基于聚类比率检验的快速相机定位方法

用于相机定位的特征点匹配面临可扩展性问题。即使与三维场景点关联的特征描述子在局部是唯一的，随着覆盖范围的增长，相似或重复的特征变得越来越普遍。因此，用于识别可靠图像特征点的标准距离比率检验过于严格，并拒绝了许多良好的候选匹配。我们提出了一种简单的由粗到精的策略，该策略使用保守近似来实现鲁棒的局部比率检验，并可通过全局近似k近邻搜索高效计算。我们将这些正向匹配视为相机姿态空间中的投票，并利用它们对候选相机姿态聚类内的反向匹配进行优先级排序，同时利用通过对三维模型相机姿态图进行聚类所捕获的特征共视性。该方法在多种流行的基准数据集上取得了最先进的相机定位结果，优于若干使用更复杂数据结构并对相机姿态做出更严格假设的方法。我们还在一个包含全局重复结构的困难测试数据集上进行了诊断分析，结果表明我们的方法成功适应了大规模图像定位的挑战。