使用简单、迭代的最小集求解器提升RANSAC性能
计算机视觉与模式识别
2010-07-09 v1
摘要
RANSAC是一种在存在异常值时估计模型参数的流行技术。当使用最小可能数量的点来估计模型假设时，可获得最佳速度。许多有用的问题可以用多项式约束来表示（例如，基本矩阵的行列式必须为零），因此存在多个与最小集一致的解。人们已经投入了大量精力来寻找这些问题的约束条件，而这些约束条件通常需要求解多项式方程组。我们表明，通过在最小集上使用一种简单的基于优化的方法，可以获得更好的性能。对于给定的最小集，优化方法不能保证收敛到正确的解。然而，当在RANSAC中使用时，更高的速度和数值稳定性带来了整体上更好的性能，以及更简单的算法。我们还表明，通过选择多于最小数量的点并使用鲁棒优化，可以减少所需的试验次数，从而在噪声非常大的情况下获得更好的结果。我们通过在本质矩阵估计上的实验证明了我们方法的速度提升。
引用
@article{arxiv.1007.1432,
title = {Improved RANSAC performance using simple, iterative minimal-set solvers},
author = {Edward Rosten and Gerhard Reitmayr and Tom Drummond},
journal= {arXiv preprint arXiv:1007.1432},
year = {2010}
}