喬德軍　張延軍　石磊娜

摘 要 為了提高雙目立體視覺傳感器的測量精度，采用最優(yōu)回歸設(shè)計(jì)，建立雙目立體視覺傳感器的結(jié)構(gòu)參數(shù)優(yōu)化模型，并運(yùn)用遺傳算法對(duì)建立的優(yōu)化模型進(jìn)行求解.通過GA算法的優(yōu)化，雙目立體視覺傳感器的測量精度有了較大幅度的提高，優(yōu)于傳統(tǒng)方法的結(jié)果.

關(guān)鍵詞 雙目立體視覺傳感器；遺傳算法；最優(yōu)回歸設(shè)計(jì)；種群大??；交叉概率；變異概率

中圖分類號(hào) TP39141 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1000-2537（2014）06-0053-04

Abstract In order to improve the measurement accuracy of binocular stereo vision sensor， by using optimal regression design， the structural parameters optimization model of binocular stereoscopic vision sensor is established， which is solved by the genetic algorithm. Measurement precision of binocular stereo vision sensor is greatly improved and better than the result of traditional method.

Key words binocular stereo visual sensor； genetic algorithm； optimal regression design； population size； crossover probability； mutation probability

隨著計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展，視覺傳感器得到了越來越廣泛的應(yīng)用，尤其是立體視覺傳感器由于原理直觀、結(jié)構(gòu)簡單、使用方便、測量精度較高、測量速度快等諸多優(yōu)點(diǎn)，已經(jīng)大量地應(yīng)用于工業(yè)檢測、目標(biāo)識(shí)別、工件定位、機(jī)器人引導(dǎo)等領(lǐng)域[1].

雙目立體視覺傳感器通常由位于同一平面、互成一定角度的兩臺(tái)攝像機(jī)組成，其結(jié)構(gòu)參數(shù)對(duì)其測量精度有直接的影響.目前大多數(shù)雙目立體視覺傳感器的結(jié)構(gòu)搭建是根據(jù)人們的經(jīng)驗(yàn)來選擇，結(jié)構(gòu)參數(shù)很少有可借鑒的理論依據(jù)[2].

為了提高雙目立體視覺傳感器的測量精度.本文先采用最優(yōu)回歸設(shè)計(jì)，建立雙目立體視覺傳感器的結(jié)構(gòu)參數(shù)優(yōu)化模型，再運(yùn)用遺傳算法對(duì)建立的優(yōu)化模型進(jìn)行求解，從而提高雙目立體視覺傳感器的測量精度.

1 雙目立體視覺傳感器參數(shù)

雙目立體視覺傳感器由兩臺(tái)CCD攝像機(jī)組成，如圖1所示.兩臺(tái)攝像機(jī)水平交向放置，o、o′分別為兩攝像機(jī)的透視中心，坐標(biāo)原點(diǎn)設(shè)在o點(diǎn)，空間點(diǎn)p（x，y，z）在 xoz 面上的投影為 p′.左右攝像機(jī)圖像坐標(biāo)系分別為 O1X1Y1 和 O2X2Y2；經(jīng)過左像平面中心 O1和透鏡中心 o 的直線是左側(cè)攝像機(jī)光軸 O1o，經(jīng)過右像面中心 O2 和透鏡中心 o′的直線是右側(cè)攝像機(jī)光軸O2o′；兩攝像機(jī)光軸與基線的夾角分別為 α0 和 β0，兩攝像機(jī)的透鏡中心連線oo′為基線，基線距離記為 B，攝像機(jī)的焦距分別為 f1 和 f2，被測物體到基線的垂直距離為 H[3].

據(jù)上述分析，雙目視覺傳感器的結(jié)構(gòu)參數(shù)主要包括：兩攝像機(jī)光軸與基線的夾角、基線距離、攝像機(jī)有效焦距和被測物體到基線的垂直距離，它們之間不是獨(dú)立變化的，而是存在一定約束關(guān)系[4].本文中兩攝像機(jī)對(duì)稱擺放，兩攝像機(jī)光軸與基線的夾角相等，即 α0=β0=α，兩攝像機(jī)的焦距為固定值，選擇 f1=f2=25 mm.因此，需要優(yōu)化的參數(shù)為：攝像機(jī)光軸與基線的夾角、基線距離和被測物體到基線的垂直距離.

2 最優(yōu)回歸設(shè)計(jì)模型

根據(jù)對(duì)雙目立體視覺傳感器結(jié)構(gòu)圖的分析，發(fā)現(xiàn)有3個(gè)參數(shù)需要進(jìn)行優(yōu)化設(shè)計(jì)，因此采用最優(yōu)回歸設(shè)計(jì)中的311-A方案進(jìn)行實(shí)驗(yàn).它將3 個(gè)因素（即參數(shù)x1，x2 和 x3）的不同取值分成 11 個(gè)組合，以形成 11 組實(shí)驗(yàn)，每組實(shí)驗(yàn)中 3 個(gè)參數(shù)的取值是用編碼值來確定的[5-8].最優(yōu)回歸設(shè)計(jì) 311-A 方案的編碼值見表1.

4 遺傳算法的雙目傳感器結(jié)構(gòu)參數(shù)的優(yōu)化

4.1 遺傳算法的概述

遺傳算法（Genetic Algorithm ） 是由美國Holland 教授提出的一類借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法.它起源于達(dá)爾文的進(jìn)化論， 是模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過程的計(jì)算模型，其主要步驟如下（圖2）：

（1）生成初始種群；

（2）計(jì)算初始種群中每個(gè)個(gè)體的適應(yīng)度，并判是否符合優(yōu)化條件.如果符合，則輸出相應(yīng)的最優(yōu)解，否則執(zhí)行下列步驟；

（3）根據(jù)適應(yīng)度的大小，選擇個(gè)體，適應(yīng)度越高被選中幾率越大，反之則可能淘汰；

（4）按照一定的交叉方法和交叉概率Pc執(zhí)行交叉操作；

（5）按照一定的變異方法和變異概率Pm執(zhí)行變異操作；

（6）返回上述步驟（2）.

