基于随机采样聚合共识的精确运动估计
计算机视觉与模式识别
2017-01-20 v1
摘要
我们重新考虑从含外点的图像间点匹配精确估计二维变换的经典问题。RANSAC 通过随机生成极简采样假设并验证它们对输入数据的共识来判别外点。其响应基于获得最大内点支持的单一假设。在本文中，我们展示通过聚合所有生成的假设可改进所得精度。这产生了 RANSAAC，一种通过统计聚合假设而系统性地优于 RANSAC 及其最先进变体的框架。为此，我们引入一种简单策略，可快速平均二维变换，带来几乎可忽略的额外计算成本。我们给出了在投影变换与单应性+畸变模型上的实际应用，并展示了两种情况下显著的性能提升。
引用
@article{arxiv.1701.05268,
title = {Accurate Motion Estimation through Random Sample Aggregated Consensus},
author = {Martin Rais and Gabriele Facciolo and Enric Meinhardt-Llopis and Jean-Michel Morel and Antoni Buades and Bartomeu Coll},
journal= {arXiv preprint arXiv:1701.05268},
year = {2017}
}