关于多视角旋转平均的鲁棒性
计算机视觉与模式识别
2021-02-11 v1
摘要
旋转平均是在单个或多个旋转群上的同步过程，是许多计算机视觉任务（如多视角运动恢复结构（SfM））中的基本问题。具体而言，旋转平均涉及从成对相对相机位姿中恢复潜在的位姿图一致性。具体地，给定旋转群中的成对运动，尤其是三维旋转群（如 ），人们关注于恢复相对于固定坐标系的多重旋转原始信号。本文中，我们提出一种鲁棒框架以解决多重旋转平均问题，尤其在存在大量含噪测量的情形下。通过将 -循环一致性项引入求解器，我们使鲁棒初始化方案得以在IRLS求解器中实现。我们未执行代价高昂的边移除，而是通过降低权重隐式约束错误测量的负面影响，从而有效避免由糟糕初始化引起的IRLS失败。实验结果表明，我们所提方法在各种基准上优于当前最先进水平。
引用
@article{arxiv.2102.05454,
title = {On the Robustness of Multi-View Rotation Averaging},
author = {Xinyi Li and Haibin Ling},
journal= {arXiv preprint arXiv:2102.05454},
year = {2021}
}