Shonan 旋转平均：通过 $SO(p)^n$ 上的流形优化实现全局最优
计算机视觉与模式识别
2020-08-07 v1
摘要
Shonan 旋转平均是一种快速、简单且优雅的旋转平均算法，在测量噪声的温和假设下保证恢复全局最优解。我们的方法采用半定松弛以可证明地恢复旋转平均问题的全局最优解。与先前工作不同，我们展示了如何使用（仅稍高维的）旋转流形上的流形最小化来求解这些松弛的大规模实例，并重用现有的高性能（但局部的）运动恢复结构流水线。因此，我们的方法在保持当前 SFM 方法的速度与可扩展性的同时，恢复了全局最优解。
引用
@article{arxiv.2008.02737,
title = {Shonan Rotation Averaging: Global Optimality by Surfing $SO(p)^n$},
author = {Frank Dellaert and David M. Rosen and Jing Wu and Robert Mahony and Luca Carlone},
journal= {arXiv preprint arXiv:2008.02737},
year = {2020}
}
备注
30 pages (paper + supplementary material). To appear at the European Conference on Computer Vision (ECCV) 2020