基于全视域GA-SVR模型的鱼类行为双目视觉观测系统标定

摘要：

针对大视场水下环境鱼类行为视觉观测系统较难准确标定的问题,该文以双目立体测量系统为例,提出一种基于全视域GA-SVR(genetic algorithm-support vector regression)模型的鱼类行为三维观测系统标定方法.该方法选用具有圆点靶标的方形标定板为标定工具,通过设计具备前后左右移动能力的简易滑动轨道,实现了标定板的全视域空间定位.然后利用HALCON算子获取标定板靶点二维坐标,联立标定板空间位置,构建训练样本集.选取SVR模型对样本集进行训练,对比不同的寻优算法对支持向量回归模型的参数组合寻优结果,选用最优参数分别建立X,Y,Z轴标定模型.试验结果表明,利用遗传算法进行参数寻优构建的标定模型,其X、Y、Z轴测量均方误差分别为0.959、0.893和4.381 mm,互相关系数分别为0.999988,0.999998和0.998356,优于差分进化算法和粒子群算法参数寻优的标定结果.与传统标定方法比较,该方法单点测量均方误差为1.861 mm,距离测量均方误差为0.706 mm,均低于空气中标定方法(单点均方误差27.75 mm;距离均方误差10.188 mm)和水下测量标定方法(单点均方误差8.215 mm;距离均方误差2.832 mm)的标定结果,有效的提高了鱼类行为视觉观测系统的定位精度.该研究可为鱼类行为量化方法研究和优化提供理论支持和技术参考.

关键词：测量、系统、标定、鱼类行为、全视域、视觉系统、模型

所属期刊栏目：35

分类号：S951.2(水产工程)

资助基金：国家重点研发计划2017YFD0701705;中国水产科学研究院中央级公益性科研院所基本科研业务费专项资金项目2016HY-ZD14

在线出版日期：2019-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：181-189