基于GA-PSO優(yōu)化算法的交通監(jiān)控場(chǎng)景相機(jī)校準(zhǔn)方法研究

摘要 針對(duì)交通監(jiān)控校準(zhǔn)問(wèn)題，該文結(jié)合粒子群優(yōu)化算法的全局搜索能力與遺傳算法的局部?jī)?yōu)化特性，提出了一種集成GA-PSO優(yōu)化算法，有效校正了交通監(jiān)控相機(jī)的光學(xué)畸變。結(jié)果顯示：GA-PSO方法在復(fù)雜場(chǎng)景中的校準(zhǔn)誤差降低約27.0%，且計(jì)算效率顯著提升。誤差分析表明：標(biāo)定點(diǎn)的分布和數(shù)量對(duì)校準(zhǔn)精度影響顯著，且誤差隨監(jiān)測(cè)距離增加而加大。建議將有效監(jiān)測(cè)范圍控制在150 m內(nèi)，以確保交通監(jiān)控的精確性。

關(guān)鍵詞 交通監(jiān)控；相機(jī)校準(zhǔn)；坐標(biāo)映射；光學(xué)畸變校正；優(yōu)化算法

中圖分類號(hào) U495 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949（2025）04-0013-03

0 引言

隨著智能交通系統(tǒng)的發(fā)展，通過(guò)路側(cè)監(jiān)控獲取實(shí)時(shí)交通信息，對(duì)于精細(xì)化交通管理日益重要。監(jiān)控相機(jī)校準(zhǔn)是指通過(guò)一系列算法，將攝像頭拍攝的二維圖像坐標(biāo)準(zhǔn)確映射到實(shí)際世界中的三維坐標(biāo)系中[1]。該技術(shù)的核心是確保數(shù)字圖像中的內(nèi)容能夠準(zhǔn)確反映道路平面上的實(shí)際位置和距離，以實(shí)現(xiàn)具有一定精度的物體定位和測(cè)量。

傳統(tǒng)監(jiān)控校準(zhǔn)依賴于線性或非線性轉(zhuǎn)換技術(shù)，通過(guò)二維和三維坐標(biāo)間的數(shù)學(xué)關(guān)系來(lái)實(shí)現(xiàn)基礎(chǔ)映射[2]。這類方法在日常的近景監(jiān)控場(chǎng)景中效果良好，但在復(fù)雜的交通場(chǎng)景下存在明顯局限。近年來(lái)，基于優(yōu)化算法的校準(zhǔn)方法受到重視[3]，通過(guò)全局搜索和參數(shù)優(yōu)化，可在復(fù)雜環(huán)境中展現(xiàn)出更高的精度和適應(yīng)性，成為解決此類問(wèn)題的重要手段。

該文提出了結(jié)合遺傳算法（GA）和粒子群優(yōu)化算法（PSO）的GA-PSO集成方法。通過(guò)將傳統(tǒng)線性轉(zhuǎn)化技術(shù)與優(yōu)化算法相結(jié)合，旨在提升交通監(jiān)控場(chǎng)景下相機(jī)校準(zhǔn)的精度和靈活性，以應(yīng)對(duì)復(fù)雜多變的交通環(huán)境。

1 基于線性轉(zhuǎn)換的監(jiān)控校準(zhǔn)方法

1.1 坐標(biāo)轉(zhuǎn)換方法

監(jiān)控?cái)z像校準(zhǔn)的關(guān)鍵是明確圖像中的二維像素坐標(biāo)與現(xiàn)實(shí)三維坐標(biāo)間的映射關(guān)系，涉及二維圖像坐標(biāo)系、三維攝像頭坐標(biāo)系以及三維世界坐標(biāo)系的轉(zhuǎn)換。詳細(xì)過(guò)程如下：

