1.基于混沌粒子群优化算法的双目标定方法，其特征是，两台摄像机通过同时拍摄多组不同位姿的圆点阵列平面标定板图像对，根据圆点阵列平面标定板圆点中心的图像坐标及其世界坐标的对应关系，基于张正友的平面模板标定法得到两摄像机内外参数初始值，再利用混沌粒子群优化算法迭代极小化三维重投影误差，得到两摄像机最终的内外参数，具有较高的标定精度，从而保证后续双目视觉三维重构的精度，主要包含如下几个步骤：(1)采用Canny算子提取圆点阵列平面标定板图像的圆点边缘轮廓，再利用Zernike矩进行亚像素边缘提取，通过椭圆拟合求得圆点中心亚像素图像坐标；

(2)采用针孔成像模型描述圆点阵列平面标定板图像圆点中心的亚像素图像坐标及其世界坐标之间的线性模型，求取世界坐标系到图像坐标系的单应性矩阵；

(3)未考虑摄像机镜头畸变的情况下，利用张正友的平面模板标定法对左右两摄像机分别进行线性标定，分别得到两摄像机内外参数初始值Al、Rl、Tl和Ar、Rr、Tr；

(4)考虑摄像机镜头二阶径向和二阶切向畸变，基于步骤(3)的两摄像机内外参数初始值，通过构造三维重投影误差函数作为优化目标函数，利用混沌粒子群算法进行内外参数的迭代优化；优化过程中，引入全局自适应动态惯性权重(GAIW)，同时在速度更新阶段根据粒子局部邻域内的最优适应度值更新速度及当前位置，并对粒子局部邻域内最优适应度值对应的最优位置进行混沌优化，其中利用动态环形拓扑关系构造粒子局部邻域，邻域随着迭代次数线性增大，最后邻域扩展至整个粒子群；

(5)判断结束条件，若目标函数的适应度值进化到预先设定的精度ε，则终止优化并输出左右摄像机的内外参数结果，否则返回步骤(4)。

2.根据权利要求1所述基于混沌粒子群优化算法的双目标定方法，所述步骤(4)中利用混沌粒子群优化算法进行两摄像机的内外参数迭代优化，其特征如下：第一步、根据步骤(3)得到两摄像机内外参数初始值和所有初始值为0的畸变系数对粒子群中粒子的速度和位置进行随机初始化，并设置粒子数目为Ω＝100，搜索空间维数为D＝28，对应待优化标定内外参数的总数；

第二步、计算每个粒子的适应度值f(θ)，将每一个粒子带入式(27)求得优化目标函数值，即通过构造三维重投影误差函数作为优化目标函数，利用实际测量的标定点三维坐标(Xwi Ywi Zwi)T与由模型计算得到的三维坐标(X'wi Y'wi Z'wi)T之间的残差来表示：第三步、利用式(28)～(30)对粒子的速度和位置进行更新；

vi,d(t+1)＝ω(t)vi,d(t)+c1r1(t)[Pbesti,d(t)-xi,d(t)]+c2r2(t)[Gbestd(t)-xi,d(t)](28)xi,d(t+1)＝xi,d(t)+vi,d(t+1)  (29)

其中，vi,d(t+1)表示群体中粒子i在第t+1次迭代中第d维的位置对应速度，νi,d(t)表示群体中粒子i在第t次迭代中第d维的位置对应速度，xi,d(t)表示群体中粒子i在第t次迭代中第d维的位置；c1、c2为加速度常数；r1(t)、r2(t)为[0，1]均匀分布的随机数；Pbesti,d(t)为粒子i个体最优位置矢量的第d维元素，Gbestd(t)为整个粒子群全局最优位置矢量的第d维元素；ω(t)为惯性权重，ωmax为惯性权重最大值，ωmin为惯性权重最小值；t为当前迭代次数，tmax为总迭代次数；

为更快更准确的找到全局极值点，从而提高双目标定中摄像机内外参数优化的精度，引入全局自适应动态惯性权重(GAIW)，如式(31)所示；

其中，Gbest(t+1)为第t+1次迭代全局最优位置矢量，Gbest(t)为第t次迭代全局最优位置矢量，f(Gbest(t+1))和f(Gbest(t))分别对应Gbest(t+1)和Gbest(t)位置的全局最优适应度值；

ω(t)的值根据历史迭代和当前迭代的全局最优适应度值进行更新，若粒子的搜索过程中未找到更优的全局适应度值位置，则将ω(t)置0，若ω(t)的值连续K次为0，则根据更新ω(t)值，使得粒子在当前全局最优适应度值对应的位置附近搜索；

第四步、计算粒子i所经历的最好位置Pbesti(t)，也即粒子所经历过的具有最优适应度值的位置，如式(32)所示：其中，xi(t+1)为粒子i第t+1次迭代最优位置矢量，f(xi(t+1))为对应位置的适应度值；

第五步、计算群体中所有粒子经历过最好位置，即具有全局最优适应度值对应的全局最优位置Gbest(t)，由于全局版本的粒子群算法收敛速度快，容易陷入局部最优，采用粒子i邻域内所有粒子的局部最优位置Gbesti(t)代替全局最优位置Gbest(t)；通过动态环形拓扑结构构造粒子的分布，迭代优化过程中按照线性递增的方式确定粒子的邻域，对于第t次迭代，粒子i对应的邻域大小为2t，直至扩展至整个粒子群体；

为防止某些粒子在迭代中出现停滞，对上述粒子i邻域内的局部最优位置Gbesti(t)根据混沌映射方程进行混沌优化，利用混沌变量的遍历性，以粒子i邻域内搜索到的局部最优位置为基础迭代产生一个混沌序列，然后将序列中的最优粒子位置随机代替当前粒子i邻域中的某一粒子的位置进行迭代，从而解决了粒子停滞导致的算法早熟问题，具体步骤如下：i.通过式(33)将Gbesti(t)映射到混沌映射方程(34)的定义域[0,1]上，并记Gbesti(t)＝[Gbesti,1(t),Gbesti,2(t),...,Gbesti,d(t),...,Gbesti,D(t)],d＝1,2,...,D；

ii.对 通过混沌映射方程式(34)进行Q次迭代，得到如式(35)所示的混沌序列；

iii.将混沌序列通过式(36)逆映射回原解空间，得到一个混沌变量可行解序列如式(37)所示；

iv.计算可行解序列 中每个可行解矢量 的适应度值，并保留适应度值

最优时的可行解矢量，记为Gbesti'(t)；

v.从当前粒子i邻域中随机选择一个粒子，并用Gbesti'(t)的位置矢量代替该粒子的位置矢量；

第六步、判断结束条件，若目标函数的适应度值进化到预先设定的精度ε，则终止优化并输出左右摄像机的内外参数结果，否则返回第二步。