基于遗传BP神经网络的双目相机手眼标定研究

摘要

为了提高固定双目相机手眼标定精度,文章提出了一种利用遗传算法优化的反向传播(back-propaga-tion,BP)神经网络的手眼系统标定方法.分别将靶标在相机坐标系与机械臂坐标系下的坐标作为输入量与输出量建立BP神经网络标定模型,并针对BP神经网络模型存在易陷入局部极小值、收敛速度慢的缺点,引入遗传算法来优化BP神经网络的初始权值和阈值.实验结果表明:与BP神经网络模型和传统的多元线性回归拟合模型相比,经遗传算法优化后的BP神经网络模型能显著降低标定误差,加快收敛速度;遗传BP神经网络模型样本预测结果与实测值之间的距离平均误差为1.7126 mm,优于BP神经网络模型的平均误差2.4002mm和线性回归模型的平均误差3.3771mm.