模型质量感知的 RANSAC：一种鲁棒的相机运动估计器
机器人学
2019-11-28 v1
摘要
在离群噪声存在下鲁棒地估计相机运动是机器人与计算机视觉中的基本问题。尽管已有研究致力于检测运动与场景退化，但基于随机一致性采样（RANSAC）的最佳现有方法仍有不可忽略的失败率。由于单次失败可能导致整个视觉同步定位与建图失败，进一步改进鲁棒估计算法十分重要。我们提出了一种新的鲁棒相机运动估计器（RCME），引入了两项主要改进：在模型实例化步骤的模型-样本一致性检验，以及利用微分熵验证模型-内点一致性的内点集质量检验。我们实现了 RCME 算法并在多个公开数据集上测试。结果表明，与基于 RANSAC 的黄金标准方法相比，失败率持续降低。更具体地，室内环境的整体失败率从 1.41% 降至 0.02%。
引用
@article{arxiv.1911.11884,
title = {Model Quality Aware RANSAC: A Robust Camera Motion Estimator},
author = {Shu-Hao Yeh and Dezhen Song},
journal= {arXiv preprint arXiv:1911.11884},
year = {2019}
}