亚特兰大世界中垂直方向全局最优估计
计算机视觉与模式识别
2020-10-13 v2 机器人学
摘要
在人造环境（如室内与城市场景）中，大多数物体与结构以正交且平行的平面形式组织。这些平面可由亚特兰大世界（Atlanta world）假设近似，其中平面的法向量可由亚特兰大坐标系表示。亚特兰大世界假设可视为广义曼哈顿世界假设，具有一个垂直坐标系和多个水平坐标系。通常，给定一组输入（如表面法向量），亚特兰大坐标系估计问题可通过分支定界（BnB）一次性求解。然而，当维数（即水平坐标系的数量）增加时，BnB 算法的运行时间会大幅增长。本文中，我们仅估计垂直方向，而非一次性估计所有亚特兰大坐标系。据此，我们通过考虑垂直坐标系与水平坐标系之间的关系，提出了一种垂直方向估计方法。具体而言，我们的方法采用 BnB 算法搜索垂直方向，在保证全局最优性的同时无需先验知道亚特兰大坐标系的数量。为保证收敛，研究了四种通过将三维半球映射到二维区域得到的新颖界。我们在多种具有挑战性的合成与真实世界数据中验证了所提方法的有效性。
引用
@article{arxiv.1904.12717,
title = {Globally optimal vertical direction estimation in Atlanta World},
author = {Yinlong Liu and Alois Knoll and Guang Chen},
journal= {arXiv preprint arXiv:1904.12717},
year = {2020}
}