針對(duì)具體場(chǎng)景，可通過(guò)選取校準(zhǔn)點(diǎn)，構(gòu)建齊次線性方程組，對(duì)公式（5）參數(shù)進(jìn)行求解。此過(guò)程基于直接線性變換法（DLT）[4]，能實(shí)現(xiàn)基本的坐標(biāo)轉(zhuǎn)換，但存在精度和靈活性的局限，尤其在復(fù)雜環(huán)境中，可能因參數(shù)標(biāo)定不當(dāng)出現(xiàn)誤差累積。

2 集成優(yōu)化算法

針對(duì)監(jiān)控?cái)z像校準(zhǔn)的參數(shù)標(biāo)定問(wèn)題，該文提出了基于GA和PSO的組合方案。

2.1 遺傳算法（GA）

GA是一種模擬自然選擇過(guò)程的隨機(jī)優(yōu)化算法。其每個(gè)解由多個(gè)基因組成，對(duì)應(yīng)于坐標(biāo)變換矩陣參數(shù)。利用適應(yīng)度函數(shù)選擇優(yōu)質(zhì)解進(jìn)行交叉和變異，從而減少畸變誤差。該文將每個(gè)解配置為9個(gè)基因，并確定種群規(guī)模100，變異率30%，以確保種群多樣性和快速收斂。

2.2 粒子群優(yōu)化算法（PSO）

PSO適用于監(jiān)控校準(zhǔn)的非線性優(yōu)化問(wèn)題。通過(guò)模擬群體行為，粒子根據(jù)個(gè)體和全局最優(yōu)位置調(diào)整速度和位置，以逼近最優(yōu)解。每個(gè)解的速度更新和位置更新的公式如下：

式中，——慣性權(quán)重，平衡全局搜索和局部?jī)?yōu)化；c1、c2——加速權(quán)重；r1、r2——隨機(jī)權(quán)重；——最優(yōu)個(gè)體位置；——全局位置；Δt——時(shí)間步長(zhǎng)。該文設(shè)置初始值為0.8，遞減至0.4；c1從3.5減少到0.5，c2從0.5增加到3.5，以確保全局和局部平衡。

2.3 GA-PSO集成優(yōu)化算法構(gòu)建

GA-PSO集成算法首先使用PSO進(jìn)行全局搜索，快速確定較優(yōu)解區(qū)域，接著加入GA算法進(jìn)行局部?jī)?yōu)化，通過(guò)交叉與變異進(jìn)一步細(xì)化、提升校準(zhǔn)精度。PSO階段使用10%的概率調(diào)用GA，且限制遺傳操作進(jìn)行最多10代，從而確保計(jì)算資源的高效利用。該集成算法兼具全局的高效性及局部的優(yōu)化精度，可有效解析光學(xué)畸變參數(shù)，提高校準(zhǔn)精度。

3 實(shí)地校準(zhǔn)分析

為評(píng)估算法表現(xiàn)，以交叉口、高速公路主線和立交三種場(chǎng)景的10處點(diǎn)位作為案例。采用高精度差分全球定位系統(tǒng)進(jìn)行確認(rèn)，共獲取245組數(shù)據(jù)點(diǎn)。圖1～圖3為校準(zhǔn)場(chǎng)景示意。

3.2 監(jiān)控校準(zhǔn)效果分析

以8∶2比例進(jìn)行校準(zhǔn)和驗(yàn)證數(shù)據(jù)組劃分，并開展校準(zhǔn)分析。通過(guò)DLT方法求解線性齊次方程組，得到初始轉(zhuǎn)換矩陣；應(yīng)用不同算法進(jìn)行優(yōu)化，對(duì)比校準(zhǔn)結(jié)果。表1展示了不同算法在三類場(chǎng)景下的平均校準(zhǔn)誤差和計(jì)算效率。表中誤差為算法通過(guò)二維圖像轉(zhuǎn)換的位置坐標(biāo)，與實(shí)際三維坐標(biāo)的平均距離差值；輪次反映了算法的收斂次數(shù)，代表計(jì)算效率。

