买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京理工大学申请的专利基于改进的黏菌算法的水下相机标定优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114612570B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210200068.9，技术领域涉及：G06T7/80；该发明授权基于改进的黏菌算法的水下相机标定优化方法是由诸云;于捷平;杜帅;郭佳;代雅婷;苏岩;王建宇;黄成文渊;王阳;朱慧颖设计研发完成，并于2022-03-01向国家知识产权局提交的专利申请。

本基于改进的黏菌算法的水下相机标定优化方法在说明书摘要公布了：本发明公开了一种基于改进的黏菌优化算法的水下相机标定优化方法，在黏菌算法的基础上，融合了最优邻域扰动和反向学习策略对参数进行优化以提高收敛速度和解决算法局部收敛的问题，提高水下相机的标定精度。并且将张氏标定法、SMA算法、SOA算法、PSO算法和本发明提出的ORSMA融合算法进行分析对比，本发明可以有效地优化水下相机的内部参数。

本发明授权基于改进的黏菌算法的水下相机标定优化方法在权利要求书中公布了：1.一种基于改进的黏菌算法的水下相机标定优化方法，其特征在于，包括以下步骤： 步骤1、获取不同角度的标定板图像，对图像预处理并提取角点特征； 步骤2、求解内部参数和畸变系数初值，具体为： 根据相机成像关系和相机内部关系fx＝fc1dx,fy＝fc2dy，得到fx，fy，u0，v0的初值；其中fc1和fc2是相机焦距；dx和dy是像素的物理长度；u0和v0是相机光轴和图像平面交点； 相机成像关系式为： 其中，zc为物距，xd、yd为像素坐标系，xw、yw、zw为世界坐标系，R、T为图像旋转平移矩阵； 由于该初值是在理想条件下求得，需引入畸变系数k1,k2,k3,p1,p2加以校正；利用径向畸变数学模型 其中，[xu,yu]图像归一化平面任一点p的坐标，s为点p与坐标系原点之间的距离； 和切向畸变数学模型 以及联立得到 求得畸变下的初值； 利用张正有标定法对相机标定，得到优化前的参数值； 步骤3、初始化SMA算法的相关参数，初始化种群的最初位置，初始化ONP和OBL的相关参数； 步骤4、计算每个黏菌个体的适应度，选出当前最优适应度和其所对应的位置； 步骤5、利用最优邻域扰动策略进行全局位置更新，利用反向学习策略产生反向解；并采用贪婪机制判生成的邻域位置是否保存下来；保留适应度更高的解并更新其位置；具体为： 在每次迭代的过程中，黏菌位置的更新公式如下： 其中，为黏菌更新后的位置，为范围[-a,a]中的一个参数，为从1线性减少到0的参数，t表示当前的迭代次数，表示当前适应度最高的个体所处的位置，表示黏菌的位置，和代表黏菌中两个随机选择个体的位置，代表黏菌的权重系数，p为控制参数，LB和UB表示搜索范围的上下界，rand和r表示[0,1]中的随机值；z为自定义参数； 参数a的公式如下： max_t表示最大迭代次数； 控制参数p的公式如下： p＝thnh|Si-DF|,i∈1,2,3,......,n9 其中，Si代表的适应度，DF表示在所有迭代中获得的最佳适应度； 权重系数的公式如下： SmellIndex＝sortS11 其中，r是区间[0,1]内的随机值，bF表示当前迭代过程中获得的最优适应度，wF表示当前迭代过程中获得的最差适应度值，condition代表黏菌种群中适应度值排在前12的个体，other表示黏菌种群中剩下的个体，SmellIndex表示适应度值的序列排序； 利用最优邻域扰动策略进行全局位置更新，其中对最优位置进行随机扰动操作的公式如下： 式中，X*t是公式7中得到的最优位置，是对X*t进行随机扰动得到的新位置，rand1和rand2是区间[0,1]内均匀产生的随机数；Xt是新生成的位置； 利用反向学习策略生成反向解，若种群中的个体Xi可用下列公式表示： Xi＝[Xi,1,Xi,2,…Xi,j,Xi,D]13 则它的反向解可表示为： Xi'＝[Xi,1',Xi,2',…Xi,j',Xi,D']14 式中，i＝1,2,3,…,n，j＝1,2,3,…,D，并且反向解和正向解还需要满足下列关系： Xi,j'＝kAj+Bj-Xi,j15 式中，k是在[0,1]之间均匀分布的随机数，Aj和Bj是第j个动态决策变量的下界和上界； 采用贪婪策略判生成的邻域位置是否保存下来，公式如下： 式中，fx是位于x位置的适应度值； 步骤6、判断最优个体适应度的值是否满足预设精度或者是否达到最大迭代次数，如果没有就返回到步骤4，否则保留最优个体的位置，该个体对应的参数即为相机标定的结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。