自动化学报
自動化學報
자동화학보
ACTA AUTOMATICA SINICA
2008年
6期
623-631
,共9页
刘丁%吴雄君%杨延西%辛菁
劉丁%吳雄君%楊延西%辛菁
류정%오웅군%양연서%신정
变尺度混沌优化%动态自标定%视觉伺服%本质矩阵%计算机视觉
變呎度混沌優化%動態自標定%視覺伺服%本質矩陣%計算機視覺
변척도혼돈우화%동태자표정%시각사복%본질구진%계산궤시각
提出了一种基于改进变尺度混沌优化算法(Enhanced mutative scale chaos optimization algorithm, EMSCOA)的机器人动态自标定位置视觉伺服算法,算法在Mendonca-Cipolla和G. Chesi利用本质矩阵进行自标定的基础上进行了扩展.首先依据3个奇异值的特性在线生成目标函数,在进行动态自标定的同时,完成视觉伺服.算法抛弃了G. Chesi方法中对初值选取极为敏感的梯度下降法,采用改进的变尺度混沌优化算法动态优化摄像机内参数.把混沌变量映射到待寻优的5个内参数区间,通过设置内外两层循环,内循环进行混沌搜索,外循环负责缩小内参数搜索区间,避免了混沌优化在内参数区间的盲目重复搜索,提高了搜索效率.算法同时克服了G. Chesi方法迭代过程中要求选取初值时靠近摄像机内参数真值的限制,并可以通过设置参数范围来精确逼近5个内参数.另外,算法不需要物体精确的三维模型,只需要8个空间固定点坐标信息.仿真结果表明,该方法应用于基于位置的视觉伺服时运算速度快,同时对内参数变化鲁棒性强,实验结果证明了算法的有效性.
提齣瞭一種基于改進變呎度混沌優化算法(Enhanced mutative scale chaos optimization algorithm, EMSCOA)的機器人動態自標定位置視覺伺服算法,算法在Mendonca-Cipolla和G. Chesi利用本質矩陣進行自標定的基礎上進行瞭擴展.首先依據3箇奇異值的特性在線生成目標函數,在進行動態自標定的同時,完成視覺伺服.算法拋棄瞭G. Chesi方法中對初值選取極為敏感的梯度下降法,採用改進的變呎度混沌優化算法動態優化攝像機內參數.把混沌變量映射到待尋優的5箇內參數區間,通過設置內外兩層循環,內循環進行混沌搜索,外循環負責縮小內參數搜索區間,避免瞭混沌優化在內參數區間的盲目重複搜索,提高瞭搜索效率.算法同時剋服瞭G. Chesi方法迭代過程中要求選取初值時靠近攝像機內參數真值的限製,併可以通過設置參數範圍來精確逼近5箇內參數.另外,算法不需要物體精確的三維模型,隻需要8箇空間固定點坐標信息.倣真結果錶明,該方法應用于基于位置的視覺伺服時運算速度快,同時對內參數變化魯棒性彊,實驗結果證明瞭算法的有效性.
제출료일충기우개진변척도혼돈우화산법(Enhanced mutative scale chaos optimization algorithm, EMSCOA)적궤기인동태자표정위치시각사복산법,산법재Mendonca-Cipolla화G. Chesi이용본질구진진행자표정적기출상진행료확전.수선의거3개기이치적특성재선생성목표함수,재진행동태자표정적동시,완성시각사복.산법포기료G. Chesi방법중대초치선취겁위민감적제도하강법,채용개진적변척도혼돈우화산법동태우화섭상궤내삼수.파혼돈변량영사도대심우적5개내삼수구간,통과설치내외량층순배,내순배진행혼돈수색,외순배부책축소내삼수수색구간,피면료혼돈우화재내삼수구간적맹목중복수색,제고료수색효솔.산법동시극복료G. Chesi방법질대과정중요구선취초치시고근섭상궤내삼수진치적한제,병가이통과설치삼수범위래정학핍근5개내삼수.령외,산법불수요물체정학적삼유모형,지수요8개공간고정점좌표신식.방진결과표명,해방법응용우기우위치적시각사복시운산속도쾌,동시대내삼수변화로봉성강,실험결과증명료산법적유효성.