用于全局刚性配准的线性收敛拟分支定界算法
计算几何
2019-04-16 v2 计算机视觉与模式识别
摘要
近年来，人们提出了若干分支定界（BnB）算法来全局优化刚性配准问题。在本文中，我们提出了一个改进 BnB 方法的通用框架，称之为拟 BnB（Quasi BnB）。拟 BnB 将 BnB 算法中使用的线性下界替换为基于全局极小值附近能量的二次行为的二次拟下界。虽然拟下界并非真正的下界，但拟 BnB 算法是全局最优的。事实上，我们证明其具有线性收敛性——它在 时间内达到 精度，而其他刚性配准 BnB 算法的时间复杂度在 中是多项式的。我们的实验验证了拟 BnB 比最先进的 BnB 算法显著更高效，尤其对于需要高精度的情形。
引用
@article{arxiv.1904.02204,
title = {Linearly Converging Quasi Branch and Bound Algorithms for Global Rigid Registration},
author = {Nadav Dym and Shahar Ziv Kovalsky},
journal= {arXiv preprint arXiv:1904.02204},
year = {2019}
}