大サイズの高精度ターゲットの製作、保管、輸送、および操作には困難があるため、大視野カメラの高精度キャリブレーションはいまだに視覚分野の課題のひとつです。そこで本論文では、強化学習に基づく高精度大視野カメラキャリブレーション手法を提案し、A3C（非同期利得アクタークリティック）アルゴリズムを使用して、大視野条件下での張正友キャリブレーション法の小ターゲット姿勢を最適化し、等価大ターゲット画像およびターゲット特徴の最適なサンプル分布を取得し、最終的にキャリブレーション精度の向上を実現します。まず、ターゲット姿勢最適化問題をマルコフゲームモデルとして構築し、その後A3Cアルゴリズムを用いて独立した環境コピーでN個の並列ターゲットエージェントをトレーニングし、各エージェントがターゲット姿勢を最適化し、最後にトレーニング済みのポリシーを大視野カメラキャリブレーションに適用します。10 m²大視野カメラのキャリブレーション実験では、逆投影誤差が0.2 mm以内に安定しており、固定被写界深度法と比べて約50％、MAPPOアルゴリズムと比べて約12.3％の精度向上が見られました。本手法はロータ風洞試験におけるローターブレード全景運動パラメータ計測に成功裏に適用されており、キャリブレーションの高精度かつ高安定性の要件を満たしています。

大視野;ターゲット姿勢最適化;マルチエージェント強化学習;A3C;マルコフゲーム