4.3 基于遺傳算法的優(yōu)化

運(yùn)用Matlab軟件，編制遺傳算法優(yōu)化程序，設(shè)置相應(yīng)的參數(shù)，初始種群大小為20，交叉概率為0.6，變異概率為0.08，最大遺傳代數(shù)為1 000.仿真求解得到最優(yōu)結(jié)果：x1=0.066 5，x2=0.287 6，x3=0.991 7，求解結(jié)果收斂圖如圖3所示.

再將最優(yōu)編碼值轉(zhuǎn)化成具體參數(shù)，最佳的參數(shù)組合為B=41.168，H=31.777，α=57.86°.

根據(jù)遺傳算法優(yōu)化后的參數(shù)值組合，調(diào)節(jié)視覺傳感器的結(jié)構(gòu)參數(shù)，進(jìn)行驗(yàn)證實(shí)驗(yàn)，測得量塊的高度值為8.901，比文獻(xiàn)[14]中的測量精度有較大提高.

5 結(jié)論

為了提高雙目立體視覺傳感器的測量精度，本文首先采用最優(yōu)回歸設(shè)計(jì)建立雙目立體視覺傳感器的結(jié)構(gòu)優(yōu)化模型，之后運(yùn)用遺傳算法對(duì)建立的結(jié)構(gòu)優(yōu)化模型進(jìn)行優(yōu)化，得到最優(yōu)解，經(jīng)過遺傳算法的優(yōu)化，雙目立體視覺傳感器的測量精度有了較大幅度的提高.

參考文獻(xiàn)：

[1] 周學(xué)斌，楊學(xué)友，楊 楠，等. 立體視覺傳感器優(yōu)化設(shè)計(jì)技術(shù)研究[J]. 計(jì)算機(jī)測量與控制， 2007，15（6）：831-832.

[2] 孫鳳梅，黃鳳榮，胡占義，等. 視覺測量誤差的研究與討論[J]. 北方工業(yè)大學(xué)學(xué)報(bào)， 2005，17（1）：61-63.

[3] 吳彰良，盧榮勝，胡鵬浩，等. 雙目立體視覺傳感器精度分析與參數(shù)設(shè)計(jì)[J]. 鄭州輕工業(yè)學(xué)院學(xué)報(bào)：自然科學(xué)版， 2006，21（3）：32-34.

[4] 王建華，韓紅艷，王春平，等. CCD雙目立體視覺測量系統(tǒng)的理論研究[J]. 電光與控控制， 2007，14（4）：94-96.

[5] 張 蕾，徐鏡波，楊 麗. 析因試驗(yàn)設(shè)計(jì)在環(huán)境污染物聯(lián)合毒性研究中的應(yīng)用[J]. 干旱環(huán)境監(jiān)測， 2004，18（1）：20-22.

[6] 李 偉，朱 紅. 均勻?qū)嶒?yàn)設(shè)計(jì)在驅(qū)油劑配方研制上的應(yīng)用[J]. 北京交通大學(xué)學(xué)報(bào)：自然科學(xué)版， 2008，32（3）：67-69.

[7] 婁國強(qiáng)，呂文彥. 回歸最優(yōu)設(shè)計(jì)在麥田雜草防除中的應(yīng)用[J]. 安徽農(nóng)業(yè)科學(xué)， 2006，34（12）：2766-2768.

[8] 劉紅波，陸 剛，邊 寬. 幾種實(shí)驗(yàn)設(shè)計(jì)方法的比較[J]. 安徽農(nóng)業(yè)科學(xué)， 2007，35（36）：11738-11739.

[9] 呂桂善，楊志偉，楊正興. 最優(yōu)回歸設(shè)計(jì)在食品加工工業(yè)中的應(yīng)用[J]. 廣西大學(xué)學(xué)報(bào)：自然科學(xué)版， 2001，26（2）：125-126.

[10] 羅宇鋒，范耀祖，富 立. 正交設(shè)計(jì)及D最優(yōu)設(shè)計(jì)在陀螺測試中的應(yīng)用[J]. 壓電與聲光， 2008，30（4）：393-394.

[11] MONTGOMERY D C. Design and analysis of experiments[M]. 6th ed. New York：John Wiley & Sons Inc， 2004.

[12] 齊力旺，韓一凡，李 玲. 應(yīng)用 311-A 最優(yōu)回歸設(shè)計(jì)研究ABA、PEG 4000 及 AgNO3 對(duì)落葉松體細(xì)胞胚發(fā)生數(shù)量的影響[J]. 生物工程學(xué)報(bào)， 2001，17（1）：84-86.

[13] 張雅文，陳梁俊. 最優(yōu)回歸設(shè)計(jì)在落葉松遺傳轉(zhuǎn)化體系主導(dǎo)因子優(yōu)化篩選試驗(yàn)中的應(yīng)用[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)， 2004，34（1）：99-100.

[14] 王以忠，李孝猛.雙目立體視覺傳感器結(jié)構(gòu)參數(shù)優(yōu)化設(shè)計(jì)[J].天津科技大學(xué)學(xué)報(bào)， 2010，6（3）：11-14.

（編輯 陳笑梅）