方案进行实验.它将3 个因素（即参数x1，x2 和 x3）的不同取值分成 11 个组合，以形成 11 组实验，每组实验中 3 个参数的取值是用编码值来确定的[5-8].最优回归设计 311-A 方案的编码值见表1.
4 遗传算法的双目传感器结构参数的优化
4.1 遗传算法的概述
遗传算法（Genetic Algorithm ） 是由美国Holland 教授提出的一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法.它起源于达尔文的进化论， 是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，其主要步骤如下（图2）：
（1）生成初始种群；
（2）计算初始种群中每个个体的适应度，并判是否符合优化条件.如果符合，则输出相应的最优解，否则执行下列步骤；
（3）根据适应度的大小，选择个体，适应度越高被选中几率越大，反之则可能淘汰；
（4）按照一定的交叉方法和交叉概率Pc执行交叉操作；
（5）按照一定的变异方法和变异概率Pm执行变异操作；
（6）返回上述步骤（2）.
4.3 基于遗传算法的优化
运用Matlab软件，编制遗传算法优化程序，设置相应的参数，初始种群大小为20，交叉概率为0.6，变异概率为0.08，最大遗传代数为1 000.仿真求解得到最优结果：x1=0.066 5，x2=0.287 6，x3=0.991 7，求解结果收敛图如图3所示.
再将最优编码值转化成具体参数，最佳的参数组合为B=41.168，H=31.777，α=57.86°.
根据遗传算法优化后的参数值组合，调节视觉传感器的结构参数，进行验证实验，测得量块的高度值为8.901，比文献[14]中的测量精度有较大提高.
5 结论
为了提高双目立体视觉传感器的测量精度，本文首先采用最优回归设计建立双目立体视觉传感器的结构优化模型，之后运用遗传算法对建立的结构优化模型进行优化，得到最优解，经过遗传算法的优化，双目立体视觉传感器的测量精度有了较大幅度的提高.
参考文献：
[1] 周学斌，杨学友，杨 楠，等. 立体视觉传感器优化设计技术研究[J]. 计算机测量与控制， 2007，15（6）：831-832.
[2] 孙凤梅，黄凤荣，胡占义，等. 视觉测量误差的研究与讨论[J]. 北方工业大学学报， 2005，17（1）：61-63.
[3] 吴彰良，卢荣胜，胡鹏浩，等. 双目立体视觉传感器精度分析与参数设计[J]. 郑州轻工业学院学报：自然科学版， 2006，21（3）：32-34.
[4] 王建华，韩红艳，王春平，等. CCD双目立体视觉测量系统的理论研究[J]. 电光与控控制， 2007，14（4）：94-96.
[5] 张 蕾，徐镜波，杨 丽. 析因试验设计在环境污染物联合毒性研究中的应用[J]. 干旱环境监测， 2004，18（1）：20-22.
[6] 李 伟，朱 红. 均匀实验设计在驱油剂配方研制上的应用[J]. 北京交通大学学报：自然科学版， 2008，32（3）：67-69.
[7] 娄国强，吕文彦. 回归最优设计在麦田杂草防除中的应用[J]. 安徽农业科学， 2006，34（12）：2766-2768.
[8] 刘红波，陆 刚，边 宽. 几种实验设计方法的比较[J]. 安徽农业科学， 2007，35（36）：11738-11739.
[9] 吕桂善，杨志伟，杨正兴. 最优回归设计在食品加工工业中的应用[J]. 广西大学学报：自然科学版， 2001，26（2）：125-126.
[10] 罗宇锋，范耀祖，富 立. 正交设计及D最优设计在陀螺测试中的应用[J]. 压电与声光， 2008，30（4）：393-394.
[11] MONTGOMERY D C. Design and analysis of experiments[M]. 6th ed. New York：John Wiley & Sons Inc， 2004.
[12] 齐力旺，韩一凡，李 玲. 应用 311-A 最优回归设计研究ABA、PEG 4000 及 AgNO3 对落叶松体细胞胚发生数量的影响[J]. 生物工程学报， 2001，17（1）：84-86.
[13] 张雅文，陈梁俊. 最优回归设计在落叶松遗传转化体系主导因子优化筛选试验中的应用[J]. 数学的实践与认识， 2004，34（1）：99-100.
[14] 王以忠，李孝猛.双目立体视觉传感器结构参数优化设计[J].天津科技大学学报， 2010，6（3）：11-14.
（编辑 陈笑梅）
推荐访问： 双目 遗传 传感器 算法 优化设计