作者:颜坤; 刘恩海; 赵汝进; 田宏; 张壮计算机视觉基础矩阵对极几何鲁棒性
摘要:针对基础矩阵估计过程中因受野值影响导致估计精度下降和稳定性不高等问题,本文提出了一种新的快速鲁棒的基础矩阵估计方法。该方法首先将野值去除融入到计算基础矩阵的过程中,而不再将它作为一个独立的处理步骤。通过迭代将潜在的错误对应点剔除,从而实现基础矩阵的稳定估计。然后,在每次迭代过程中,采用对极几何误差准则来识别野值,同时获得基础矩阵的估计结果。该迭代过程收敛较快,即使存在大量匹配野值的情况下,计算值也会很快趋于稳定。仿真和实际实验结果一致表明:所提出的算法在保证类似估计精度的同时还在计算效率方面有极大地提升,相比较快的M估计法有30%以上的速度提升,而相比于估计精度较优的MAPSAC算法甚至达到4倍以上。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社