多向前方交会与单隐层神经网络结合的近景前方交会法

针对三维坐标求解精度受非线性误差影响的问题，提出了一种多像前方交会与单隐层BP神经网络相结合的方法。基本过程为：①在样本点真实世界坐标已知的条件下，构建关于世界坐标的拉格朗日方程，对相机外参进行优化，以得到更高精度的三维坐标初值。②利用计算得到的三维坐标和真实三维坐标分别作为输入和输出参数对单隐层BP神经网络进行训练。③将三维坐标初值带入网络模型对其进行改正。试验结果表明：①相较于前方交会、稀疏光束法平差及典型神经网络方法，在试验装置环境视场内，本文方法解算精度较高，最大偏差为0.492 7 mm。②相较于典型神经网络方法，本文网络结构为3-6-3，结构简单且计算效率高。...

Full description

Saved in:
Bibliographic Details
Published in:Ce hui xue bao 2020-06, Vol.49 (6), p.736
Main Authors: 李佳田, 王聪聪
Format: Article
Language:chi ; eng
Subjects:
Back propagation networks
Bundle adjustment
Euler-Lagrange equation
Neural networks
Parameters
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:针对三维坐标求解精度受非线性误差影响的问题，提出了一种多像前方交会与单隐层BP神经网络相结合的方法。基本过程为：①在样本点真实世界坐标已知的条件下，构建关于世界坐标的拉格朗日方程，对相机外参进行优化，以得到更高精度的三维坐标初值。②利用计算得到的三维坐标和真实三维坐标分别作为输入和输出参数对单隐层BP神经网络进行训练。③将三维坐标初值带入网络模型对其进行改正。试验结果表明：①相较于前方交会、稀疏光束法平差及典型神经网络方法，在试验装置环境视场内，本文方法解算精度较高，最大偏差为0.492 7 mm。②相较于典型神经网络方法，本文网络结构为3-6-3，结构简单且计算效率高。
ISSN:1001-1595
1001-1595
DOI:10.11947/j.AGCS.2020.20180600