鲁棒360-8PA：为360视场图像重新设计归一化八点算法
计算机视觉与模式识别
2021-04-23 v1 机器人学
摘要
本文提出一种针对经典八点算法（8-PA）的新预条件策略，用于从球投影下的360视场图像（即等距柱状图像）估计本质矩阵。为减轻可能降低本质矩阵精度的关键特征分布不均和异常值对应点的影响，我们的方法优化一种非刚性变换，将球形相机变形到一个新空间域，从而定义一个新的约束，并为本质矩阵提供更鲁棒且精确的求解。通过使用随机合成点、360视场和鱼眼图像的若干实验，我们证明我们的归一化可在不显著增加计算时间开销的情况下将相机位姿精度提高约20%。此外，我们通过以下两方面展示方法的进一步优势：一种常数加权最小二乘优化进一步改进了著名的Gold Standard Method（GSM）（即利用对极误差的非线性优化）；以及放宽RANSAC迭代次数，两者均表明我们的归一化给出了更可靠、鲁棒和精确的求解。
引用
@article{arxiv.2104.10900,
title = {Robust 360-8PA: Redesigning The Normalized 8-point Algorithm for 360-FoV Images},
author = {Bolivar Solarte and Chin-Hsuan Wu and Kuan-Wei Lu and Min Sun and Wei-Chen Chiu and Yi-Hsuan Tsai},
journal= {arXiv preprint arXiv:2104.10900},
year = {2021}
}
备注
Accepted to ICRA 2021