基于无特征非配对点的足球视频单应性估计智能采样共识
计算机视觉与模式识别
2025-11-11 v2
摘要
在相机位姿和缩放因子差异极大的图像间估计单应性矩阵是一项复杂挑战。传统方法依赖随机采样共识（RANSAC）算法，该算法需要基于局部图像特征向量预匹配的同源点对所构成。采样共识是许多人工智能（AI）算法中的核心步骤，使计算机系统能够识别数据中的模式。本文中，我们提出H-RANSAC，一种无需特征向量或显式点配对、同时可选支持将点标注为两类的单应性估计算法。H-RANSAC引入了一种新颖的几何（手性）准则，在每次迭代开始时智能拒绝不合理的点配置，同时利用通常被同类算法丢弃的凹四边形。每次迭代结束时的后验准则进一步提高了精度。我们考虑成功概率与离群率，给出了期望最大迭代次数的解析推导，从而实现自适应性能调优。该算法在一个高难度任务上得到验证：估计由12台视角高度发散的摄像机所拍摄足球比赛视频帧间的单应性。结果表明，在平均重投影误差与成功率方面，H-RANSAC结合基于深度学习的显著点检测，显著优于最先进的经典方法。相关实现见 https://github.com/gnousias/H-RANSAC。
引用
@article{arxiv.2310.04912,
title = {Intelligent Sampling Consensus for Homography Estimation in Football Videos Using Featureless Unpaired Points},
author = {George Nousias and Konstantinos Delibasis and Ilias Maglogiannis},
journal= {arXiv preprint arXiv:2310.04912},
year = {2025}
}