张峰峰 张 欣 陈 龙 孙立宁 詹 蔚

1.苏州大学机电工程学院，苏州，215006 2.苏州大学苏州纳米科技协同创新中心，苏州,215123 3.苏州大学附属第一医院放疗科，苏州,215000

0 引言

物体三维重建是计算机视觉、计算机辅助几何设计等领域的核心问题[1]。双目视觉三维重建技术已经成为计算机视觉的重要研究方向,该技术在智能化自动生产、机器人导航、医疗辅助等领域均有应用[2]。双目视觉技术的重点研究领域之一便是双目相机的标定[3-5]。双目相机的标定精度直接影响三维重建的精度。在实际的应用过程中，标定的精度和所需时间是首要的研究目标[6]。

双目相机的标定通常建立在理想的针孔相机模型中, 通过对一系列的空间物点和对应的映射像点进行约束集求解得到相机的内外参数[7-10]。神经网络是人工智能领域近年来发展起来的一种新技术，许多学者提出利用BP神经网络来进行双目相机标定，即将左右相机图像的二维像素值和三维坐标值分别作为BP神经网络的输入和输出，利用BP神经网络不断训练，直接建立两者之间的关系。这种方法作为一种隐式标定，不依赖传统的相机成像模型，并且将许多非线性因素包含在内[11-13]。相比传统的双目相机标定的方法，该方法更加简便、易操作。潘晓[14]在分析相机标定原理的基础上提出基于神经网络的相机标定技术，通过实验验证其标定的误差在允许范围内，能满足实际应用的需要。刘小娟等[15]针对大视场双目相机标定中的精度低和非线性畸变问题,提出了一种结合BP神经网络的大尺寸虚拟靶标标定技术，该技术进一步验证了BP神经网络在双目相机标定实际应用中的可行性。……