人工神經網絡在反求中的應用研究.pdf

1、本文首先介紹了現(xiàn)有的三維重構模型和攝像機標定技術?，F(xiàn)有的模型基本上都是在理想的小孔成像模型基礎上,加上各種畸變補償組成立體視覺的數(shù)學模型。要考慮從世界坐標系到攝像機坐標系的轉換,再考慮由攝像機坐標系到圖像坐標的轉換,是一個正向的節(jié)節(jié)推理的過程。由于空間中一點與其對應的CCD圖像點之間的映射關系是一種復雜的非線性映射關系,受諸多因素的影響,如果采用完全理想條件加畸變來標定系統(tǒng),邊緣尺寸的實際測量將會產生一定誤差。
　　其次介紹了人工

2、神經網絡的原理。近年來廣泛用于各個領域的BP人工神經網絡技術具有很強的非線性映射能力,它不需要事先設計任何數(shù)學模型,通過網絡內部權值的調整來擬合系統(tǒng)的輸入輸出關系,網絡的統(tǒng)計信息儲存在連接權值矩陣內,通過網絡模型的自身學習,獲取信息中隱含的知識,從而建立起相應的數(shù)學模型。故可以反映十分復雜的非線性關系。從理論上講,BP人工神經網絡技術可以處理任意復雜的多元非線性關系。就像一個黑箱,只需要知道它的輸入和輸出,不需要去考慮復雜的畸變因素,從

3、而能夠有效地克服畸變所產生的誤差,從而能夠保證重構系統(tǒng)具有較高的測量精度。
　　然后是通過圖像處理采集用于人工神經網絡訓練和測試的數(shù)據(jù),利用這些數(shù)據(jù)訓練好人工神經網絡模型,建立起反映三維實際坐標與二維圖像坐標之間關系的神經網絡模型,確定了最適合于三維重構的人工神經網絡模型的主要參數(shù),并比較了不同的人工神經網絡算法的優(yōu)劣,把人工神經網絡的標定精度和現(xiàn)有標定算法的精度做了比較,用訓練好的人工神經網絡進行平面的重構實驗。并且把人工神經網