基于约束秩鲁棒分解的运动估计
计算机视觉与模式识别
2014-10-23 v1
摘要
本文通过使用现代稀疏-低秩分解方法，即类鲁棒 PCA 方法，施加全局秩约束，来解决鲁棒运动估计中的离群点检测问题。鲁棒分解已被证明能有效地将受污染矩阵分解为未受污染的低秩矩阵和包含离群点的稀疏矩阵。然而，此过程仅在矩阵相对于其环境空间具有较低秩时才有效，而这一性质在运动估计问题中并不满足。作为解决方案，我们提出利用分解中存在的部分信息来判断哪些匹配是离群点。我们提供的证据表明，即使无法恢复未受污染的低秩矩阵，所得信息也可用于离群点检测。为此，我们提出了约束秩鲁棒分解 (RD-CR)，这是一种基于近端梯度的方法，可强制执行运动估计中固有的秩约束。我们还提出了一个基于 RD-CR 和一种简单但有效的压缩优化方法的通用框架，用于立体视觉里程计的鲁棒估计，并实现了高性能。我们在合成数据和 KITTI 数据集上的评估证明了我们的方法在复杂场景中的适用性，并达到了最先进的性能。
引用
@article{arxiv.1410.6126,
title = {Motion Estimation via Robust Decomposition with Constrained Rank},
author = {German Ros and Jose Alvarez and Julio Guerrero},
journal= {arXiv preprint arXiv:1410.6126},
year = {2014}
}
备注
Submitted to IEEE TIP