Resumen

Existen algunos problemas en el proceso de calibración de cámaras, como la falta de precisión y la baja exactitud. Basándose en el algoritmo de gaviota, se combina el algoritmo de evolución diferencial adaptativa con el algoritmo de gaviota para optimizar la calibración multicámara. El algoritmo de gaviota puede lograr buenos resultados en problemas multiparamétricos y evitar efectivamente caer en óptimos locales. En este artículo, se adopta el algoritmo de búsqueda diferencial adaptativa para mejorar la capacidad de búsqueda local y optimizar la capacidad de búsqueda local y global. Según el método de Zhang Zhengyou, se obtienen los parámetros calibrados, en los que el parámetro se utiliza como valor inicial. Luego, tomando el error medio mínimo como criterio, se utiliza el algoritmo de gaviota mejorado (SOA-SaDE) para establecer la función objetivo, y se resuelven aún más los parámetros internos y el coeficiente de distorsión de la cámara. Experimentos de verificación mostraron que el algoritmo de fusión tiene

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Problemas; Calibración de cámaras; Algoritmo de la gaviota; Algoritmo de evolución diferencial adaptativa; Calibración multicámara; Búsqueda local.
• Keywords:Problems; Camera calibration; Seagull algorithm; Adaptive differential evolution algorithm; Multicamera calibration; Local search.