1.卷積神經網絡的局部感受野

卷積神經網絡的神經元之間的連接模式類似于大腦視覺皮層組織，個體皮層神經元僅在被稱為感受野的視野受限區域中對刺激做出反應。局部感受野就是卷積神經網絡每一層輸出的特征圖（Feature Map）上的像素點在原始圖像上映射的區域大小，相當于像素上的濾波器。濾波器在整張圖像上進行移動，直至遍歷完整張圖像，從而把一些圖像的局部特征提取出來。 圖像的局部統計特征在整幅圖像上具有重復性。如果圖像中存在某個基本圖形，該基本圖形可能出現在任意位置，那么在不同位置共享相同權值，就可以實現在數據的不同位置檢測相同的模式。假設我們在第一個窗口卷積后得到的特征是邊緣，那么這個卷積核對應的就是邊緣特征的提取方式，我們就可以用這個卷積核去提取其他區域的邊緣特征。CNN能夠在淺層學到比較基礎的特征，如點、線、邊緣，這些基礎淺層特征的組合是高層特征，即使發生仿射變換，這些基礎的特征依然不變，因此最后的識別結果不會受到影響。 卷積神經網絡的人工神經元可以響應局部覆蓋范圍內的單元，在對大尺寸圖像處理方面有很好的表現。它的核心思想是通過深層網絡，對圖像的低級特征進行提取，隨著網絡層數的加深，將低級特征不斷向高級特征映射，在最后的高級映射特征中完成分類識別等工作。圖3.3所示為卷積神經網絡的特征提取過程：先從汽車圖像的一個局部區域學習信息，再將其應用到圖像的其他地方去。

2.攝像頭標定

選用opencv 結合C + + ，根據張正友標定法對相機參數進行標定。張正友標定法避免了傳統標定法設備要求高和自標定法精度低的缺點。
操作流程見圖。

準備一個網格邊長為20 mm × 20 mm 的模板，將制
作好的模板以不同景深、角度的方式在攝像機視野中拍
攝若干照片，之后進行標定操作。攝像機標定參數見
表3。
利用攝像機標定結果和單目攝像頭成像原理完成攝像頭成像過程的坐標系變換。確定物體相對于攝像頭坐標系的位姿，進而相對于機械臂的位姿，需確定旋轉矩陣Ｒ 和平移矩陣T 兩個矩陣［14］。Ｒ 和T 決定了攝像頭所在世界坐標系中的位置和方向。

為獲得世界坐標系( 物體坐標系) 與攝像頭坐標系之間的位姿關系，需確定若干個世界坐標系和攝像頭坐標系都能識別的特征點。根據實際情況選取了4 個特征點即P4P 問題。P4P 問題算法描述見圖

實驗結果包括圖像處理與位姿解算信息，攝像頭到太陽能板的距離、特征點的空間三維坐標ZB、太陽能板平面法向量、機械臂l3連桿需要旋轉角度joint3、l4連桿轉動joint4、垂足坐標PE 及機械臂目標位姿接近矢量dstP。其中，joint3 保證機械臂末端對準目標板; joint4 可以確保末端執行器垂直于太陽能

得到目標特征點相對于攝像頭坐標系的空間位置進一步確定目標板與機械臂末端執行器之間的相對位姿。

坐標系

相機坐標系{camera}：坐標原點為相機的光心位置，X 軸和Y 軸分別平行于圖像坐標系的X軸和 Y 軸，Z 軸為相機的光軸。相機坐標系中的點，用[公式]表示。

圖像物理坐標系： 坐標原點為CCD 圖像平面的中心，X軸和Y 軸分別平行于圖像平面的兩條垂直邊。圖像物理坐標系中的點，用[公式]表示。圖像物理坐標系是用物理單位（例如毫米）表示像素在圖像中的位置。

圖像像素坐標系{image}：坐標原點為圖像平面的左上角頂點，X 軸和Y 軸分別平行于圖像物理坐標系的 X 軸和Y 軸。圖像像素坐標系中的點，用[公式]表示。像素坐標系就是以像素為單位的圖像坐標系。

Ground坐標系 : 在世界坐標系中， [公式] 的平面。

接下去要先了解一下針孔相機模型。

相機將三維世界中的坐標點映射到二維圖像平面的過程能夠用一個幾何模型進行描述。這個模型有很多種，其中最簡單的稱為針孔模型。

在現實生活中，針孔相機是由前方有 一個小洞（針孔）所構成。現實世界中源于某個物體的光線穿過此洞，會在攝像機的底板或圖像平面上形成一幅倒立的圖像。
　　

https://zhuanlan.zhihu.com/p/90295867

總結

以上是生活随笔為你收集整理的【笔记】 感受野与权值共享 摄像头标定 相机坐标与世界坐标的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。