鲁棒单旋转平均问题的再探讨
计算机视觉与模式识别
2024-09-11 v5 机器人学
摘要
在这项工作中,我们提出了一种新颖的鲁棒单旋转平均方法,能够有效处理极高比例的离群值。我们的方法是最小化测地距离的总截断最小非平方偏差(TLUD)代价。所提出的算法包括三个步骤:首先,我们将每个输入旋转视为潜在的初始解,并选择产生最小截断弦偏差和的那一个。接下来,我们使用初始解获得内点集并计算其弦均值。最后,从该估计出发,我们使用上的Weiszfeld算法迭代计算内点的测地均值。大量评估表明,在给定足够数量精确内点的情况下,我们的方法对高达99%的离群值具有鲁棒性,优于当前最先进水平。
引用
@article{arxiv.2309.05388,
title = {Robust Single Rotation Averaging Revisited},
author = {Seong Hun Lee and Javier Civera},
journal= {arXiv preprint arXiv:2309.05388},
year = {2024}
}
备注
Accepted to ECCV 2024 Workshop on Recovering 6D Object Pose (R6D)