基本矩阵估计：误差准则研究
计算机视觉与模式识别
2017-06-27 v1
摘要
基本矩阵 (FM) 描述了同一场景两幅图像之间存在的几何关系。不同的误差准则被用于从输入的对应点集中估计 FM。本文研究了不同误差准则在准确性和效率方面的表现。我们从数学和实验上证明了最流行的误差准则——对称极线距离——存在偏差。研究还表明，尽管对称极线距离与 Sampson 距离的代数表达式相似，但它们具有不同的精度特性。此外，我们提出了一种新的误差准则——Kanatani 距离，并证明从准确性和效率的角度来看，它在外点去除阶段最为有效。为了全面测试不同误差准则的准确性，我们提出了一种基于重投影误差的对应点生成随机算法 (RE-CG)。作为输入，RE-CG 接收一个 FM 和一个期望的重投影误差值 。作为输出，RE-CG 生成具有该误差值的随机对应点。对该算法的数学分析表明，任意给定尝试的成功概率最好为 1 - (2/3)^2，最差为 1 - (6/7)^2，而实验表明该算法通常仅需一次尝试即可成功。
关键词
引用
@article{arxiv.1706.07886,
title = {Fundamental Matrix Estimation: A Study of Error Criteria},
author = {Mohammed E. Fathy and Ashraf S. Hussein and Mohammed F. Tolba},
journal= {arXiv preprint arXiv:1706.07886},
year = {2017}
}
备注
15 pages, 7 figures, Pattern Recognition Letters, 2011