共线相机设置下本质矩阵与基础矩阵的平均化
计算机视觉与模式识别
2020-09-16 v3
摘要
运动恢复结构（Structure from Motion）的全局方法近年来日益流行。全局方法的一个显著缺陷是对共线相机设置敏感。在本文中，我们针对当部分或所有相机中心共线时，对双焦点张量（本质矩阵或基础矩阵）进行平均化的分析与算法。我们给出了共线场景下双焦点张量的完整谱刻画，并进一步提出了两种平均化算法。第一种算法使用秩约束最小化，在完全共线设置下恢复相机矩阵。第二种算法通过添加位于一般位置的额外“虚拟相机”来扩充可能混合共线与非共线相机的集合，从而能够对扩充后的双焦点张量集合应用现有的平均化方法。我们的算法在包含自动驾驶汽车数据集以及有序与无序图像集合的各类基准上，在已标定与未标定设置下均取得了最先进（state of the art）的结果。
引用
@article{arxiv.1912.00254,
title = {Averaging Essential and Fundamental Matrices in Collinear Camera Settings},
author = {Amnon Geifman and Yoni Kasten and Meirav Galun and Ronen Basri},
journal= {arXiv preprint arXiv:1912.00254},
year = {2020}
}