用于同时求解相机位姿与特征对应的内点集最大化全局最优方法
计算机视觉与模式识别
2017-09-28 v1 机器人学
摘要
从单张图像相对于预计算的 3D 点集估计相机的 6 自由度位姿是许多计算机视觉应用的重要任务。只要事先已知一组高质量的 2D-3D 特征对应关系，Perspective-n-Point (PnP) 求解器便被常规用于相机位姿估计。然而，在仅已知几何（位置）信息的情况下，寻找 2D 关键点与 3D 点集之间的最优对应关系并非易事。现有的同时求解位姿与对应关系问题的方法使用局部优化，因此在没有良好位姿初始化的情况下不太可能找到最优解，或者引入了限制性假设。由于该问题中通常存在大量异常点，我们转而提出一种全局最优的内点集基数最大化方法，该方法联合估计最优相机位姿和最优对应关系。我们的方法采用分支定界法搜索 6D 相机位姿空间，在不需要位姿先验的情况下保证全局最优性。利用 SE(3) 的几何性质找到了内点数目的新颖上下界，并集成了局部优化以加速收敛。评估在经验上支持了最优性证明，并表明该方法的鲁棒性远超现有方法，包括在大规模室外数据集上。
引用
@article{arxiv.1709.09384,
title = {Globally-Optimal Inlier Set Maximisation for Simultaneous Camera Pose and Feature Correspondence},
author = {Dylan Campbell and Lars Petersson and Laurent Kneip and Hongdong Li},
journal= {arXiv preprint arXiv:1709.09384},
year = {2017}
}
备注
Manuscript in press 2017 IEEE International Conference on Computer Vision