基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
摄像机标定是三维重构中最关键的一步,它的精度直接决定了三维重构结果的逼真程度.为了能够提高摄像机标定的精度,克服传统优化算法易陷入局部最小,反投影误差大等缺点,首次将量子粒子群优化算法(Quantum-Behaved Particle Swarm Optimization,QPSO)应用于摄像机标定中.该方法利用传统的线性方法求得初始值,利用QPSO对初始值进行优化.实验数据表明,基于OPSO的摄像机标定的平均反投影误差小于一个像素,是一种可行的方法,且与智能优化算法PSO相比,基于OPSO的摄像机标定具有更小的误差.
推荐文章
改进的耗散量子粒子群优化算法及其应用
量子粒子群优化算法
耗散操作算子
函数优化
量子进化算法
混合自适应量子粒子群优化算法
量子粒子群优化算法
收缩—扩张系数
差分策略
Levy飞行策略
基于量子粒子群算法的移动节点覆盖优化
无线传感器网络
量子
粒子群
覆盖优化
覆盖率
基于高斯扰动的量子粒子群优化算法
量子粒子群优化算法
平均位置
全局最优位置
高斯扰动
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 量子粒子群优化算法在摄像机标定中的应用
来源期刊 计算机工程与应用 学科 工学
关键词 三维重构 最子粒子群优化算法(QPSO) 量子粒子群优化算法 摄像机标定
年,卷(期) 2011,(14) 所属期刊栏目 工程与应用
研究方向 页码范围 200-203
页数 分类号 TP242.6
字数 4440字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.14.058
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 须文波 江南大学信息工程学院 409 3078 23.0 34.0
2 孙俊 江南大学信息工程学院 186 1552 21.0 30.0
3 郁钱 江南大学信息工程学院 2 14 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (4)
参考文献  (2)
节点文献
引证文献  (13)
同被引文献  (27)
二级引证文献  (45)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(5)
  • 引证文献(2)
  • 二级引证文献(3)
2014(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(9)
  • 引证文献(2)
  • 二级引证文献(7)
2016(8)
  • 引证文献(2)
  • 二级引证文献(6)
2017(9)
  • 引证文献(0)
  • 二级引证文献(9)
2018(12)
  • 引证文献(1)
  • 二级引证文献(11)
2019(7)
  • 引证文献(1)
  • 二级引证文献(6)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
三维重构
最子粒子群优化算法(QPSO)
量子粒子群优化算法
摄像机标定
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导