1.一种樽海鞘‑自适应差分进化混合相机内参优化算法，其特征在于：将全局优化能力强的樽海鞘算法与局部搜索能力强的自适应差分进化算法混合，提出了平均适应度值的概念对个体适应度值进行选择，在个体适应度值小于平均适应度值时，用樽海鞘算法对参数进行优化；反之，在个体适应度值大于平均适应度值时，用自适应差分进化算法对参数进行优化；在迭代后期应用变异、交叉因子增加种群多样性；其步骤如下：(1)读取图片：利用摄影设备拍摄标定板照片，所用标定模板为黑白相间的棋盘格，共

10×8个方格，每个方格尺寸为50mm×50mm，选取了15张不同角度的标定图片，用MATLAB中imread函数读取标定图片；

(2)灰度化处理：应用MATLAB中的rgb2gray函数进行图片灰度化处理；

(3)角点提取：利用MATLAB工具箱对灰度化图片进行角点提取，可以提取出全部角点的像素坐标，每张图片角点为63个，共945个；

(4)种群初始化：

①相机内参的计算

根据张正友标定法，表示线性模型中世界坐标系中一点(xw,yw,zw)转化为像素坐标系中一点(xd,yd)的函数关系式，即理想相机成像关系式为：式中，R是3×3的旋转矩阵，T是3×1的平移矩阵，MR,T是旋转矩阵和平移矩阵的组合；MA为内部参数，表示相机内部几何特性，数学模型为：式中，fx＝fc1/dx,fy＝fc2/dy，fc1、fc2是相机焦距；dx和dy是像素的物理长度，u0和vo是相机光轴和图像平面交点的像素坐标值；

根据式(1)和(2)计算出理想相机内参fx、fy、u0、v0；

②畸变系数的计算

实际相机镜头存在畸变，具有非线性成像关系；考虑镜头存在径向畸变和切向畸变，建立理想相机模型的图像坐标系中一点(xd,yd)与实际相机模型中一点(xu,yu)的数学模型，得到理想相机模型的图像坐标与实际相机模型中的图像坐标之间的函数关系式为：式中，(xd,yd)为理想相机模型的图像坐标，(xu,yu)为实际非线性相机模型中考虑镜头失真的实际图像坐标；k1、k2、k3为径向畸变系数，p1、p2为切向畸变系数；通过式(3)获得畸变系数的初值；

③种群初始化

参数初值包括相机内参fx、fy、u0、v0，径向畸变系数k1、k2、k3和切向畸变系数p1、p2，参数的单位是像素；以计算出的相机内参数fx、fy、u0、v0的数值为初值，方差为8，进行初始化；径向畸变系数k1、k2、k3和切向畸变系数p1、p2初值为0，方差为1进行初始化，进而完成种群初始化；

(5)边界检测：

根据樽海鞘算法中的边界要求，在种群初始化时，对每一维进行初始化，每一维的最大值为当前维的上界，最小值为当前维的下界，将搜索空间的上界表示为ubi，将搜索空间的下界表示为lbi，其中1≤i≤9，在每一次种群迭代中，对跳出边界的值进行剔除，对边界里的数值进行选取；

(6)计算樽海鞘种群个体适应度值fi

令适应度函数为：

式中，i为图像编号，j为校准点编号，pij是第i个图像中第j个校准点的实际像素坐标，N为图像总数15，M为校准点总数945，p(fx,fy,u0,v0,k1,k2,k3,p1,p2,Pj)为计算得到的像素坐标；fx、fy、u0、v0为待优化的相机内参数，k1、k2、k3、p1、p2为待优化的畸变系数，Pj为世界坐标系中第i个图像中第j个点的坐标；在每一次种群迭代中，用上述适应度函数计算个体适应度值；

(7)计算樽海鞘种群平均适应度值

由于每代有30个个体，在求取30个个体的适应度后，计算其平均值：(8)寻找最优适应度值

判断个体适应度值fi与种群平均适应度值 的大小；当 时，采用自适应差分进化算法进行寻优；当 时，采用樽海鞘算法进行寻优；寻优后，更新最优位置，根据最优位置进行判断；

1)当 时，利用自适应差分进化算法求解过程：

①更新控制参数SF和CR

式中，rand1、rand2、rand3、rand4均为[0,1]之间的随机数，τ1和τ2表示转换概率，SFl和SFu为边界缩放因子；根据经验值，令τ1＝τ2＝0.1，SF的初始值设为0.5，CR的初始值为0.9；

②通过变异操作产生突变个体，即变异算子；

变异算子表示为：

式中， 是第t+1次迭代中的突变体个体； 分别代表种群中三个不同个体，且r1≠r2≠r3，SF表示比例因子，为常数；

③在交叉过程中，为了提高种群的多样性，从现有的个体 或突变个体 中选择试验个体 即交叉算子；

交叉算子表示为：

式中，rand是[0,1]之间的随机数；CR表示交叉概率，为常数；

④在选择过程中，比较试验个体 和当前个体 是为了获得第t+1代的个体，即选择算子；

选择算子表示为：

更新最优位置，进行判断；

2)当 时，利用樽海鞘算法求解过程：

①计算参数c1：

c1起到全局平衡和局部开发的作用，是最重要的参数；

式中：t为当前迭代次数，T＝tmax为最大迭代次数；

②更新樽海鞘领导者位置

式中，为在第j维空间中，第1个领导者的位置，c2、c3皆为[0,1]之间的随机数，它们确定下一个位置的移动方向，增强了 的随机性，增加了个体多样性。ubj、lbj分别为第j维搜索空间的上界、下界，需要优化的参数有9个，维度等于9，j的取值为1≤j≤9；

③更新樽海鞘追随者位置

当i≥2时， 表示第i个跟随者在第j维的位置，t是时间，v0是初始速度；

更新最优位置，进行判断；

(9)判断是否达到“预先设定的最大迭代次数或预期的适应度值”；如果满足，输出相机内参和畸变系数最优值；如果不满足，回到步骤(6)继续计算。

2.根据权利要求1中所述的一种樽海鞘‑自适应差分进化混合相机内参优化算法，其特征在于：步骤4)中建立理想相机模型的图像坐标系中一点(xd,yd)与实际非线性相机模型中一点(xu,yu)的畸变数学模型，径向畸变数学模型为：

切向畸变数学模型为：

其中，

联立式(6)(7)(8)得到，理想相机模型的图像坐标与实际相机模型中的图像坐标之间的函数关系式为式(3)。

3.权利要求1中所述的一种樽海鞘‑自适应差分进化混合相机内参优化算法，其特征在于：其中的摄影设备为数码摄像机或带摄像功能的电子设备。