鲁棒且不确定性感知的多视点三角测量
计算机视觉与模式识别
2020-08-06 v2
摘要
我们提出了一种鲁棒且高效的多视点三角测量与不确定性估计方法。我们的贡献有三方面：首先，我们提出了一种基于中点法的双视点 RANSAC 离群值剔除方案。通过在三角测量前对双视点样本进行预筛选，我们达到了最先进的效率。其次，我们比较了用于优化初始解和内点集的不同局部优化方法。通过对内点集的迭代更新，我们表明该优化在精度和鲁棒性上均有显著提升。第三，我们将三角化点的不确定性建模为三个因素的函数：相机数量、平均重投影误差和最大视差角。学习该模型使我们能够在测试时快速插值得到不确定性。我们通过广泛的评估验证了我们的方法。
引用
@article{arxiv.2008.01258,
title = {Robust Uncertainty-Aware Multiview Triangulation},
author = {Seong Hun Lee and Javier Civera},
journal= {arXiv preprint arXiv:2008.01258},
year = {2020}
}