結(jié)果可見，傳統(tǒng)線性方程的校準(zhǔn)誤差為5.2 m，而GA、PSO和GA-PSO算法的預(yù)測(cè)誤差分別降低了20.8%、21.7%和27.0%。同時(shí)，GA-PSO算法的收斂速度較GA和PSO分別提升了35.4%和13.7%，表明集成優(yōu)化算法在校準(zhǔn)精度和時(shí)間優(yōu)度方面均存在明顯優(yōu)勢(shì)。

3.3 校準(zhǔn)誤差影響因素分析

為進(jìn)一步分析外部因素對(duì)校準(zhǔn)誤差的影響，以GA-PSO算法為例，圖4展示了不同道路場(chǎng)景下的誤差分布。結(jié)果表明：交叉口場(chǎng)景的平均誤差最小，其次是立交，而高速主線的誤差最大，幾乎為交叉口的兩倍。這可能是由于交叉口的標(biāo)定點(diǎn)多且分布均勻，覆蓋了不同深度和角度；而高速公路主線監(jiān)控點(diǎn)需要覆蓋較長(zhǎng)的視野，標(biāo)定點(diǎn)稀疏且多在一側(cè)，易受大氣、光線影響；立交區(qū)域雖設(shè)施復(fù)雜，但標(biāo)定點(diǎn)較為豐富，誤差適中。

圖5進(jìn)一步展示了觀測(cè)點(diǎn)與監(jiān)控設(shè)備距離對(duì)誤差的影響?？砂l(fā)現(xiàn)標(biāo)定誤差隨距離增加顯著增大。在50 m監(jiān)控范圍，誤差控制在1 m內(nèi)；超過(guò)150 m后，誤差增至3 m；

超過(guò)300 m時(shí)，誤差超過(guò)10 m。因此為確保監(jiān)控效果，建議在交叉口和立交等事故多發(fā)區(qū)域?qū)⒂行в^測(cè)范圍限制在150 m以內(nèi)，并調(diào)整攝像頭的高度和視角以減少畸變影響。此外，可通過(guò)多攝像頭聯(lián)合監(jiān)控來(lái)覆蓋盲區(qū)和遠(yuǎn)距離目標(biāo)，提升監(jiān)控精度和穩(wěn)定性。

4 結(jié)論

該文提出了一種基于遺傳算法和粒子群優(yōu)化算法的GA-PSO集成優(yōu)化方法，用于提升交通監(jiān)控場(chǎng)景中相機(jī)校準(zhǔn)的精度。所得結(jié)論如下：

（1）與傳統(tǒng)線性轉(zhuǎn)換方法相比，GA-PSO算法在復(fù)雜交通場(chǎng)景中將平均誤差降低了27.0%，同時(shí)收斂效率較GA和PSO分別提升35.4%和13.7%；

（2）誤差分析顯示，標(biāo)定點(diǎn)的數(shù)量和分布對(duì)校準(zhǔn)精度有顯著影響，交叉口場(chǎng)景下的校準(zhǔn)誤差最低，高速公路主線的誤差最大。

（3）標(biāo)定誤差隨距離增加顯著上升，建議將監(jiān)控的有效觀測(cè)范圍控制在150 m以內(nèi)。

參考文獻(xiàn)

[1]胡松，王道累.攝像機(jī)標(biāo)定方法的比較分析[J].上海電力學(xué)院學(xué)報(bào)， 2018（4）：366-370.

[2]田俊英，伍濟(jì)鋼，趙前程.視覺系統(tǒng)中攝像機(jī)標(biāo)定方法研究現(xiàn)狀及展望[J].液晶與顯示， 2021（12）：1674-1692

[3]閔星，汪增福.基于逐步優(yōu)化的攝像機(jī)陣列標(biāo)定算法[J].電子技術(shù)， 2010（10）：36-38.

[4]單寶華，袁文廳，劉洋.一種基于實(shí)心圓靶標(biāo)的立體視覺系統(tǒng)標(biāo)定方法[J].光學(xué)學(xué)報(bào)， 2016（9）：233-242.

收稿日期：2024-12-30

作者簡(jiǎn)介：邱子桐（1993—），男，本科，工程師，研究方向：交通監(jiān)控優(yōu)化。