USACv20：鲁棒的本质矩阵、基础矩阵与单应矩阵估计
计算机视觉与模式识别
2021-04-13 v1
摘要
我们回顾了最新的类 RANSAC 假设-验证鲁棒估计器。将其中表现最优者相结合，创建了通用采样一致性（USAC）算法的最先进版本。近期的一个目标是实现一个模块化且优化的框架，使未来的 RANSAC 模块易于被纳入。所提方法 USACv20 在八个公开可用的真实世界数据集上进行了测试，估计单应矩阵、基础矩阵与本质矩阵。平均而言，USACv20 产生了几何上最精确的模型，且相较于最先进的鲁棒估计器速度最快。所有报告的特性均显著提升了原始 USAC 算法的性能。该流程将在发表后公开。
引用
@article{arxiv.2104.05044,
title = {USACv20: robust essential, fundamental and homography matrix estimation},
author = {Maksym Ivashechkin and Daniel Barath and Jiri Matas},
journal= {arXiv preprint arXiv:2104.05044},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:1912.05909