平移平均中的基线去敏化方法
计算机视觉与模式识别
2019-01-04 v1
摘要
许多现有的平移平均算法要么对差异化的相机基线敏感，不得不依赖大量的预处理来改善观测到的对极几何图；要么虽然对差异化相机基线具有鲁棒性，却需要复杂的优化来最小化高度非线性的角度误差目标。本文精心设计了简洁而有效的双线性目标函数，引入一个变量来完成所需的归一化。该目标函数兼具角度误差的基线不敏感特性，又可通过块坐标下降进行简单高效的优化，并具有良好的实证性能。进一步提出了一种旋转辅助的迭代重加权最小二乘方案，以帮助处理离群点。我们还增进了对两种近期凸算法 LUD 和 Shapefit/kick 行为的理解，阐明了导致性能差距的潜在细微差异。最后，我们证明在基准数据集上，我们的算法相比 SOTA 方法取得了总体更优的精度，并且速度快数倍。
引用
@article{arxiv.1901.00643,
title = {Baseline Desensitizing In Translation Averaging},
author = {Bingbing Zhuang and Loong-Fah Cheong and Gim Hee Lee},
journal= {arXiv preprint arXiv:1901.00643},
year = {2019}
}
备注
8 pages