论文部分内容阅读
设计了一种改进的基于动态衰减的RBF神经网络,它能够自适应地确定RBF隐层节点数、高斯函数中心值及径向基函数的宽度,克服了原算法中过多依赖先验知识设计参数的弊病,仿真实验验证了该算法的有效性。并且将此网络应用于摄像机定标中,该网络无需确定摄像机具体的内、外部参数,而且补偿了摄像机非线性畸变,使测量结果更加准确。实验结果表明,应用该神经网络进行摄像机标定能达到较高的精度,且在机器人平面跟踪实验中得到了令人满意的结果。