Student's t 稳健光束法平差算法
统计计算
2011-11-08 v1 图形学
最优化与控制
摘要
光束法平差 (BA) 是优化视觉重建以产生更佳结构和观测参数估计的问题。该问题通常被表述为一个非线性最小二乘问题，其数据来源于兴趣点匹配。不匹配的兴趣点在此方法中会导致严重问题，因为单个误匹配就会影响整个重建。在本文中，我们提出了一种新颖的稳健 Student's t BA 算法 (RST-BA)。我们使用重尾 Student's t 分布对重投影误差进行建模，并采用隐式信赖域方法计算该模型中相机和观测参数的最大后验 (MAP) 估计。所得算法利用了对于重建多图像场景至关重要的稀疏结构，具有与标准 L2 光束法平差 (L2-BA) 相同的时间复杂度，并且只需对标准最小二乘框架进行最小改动即可实现。我们证明，在一系列模拟误差生成场景中，RST-BA 比 L2-BA 或带有用于异常值剔除的 sigma-edit 规则的 L2-BA 更精确。该新方法也已用于利用 NASA Apollo 15 轨道器的数据重建月球地形，我们针对此应用展示了 RST-BA 和 L2-BA 方法的视觉和定量比较。特别是，使用 RST-BA 算法，我们能够从包含许多异常值且无地面控制点的未处理数据中重建 DEM，而这用 L2-BA 方法是不可能的。
引用
@article{arxiv.1111.1400,
title = {Student's T Robust Bundle Adjustment Algorithm},
author = {Aleksandr Y. Aravkin and Michael Styer and Zachary Moratto and Ara Nefian and Michael Broxton},
journal= {arXiv preprint arXiv:1111.1400},
year = {2011}
}
备注
8 pages. Originally written in November 2009. Describes implementation of Robust Bundle Adjustment in NASA's VisionWorkbench package, available at https://github.com/visionworkbench/visionworkbench