联合对极跟踪（JET）：对极几何与特征对应的同时优化
计算机视觉与模式识别
2017-03-16 v1
摘要
传统上，位姿估计被视为一个两步问题。首先，通过直接比较图像块或关联特征描述子来确定特征对应关系。在第二步中，通常通过最小化重投影误差（RPE）来估计相对位姿和对应点坐标。RPE 优化所基于的损失函数仅感知特征像素位置，而不感知底层图像强度。在本文中，我们提出了一种稀疏直接方法，该方法引入了一个损失函数，允许在直接考虑图像强度值的同时，优化未标定的相对位姿以及特征对应集合。此外，我们展示了如何将关于运动的统计先验信息整合到优化过程中。这种对贝叶斯偏置项的构造性纳入在具有强可预测性（短期）动态的应用场景中尤为高效，例如在驾驶场景中。在我们的实验中，我们证明了所提出的 JET 算法在两个合成数据集和 KITTI 数据集上均优于经典的重投影误差优化。JET 算法在单 CPU 线程上实时运行。
引用
@article{arxiv.1703.05065,
title = {Joint Epipolar Tracking (JET): Simultaneous optimization of epipolar geometry and feature correspondences},
author = {Henry Bradler and Matthias Ochs and Rudolf Mester},
journal= {arXiv preprint arXiv:1703.05065},
year = {2017}
}
备注
Accepted at IEEE Winter Conference on Applications of Computer Vision (WACV), Santa Rosa, USA, March 2017