用于鲁棒多视三角化的半定松弛方法
计算机视觉与模式识别
2023-04-06 v4 最优化与控制
摘要
我们提出一种基于凸松弛的可证明最优鲁棒多视三角化方法。为此，我们通过引入截断最小二乘代价函数，将现有的非鲁棒多视三角化松弛方法加以扩展。我们提出了两种形式：一种基于对极约束，另一种基于分数重投影约束。前者维度较低，在中等噪声与离群点水平下保持紧性；后者维度较高因而较慢，但即便在极端噪声与离群点水平下仍保持紧性。我们通过大量实验证明，所提方法使我们即便在显著噪声与高比例离群点下也能计算出可证明最优的重建结果。
引用
@article{arxiv.2301.11431,
title = {Semidefinite Relaxations for Robust Multiview Triangulation},
author = {Linus Härenstam-Nielsen and Niclas Zeller and Daniel Cremers},
journal= {arXiv preprint arXiv:2301.11431},
year = {2023}
}