基于蟻群遺傳算法的BP神經(jīng)網(wǎng)絡(luò)攝像機(jī)標(biāo)定

江祥奎，汪友明

（西安郵電大學(xué)自動(dòng)化學(xué)院，陜西 西安 710121）

0 引言

作為立體視覺(jué)中的關(guān)鍵技術(shù)，攝像機(jī)標(biāo)定技術(shù)目前己被廣泛關(guān)注。比較經(jīng)典的優(yōu)化算法在攝像機(jī)標(biāo)定中的應(yīng)用也較為普遍，遺傳算法是近年來(lái)應(yīng)用較多的一種優(yōu)化方法，目前已取得一定成效，但主要的研究工作集中在單個(gè)攝像機(jī)的參數(shù)標(biāo)定。采用遺傳算法標(biāo)定攝像機(jī)參數(shù)，在收斂性、精度和魯棒性方面具有很好的性能。但由于其攝像機(jī)模型中沒(méi)有包含透鏡畸變因素，如果用于三維測(cè)量，則難以保證精度。另外，標(biāo)準(zhǔn)遺傳算法用于高維空間的尋優(yōu)時(shí)性能會(huì)變差，而且隨著搜索空間維數(shù)的增加，算法性能會(huì)急劇退化，同時(shí)，基于神經(jīng)網(wǎng)絡(luò)的攝像機(jī)標(biāo)定方法所能覆蓋的標(biāo)定空間十分有限［1］，所以擬采用蟻群遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的攝像機(jī)標(biāo)定方法，以解決傳統(tǒng)攝像機(jī)標(biāo)定中難以解決的問(wèn)題。

1 蟻群算法與遺傳算法的融合

遺傳算法具有快速全局搜索能力，但是對(duì)于系統(tǒng)中的反饋信息卻沒(méi)有利用，往往導(dǎo)致大量無(wú)為的冗余迭代，求精確解效率較低［2］。蟻群遺傳算法的流程如圖1所示。

圖1 蟻群-遺傳算法流程

蟻群算法是通過(guò)信息素的積累和更新而收斂于最優(yōu)路徑，具有分布、并行、全局收斂能力，但是搜索初期信息素匱乏，導(dǎo)致搜索初期信息素積累時(shí)間較長(zhǎng)，求解速度慢［3-4］。為了克服這2種算法各自的缺陷，形成優(yōu)勢(shì)互補(bǔ)，首先利用遺傳算法的隨機(jī)搜索、快速、全局收斂性產(chǎn)生有關(guān)問(wèn)題的初始解，并將其轉(zhuǎn)化為蟻群算法的初始信息素分布，然后利用蟻群算法的并行性、正反饋機(jī)制以及求解效率高等特征尋求最優(yōu)解。在遺傳算法運(yùn)行過(guò)程中動(dòng)態(tài)確定遺傳算法與蟻群算法的融合時(shí)機(jī)，避免由于遺傳算法過(guò)早或過(guò)晚結(jié)束而影響算法整體性能，這樣融合后的算法既發(fā)揮了遺傳算法與蟻群算法在尋優(yōu)搜索中的各自的優(yōu)勢(shì)，又克服了遺傳算法在搜索到一定階段時(shí)最優(yōu)解搜索效率低以及蟻群算法初始信息素匱乏的不足。

2 基于蟻群遺傳算法的攝像機(jī)標(biāo)定

基于蟻群遺傳算法的攝像機(jī)標(biāo)定主要包括：

a.遺傳算法和蟻群算法的融合。首先利用遺傳算法的隨機(jī)搜索、快速、全局收斂性獲取問(wèn)題初始解，并將其轉(zhuǎn)換為蟻群算法的初始信息分布，然后利用蟻群算法的并行性、反饋機(jī)制尋求最優(yōu)解。原理如圖2所示。

圖2 遺傳算法與蟻群算法的融合原理

b.利用步驟1產(chǎn)生的最優(yōu)解作為BP神經(jīng)網(wǎng)絡(luò)的輸入層。搭建的BP神經(jīng)網(wǎng)絡(luò)如圖3所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)的搭建

c.BP神經(jīng)網(wǎng)絡(luò)運(yùn)用于攝像機(jī)標(biāo)定。設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)與攝像機(jī)的物理模型一致，其前向計(jì)算相當(dāng)于求解程序中的被優(yōu)化函數(shù)，同時(shí)將蟻群-遺傳算法引入進(jìn)來(lái)，以神經(jīng)網(wǎng)絡(luò)性能指標(biāo)的倒數(shù)作為遺傳算法的適應(yīng)度函數(shù)，得到系統(tǒng)全局最優(yōu)解的時(shí)候，即可根據(jù)神經(jīng)網(wǎng)絡(luò)的權(quán)值得到攝像機(jī)的內(nèi)、外部參數(shù)。

3 標(biāo)定實(shí)驗(yàn)與結(jié)果分析

實(shí)驗(yàn)采用2臺(tái)MV-2000FCMOS攝像機(jī)，鏡頭采用Computar公司的M0814-MP，焦距f=8mm。采用AutoCAD繪制，激光打印機(jī)打印的8×8圓陣列圖案（圓直徑20mm，兩圓之間的水平和垂直間距均為10mm）作為標(biāo)定模板，圓心為標(biāo)定點(diǎn)。在不同位置拍攝10對(duì)圖像，給出的其中1對(duì)如圖4所示。將標(biāo)定板置于一垂直于地面的平板，以標(biāo)定板的兩條相互垂直的邊作為世界坐標(biāo)系的X軸和Y軸，Z軸垂直標(biāo)定板，實(shí)驗(yàn)中，以標(biāo)定板所在的平面作為面，即標(biāo)定點(diǎn)Z坐標(biāo)為0。用2臺(tái)攝像機(jī)同時(shí)采集一幅圖像。將特征點(diǎn)在左右兩幅圖像的坐標(biāo)作為輸入，在世界空間坐標(biāo)系的坐標(biāo)作為輸出。

