制与决策 , 2002, (03) :336-338+342
[4]  
计算机视觉[M]. 科学出版社 , 马颂德, 1998
[5]  
Robust Camera Calibration Using Neural Network .2 Jun J,Kim C. Proceeding IEEE Region 10 Conference TENCON IEEE . 1999