用于免初始化大规模光束法平差的幂变量投影
计算机视觉与模式识别
2024-08-14 v5
摘要
大多数光束法平差（BA）求解器（如 Levenberg-Marquardt 算法）需要良好的初始化。相反，免初始化 BA 在很大程度上仍是一个未知的领域。研究尚不充分的变量投影算法（VarPro）即使没有初始化也展现出较宽的收敛域。结合物体空间误差公式，近期的工作已展示了其解决小规模免初始化光束法平差问题的能力。为了使这种免初始化 BA 方法具备可扩展性，我们引入了幂变量投影（PoVar），扩展了近期一种基于幂级数的逆展开方法。重要的是，我们将幂级数展开与黎曼流形优化联系起来。这一投影框架对于无初始化求解大规模光束法平差问题至关重要。使用真实世界的 BAL 数据集，我们通过实验证明我们的求解器在速度和精度上均达到了 SOTA 结果。据我们所知，这项工作首次解决了 BA 在无初始化情况下的可扩展性问题，为免初始化运动恢复结构开辟了新途径。
引用
@article{arxiv.2405.05079,
title = {Power Variable Projection for Initialization-Free Large-Scale Bundle Adjustment},
author = {Simon Weber and Je Hyeong Hong and Daniel Cremers},
journal= {arXiv preprint arXiv:2405.05079},
year = {2024}
}