相机标定是机器人视觉系统中实现精确定位的重要前提,针对传统相机标定精度不高的问题,提出基于改进粒子群算法的相机标定优化方法。该方法以张正友标定方法获得相机内参初始值,在不同迭代阶段实现对惯性参数非线性自适应调整,以平衡局部和全局搜索能力;对社会和自身学习率采用不同迭代阶段正余弦变化的动态自调整策略,进一步提高全局搜索能力与后期搜索精度;在粒子群快要陷入局部最优时,采用驱散机制扩大粒子群所在空间范围,避免算法过早收敛。实验结果表明,所提相机标定方法与传统标定方法相比具有较高的精度和较好的可重复性。

现有线阵CCD内参校准方法往往依赖于畸变参数模型,其标定精度受限于模型内部参数的相关性,因此为提高线阵CCD相机内参校准精度,提出一种采用非参数模型的线阵CCD相机内参校准方法。通过小孔成像模型和垂线法,构建线阵CCD相机成像的非参数模型,直接确定空间特征点与成像点间的映射关系以及理想成像点与实际成像点间的畸变量大小。采用重投影误差作为评价标准,与采用参数模型的内参校准方法作对比实验,实验结果表明,由所提方法得到的重投影误差的均方根、平均值和最大值分别为0.42,0.00,0.95 pixel,均小于由基于参数模型的内参校准方法得到的0.80,-0.10,2.47 pixel。

为筛选生物钟核心基因per1表达定量中的相对稳定性最好的内参基因, 本研究取翘嘴鳜成鱼心脏、肝脏、肾脏、脑、红肌、白肌、肠、眼和脾等九个组织为研究对象, 选取GAPDH、18S rRNA、β-actin、rps29、RPL13a、B2M和EF1a为内参基因, 采用实时荧光定量PCR(qRT-PCR)对per1基因mRNA表达水平进行检测分析。研究结果表明18S rRNA和GAPDH的平均稳定值M最低, 相对表达量最稳定。以18S rRNA和GAPDH为内参基因时分析发现per1基因表达量在肝脏中最高。本研究为在鱼类per1 mRNA表达检测过程中选用稳定的内参基因提供了实验和理论参考。

影响大空间视觉三维坐标测量不确定度的主要因素有相机内参数、外部方位参数和特征成像质量。传统相机内参数校准方法需要参数模型化及全局最优化求解方法，会造成各内参数相关性过高，局部校准误差较大，对基于测角的测量方式不确定度影响较大、结合相机成像原理及垂线法，提出了一种基于物理参数校准的方法，对主点位置偏移、全视场范围非均匀镜头畸变等参数进行了精细校准。最后，以交比不变误差作为相机校准精度的评价方法，与传统校准方法的对比实验表明，该校准方法能够有效地提高测量不确定度指标，是一种简单、实用的校准方法。