基于重加权与单点RANSAC的PnP解算方法以应对外点
计算机视觉与模式识别
2020-07-20 v1
摘要
在实际应用中处理外点的能力对于执行透视n点（perspective-n-point, PnP）方法至关重要，但传统的RANSAC+P3P或P4P方法时间复杂度较高。我们提出一种名为R1PPnP的快速PnP解算方法，利用软重加权机制和单点RANSAC方案来处理外点。我们首先提出一种PnP算法作为R1PPnP的核心，用于在无外点情况下求解PnP问题。该核心算法是一个以随机控制点构建目标函数并使其最小化的优化过程。然后，为降低外点影响，我们提出一种基于重投影误差的重加权方法并将其集成到核心算法中。最后，我们采用单点RANSAC方案尝试不同的控制点。基于合成数据与真实世界数据的实验表明，R1PPnP比RANSAC+P3P或P4P方法更快，尤其在外点占比较大时，且精度良好。此外，与无外点合成数据的对比显示，R1PPnP是最准确且快速的PnP解算方法之一，通常作为RANSAC+P3P或P4P的最终精化步骤。与具有显式外点处理机制的当前最优PnP算法REPPnP相比，R1PPnP较慢，但不受REPPnP所面临的外点比例限制。
引用
@article{arxiv.2007.08577,
title = {Re-weighting and 1-Point RANSAC-Based PnP Solution to Handle Outliers},
author = {Haoyin Zhou and Tao Zhang and Jagadeesan Jayender},
journal= {arXiv preprint arXiv:2007.08577},
year = {2020}
}
备注
https://github.com/haoyinzhou/PnP_Toolbox