圖4 測(cè)量標(biāo)定板

Matlab神經(jīng)網(wǎng)絡(luò)工具箱提供了相關(guān)函數(shù)，可以直接建立網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練和測(cè)試。課題設(shè)計(jì)的是從像平面坐標(biāo)到世界坐標(biāo)系之間的映射，而像平面坐標(biāo)采用是雙目攝像機(jī)采集，即有（u1，v1），（u2，v2）4個(gè)輸入數(shù)據(jù)，所以輸入層采用4個(gè)結(jié)點(diǎn)。輸出層是經(jīng)過(guò)網(wǎng)絡(luò)學(xué)習(xí)后輸出的世界坐標(biāo)（XW，YW，ZW），所以，這里的輸出層結(jié)點(diǎn)選擇3個(gè)。隱層節(jié)點(diǎn)數(shù)采用2 N+1個(gè)，即9個(gè)。所以網(wǎng)絡(luò)結(jié)構(gòu)為4-9-3。訓(xùn)練數(shù)據(jù)存放在chrom2.mat文件中，是1個(gè)480×7的矩陣。其中1～460行為訓(xùn)練數(shù)據(jù)，461～480為測(cè)試數(shù)據(jù)，1～4列為輸入數(shù)據(jù)，5～7列為輸出數(shù)據(jù)?？紤]到遺傳算法工具箱需要自己導(dǎo)入，實(shí)驗(yàn)采用英國(guó)Sheffield遺傳算法工具箱進(jìn)行訓(xùn)練，經(jīng)過(guò)81步訓(xùn)練達(dá)到目標(biāo)，此時(shí)網(wǎng)絡(luò)訓(xùn)練停止?？梢?jiàn)，采用蟻群遺傳算法的BP神經(jīng)網(wǎng)絡(luò)能更好的擬合。

將整個(gè)測(cè)試樣本的均方根誤差RMSE作為標(biāo)定方法的評(píng)價(jià)指標(biāo)。基于蟻群遺傳算法的BP神經(jīng)網(wǎng)絡(luò)標(biāo)定結(jié)果如表1所示。與此同時(shí)還進(jìn)行了基于BP神經(jīng)網(wǎng)絡(luò)的標(biāo)定實(shí)驗(yàn)［5］，其標(biāo)定結(jié)果如表2所示。

表1 基于ACGA的BP神經(jīng)網(wǎng)絡(luò)標(biāo)定結(jié)果

表2 基于BP神經(jīng)網(wǎng)絡(luò)的標(biāo)定結(jié)果

對(duì)比表1和表2可知，雖然在X，Y方向上的誤差二者相差不大，但在Z軸方向上，采用蟻群遺傳算法的BP神經(jīng)網(wǎng)絡(luò)誤差明顯低于BP神經(jīng)網(wǎng)絡(luò)的誤差。

通過(guò)對(duì)比，基于蟻群遺傳算法的BP神經(jīng)網(wǎng)絡(luò)標(biāo)定結(jié)果的均方根誤差（RMSE）比基于BP神經(jīng)網(wǎng)絡(luò)的均方根誤差要小，這說(shuō)明采用蟻群遺傳算法優(yōu)化之后的BP神經(jīng)網(wǎng)絡(luò)能訓(xùn)練出更精確的結(jié)果。

4 結(jié)束語(yǔ)

神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力和學(xué)習(xí)能力，可以不建立復(fù)雜的數(shù)學(xué)模型，通過(guò)直接學(xué)習(xí)系統(tǒng)的輸入輸出數(shù)據(jù)，即可建立三維空間中的物點(diǎn)與其對(duì)應(yīng)的二維圖像點(diǎn)的復(fù)雜的非線性映射關(guān)系，具有較好的精度。但是由于網(wǎng)絡(luò)的權(quán)值和閾值隨機(jī)，不利于擬合，所以采用融合的蟻群遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，通過(guò)訓(xùn)練誤差作為遺傳算法的目標(biāo)函數(shù)，并以此計(jì)算適應(yīng)度來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，然后再通過(guò)BP網(wǎng)絡(luò)訓(xùn)練，將優(yōu)化后的神經(jīng)網(wǎng)絡(luò)應(yīng)用于攝像機(jī)標(biāo)定中。實(shí)驗(yàn)結(jié)果表明，提出的基于蟻群遺傳算法的BP神經(jīng)網(wǎng)絡(luò)攝像機(jī)標(biāo)定方法切實(shí)可行，有效提高了攝像機(jī)標(biāo)定的精度。

［1］田 震.基于神經(jīng)網(wǎng)絡(luò)方法的攝像機(jī)標(biāo)定技術(shù)研究［D］.長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2010.

［2］陳江義，宋雪楓，張明偉.融合蟻群算法和遺傳算法的矩形件排樣問(wèn)題研究［J］.鄭州大學(xué)學(xué)報(bào)，2011，43（2）：79-82.

［3］畢碩本，董學(xué)士，馬 燕.遺傳算法和蟻群算法優(yōu)化TSP的設(shè)計(jì)與分析［J］.武漢理工大學(xué)學(xué)報(bào)，2010，32（16）：89-92.

［4］段海濱.蟻群算法原理及其應(yīng)用［M］.北京：科學(xué)出版社，2005.

［5］華?？。钣莱?，王木菊，等.基于BP神經(jīng)網(wǎng)絡(luò)的攝像機(jī)標(biāo)定方法研究［J］.機(jī)械設(shè)計(jì)與制造，2010，（11）：51-53.