基于平滑形变场的实时误匹配剔除
计算机视觉与模式识别
2020-07-20 v1 机器人学
摘要
本文研究误匹配剔除问题，其可作为特征匹配的后继步骤。非刚性形变使得误匹配难以剔除，因为无法找到参数化变换。为解决该问题，我们首先提出一种基于重加权和 1-point RANSAC 策略（R1P-RNSC）的算法，该算法在合理假设非刚性形变可由多个局部刚性变换近似表示的前提下是一种参数化方法。R1P-RNSC 速度快，但存在无法考虑局部平滑信息的缺点。随后，我们提出一种基于期望最大化算法和对偶四元数（EMDQ）表示的非参数算法以生成平滑形变场。两种算法互补彼此缺点。具体而言，EMDQ 需要 R1P-RNSC 提供的良好初值，而 R1P-RNSC 需要 EMDQ 进行精炼。使用真实数据的实验结果表明，两种算法结合相较其他最先进方法具有最佳精度，可实时处理高达 85% 的离群点。从带离群点的稀疏匹配实时生成稠密形变场的能力使所提算法具有许多潜在应用，如非刚性配准和 SLAM。
引用
@article{arxiv.2007.08553,
title = {Smooth Deformation Field-based Mismatch Removal in Real-time},
author = {Haoyin Zhou and Jagadeesan Jayender},
journal= {arXiv preprint arXiv:2007.08553},
year = {2020}
}
备注
submitted for peer review since 10/2019