基于bp神经网络的外姿态测量系统线阵ccd标定

基于bp神经网络的外姿态测量系统线阵ccd标定

ID:33921819

大小:377.32 KB

页数:5页

时间:2019-02-28

基于bp神经网络的外姿态测量系统线阵ccd标定_第1页
基于bp神经网络的外姿态测量系统线阵ccd标定_第2页
基于bp神经网络的外姿态测量系统线阵ccd标定_第3页
基于bp神经网络的外姿态测量系统线阵ccd标定_第4页
基于bp神经网络的外姿态测量系统线阵ccd标定_第5页
资源描述:

《基于bp神经网络的外姿态测量系统线阵ccd标定》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、万方数据第3l卷第5期2010年5月仪器仪表学报ChineseJournalofScientmcInstrumentVoL31No.5May2010基于BP神经网络的外姿态测量系统线阵CCD标定李晶,袁峰,丁振良(哈尔滨工业大学电气工程及自动化学院哈尔滨150001)摘要:在基于线阵CCD相机的空间物体外姿态测量系统中,线阵CCD相机的标定是空间合作目标定位的一个重要步骤。利用神经网络所具有的处理复杂非线性映射问题的能力,提出了基于反向传播(BP)神经网络的线阵CCD标定方法。该方法能够很好地描述外姿态测量系统中三维空间合作目标与像

2、点之间的映射关系,无需建立复杂的数学模型,可直接恢复空间合作目标的三维信息,从而计算空间物体的姿态信息。实验结果表明:基于BP神经网络的线阵CCD标定方法与传统的DLT方法比较精度可提高41.7%。关键词:外姿态测量;线阵CCD标定;反向传播(BP)神经网络中图分类号:TH89文献标识码:A国家标准学科分类代码:460.4035LinearCCDcameracalibrationofexteriorattitudemeasurementsystembasedOilBPneuralnetworkLiJing,YuanFeng,Ding

3、Zhenliang(SchoolofElectricalEngineeringandAutomation,HarbinInstituteofTechnology,Harbin150001,China)Abstract:LinearCCDcameracalibrationisanimportantprocedureinspatialcooperationtargetpositioningofexteri·orattitudemeasurementsystem.AmethodoflinearCCDcameracalibrationbas

4、edonBPneuralnetworkispro.posed.whichUSeStheabilityofeffectivelydealingwithcomplicatednonlinearmappingofneuralnetwork.Thismethodcandescribethemappingrelationshipbetweenspatialcooperationtargetin3Dcoordinatespaceandpixelsinimagecoordinatesystemintheexteriorattitudemeasur

5、ementsystem,SOthe3Dinformationofspatialcooperationtar-getCanbereconstructedwithoutestablishingcomplicatedmathematicmodel,thenthe3-dimensionalattitudeinfor-mationcanbeobtained.ExperimentresultsshowthattheprecisionofthelinearCCDcameracalibrationbasedonBPneuralnetworkisim

6、provedby41.7%comparedwiththatoftraditionalDLTmethod.Keywords:exteriorattitudemeasurement;linearCCDcalibration;backpropagationneuralnetwork1引言空间物体的外姿态测量在机器人研究、柔性制造、航空航天等领域具有非常重要的作用。基于多线阵CCD组合的外姿态测量系统是近年研究的热点,而线阵CCD相机的标定是其中的一个很重要步骤。1⋯。目前,线阵CCD相机参数标定比较常用的方法是直接线性变换(BET)方法,

7、该方法通过一些已知空间三维坐标和对应收稿日期:2009-07ReceivedDate:2009-07·基金项目:国家自然科学基金(No.50275040)资助项目像坐标的标识点,直接求解相机DLT方程中的L系数,用于重建标识点的空间三维坐标p⋯。DLT方法无需直接求取相机的内外参数,但需要建立精确的数学模型,分析由数学模型不完善带来的系统误差是一个比较复杂的过程。人工神经网络可以处理难以用数学模型描述的系统,多层前馈网络能以任意精度逼近连续函数及其各阶导数,具有自学习非线性成像过程的能力旧⋯。本文采用BP(backpropagati

8、on)神经网络经过训练学习三维空间物万方数据第5期李晶等:基于BP神经网络的外姿态测量系统线阵CCD标定1139体标识点与其在CCD像点之间的非线性映射关系,无需预先建立成像系统的精确数学模型,实现外姿态测量系统线阵CCD相机的标定,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。