潜在RANSAC

我们提出了一种能够以常数时间（即与数据规模无关）评估RANSAC假设的方法。这里的一个关键观察是，正确的假设在潜在参数域中紧密聚集在一起。以类似于广义霍夫变换的方式，我们试图找到这一簇，只是我们仅需两次投票即可成功检测。通过采用近期的“随机网格”范围搜索技术，可以快速定位此类相似假设对。我们仅在发现一对相近假设时才执行通常（代价高昂）的假设验证阶段。我们表明，对于不正确的假设，此类事件很少发生，从而实现了RANSAC流程的显著加速。所提方法被应用并测试于三个鲁棒估计问题：相机定位、3D刚性对齐和2D单应估计。我们在合成与真实数据集上进行了严格测试，证明了效率的提升且未牺牲精度。此外，我们在具有挑战性的“Redwood”回环检测挑战上取得了最先进的3D对齐结果。