用于不确定特征位置下帧间旋转优化的概率法向极线约束
计算机视觉与模式识别
2022-04-06 v1 机器人学
摘要
估计两相机视图的相对位姿是计算机视觉中的基本问题。Kneip 等人提出通过引入法向极线约束（NEC）来解决该问题。然而，他们的方法未考虑不确定性，因此估计的相对位姿精度高度依赖于目标帧中准确的特征位置。本工作中，我们引入概率法向极线约束（PNEC），通过考虑特征位置中各向异性且非均匀的不确定性来克服该局限。为此，我们提出一种新颖的目标函数，以及一种高效的优化方案，其在保持实时性能的同时有效最小化我们的目标。在合成数据的实验中，我们证明新颖的 PNEC 比原始 NEC 及几种流行的相对旋转估计算法产生更精确的旋转估计。此外，我们将所提方法集成到最先进的单目仅旋转里程计系统中，并在真实世界 KITTI 数据集上取得了一致的改进结果。
引用
@article{arxiv.2204.02256,
title = {The Probabilistic Normal Epipolar Constraint for Frame-To-Frame Rotation Optimization under Uncertain Feature Positions},
author = {Dominik Muhle and Lukas Koestler and Nikolaus Demmel and Florian Bernard and Daniel Cremers},
journal= {arXiv preprint arXiv:2204.02256},
year = {2022}
}