渐进式NAPSAC：从逐渐增长的邻域中采样
计算机视觉与模式识别
2019-06-07 v1
摘要
我们提出渐进式NAPSAC(简称P-NAPSAC)，其通过从逐渐增长的邻域中绘制样本，融合了局部与全局采样的优势。利用邻近点更可能源自同一几何模型这一事实，P-NAPSAC比全局采样器更早地发现局部结构。我们展示了P-NAPSAC中的渐进空间采样可与PROSAC采样相结合，后者应用于第一个定义位置的点。P-NAPSAC被嵌入到最先进的鲁棒估计流水线USAC中，我们通过将其局部优化实现为Graph-Cut RANSAC进一步改进了该流水线。我们将所得估计器称为USAC*。该方法在单应矩阵与基础矩阵拟合上进行了测试，共涉及来自七个公开数据集的10,691个模型。采用P-NAPSAC的USAC*在所有问题的速度上均优于参考方法。
引用
@article{arxiv.1906.02295,
title = {Progressive NAPSAC: sampling from gradually growing neighborhoods},
author = {Daniel Barath and Maksym Ivashechkin and Jiri Matas},
journal= {arXiv preprint arXiv:1906.02295},
year = {2019}
}