相对位姿估计的不稳定性与 RANSAC 的作用
计算机视觉与模式识别
2021-12-30 v1 数值分析
数值分析
摘要
本文研究多视几何中用于本质矩阵与基础矩阵估计的 5 点和 7 点问题的数值不稳定性。在两种情形下，我们刻画了极线估计条件数为无穷的适定性不良世界场景，并依据所给图像数据刻画了适定性不良的实例。为得到这些结果，我们提出一个基于黎曼流形分析多视几何中极小问题条件的通用框架。对合成与真实数据的实验随后揭示了一个惊人结论：运动恢复结构（SfM）中的随机采样一致性（RANSAC）不仅用于滤除离群点，RANSAC 还筛选出了良态的图像数据，其与我们的理论所预测的适定性不良轨迹有足够分离。我们的发现提示，在未来的工作中，可尝试仅测试良态图像数据来加速并提高 RANSAC 的成功率。
引用
@article{arxiv.2112.14651,
title = {On the Instability of Relative Pose Estimation and RANSAC's Role},
author = {Hongyi Fan and Joe Kileel and Benjamin Kimia},
journal= {arXiv preprint arXiv:2112.14651},
year = {2021}
}
备注
27 pages, 11 figures, 2 tables