×
梅赛德斯·加西亚-塞尔古罗;哈维尔·冈萨雷斯-希梅内兹

两个校准相机之间相对姿态的快速可靠的可证明估计。 （英语） Zbl 1524.68388号

数学杂志。成像视觉。 63，编号8，1036-1056（2021）.
小结：这项工作为计算标定相机之间的相对姿态问题（RPp）提供了一种有效的算法，并在给定一组受噪声影响且可能被错误匹配破坏的成对特征对应的情况下，验证了解决方案的最佳性。我们提出了一系列证明器，证明了它们可以提高检测到的最优解的比率。这组证明器被合并到一个快速的基本矩阵估计流水线中，该流水线给出了RPp的任何初始猜测，并在3D旋转和2球体的乘积空间上对其进行迭代细化。此外，这个快速可认证的管道被集成到一个健壮的框架中，该框架结合了渐进非凸性和健壮函数和线过程之间的Black-Rangarajan对偶性。通过对合成数据和实际数据的大量实验，我们证明了该框架提供了快速且鲁棒的相对姿态估计。我们将代码公开https://github.com/mergarsal/FastCertRelPose.git网站.

引用于1文件

MSC公司：

68T45型 机器视觉和场景理解
65千5 数值数学规划方法

关键词：

可证明算法;相对姿势问题;稳健估计;流形上的改进;闭式最优性证明器

软件：

塞杜米;马诺普特;SDPT3系统;五分;冲浪;5分;开放GV;教师++;github;快速CertRelPose;SE同步
PDF格式BibTeX公司 XML格式引用
\textit{M.Garcia-Salguero}和\textit{J.Gonzalez-Jimenez}，J.Math。成像视觉。63，编号8，1036--1056（2021；Zbl 1524.68388）
全文： DOI程序 arXiv公司

参考文献：

[1] 理查德·H。；Andrew，Z.，《计算机视觉中的多视图几何》（2003），剑桥：剑桥大学出版社，剑桥·Zbl 0956.68149号
[2] Garcia Salguero，M。；布里亚莱斯，J。；Gonzalez-Jimenez，J.，可认证相对姿势估计，图像视觉。计算。，109, 104142 (2021) ·doi:10.1016/j.imavis.2021.104142
[3] Gomez-Ojeda，R.，Gonzalez-Jimenez，J.：通过点和线段的概率组合实现稳健的立体视觉里程测定。2016年IEEE机器人与自动化国际会议（ICRA），第2521-2526页。IEEE（2016）
[4] Nistér，D.，Naroditsky，O.，卑尔根，J.：视觉里程计。2004年IEEE计算机学会计算机视觉和模式识别会议论文集，2004年。CVPR 2004，第1卷，pp.I-I.IEEE（2004）
[5] 斯卡拉穆扎，D。；F.Fraundorfer，《视觉里程表》[教程]，IEEE Robot。自动。Mag.，18，4，80-92（2011）·doi:10.1109/MRA.2011.943233
[6] Taketomi，T。；内山，H。；Ikeda，S.，《视觉满贯算法：2010年至2016年的调查》，IPSJ Trans。计算。视觉。申请。，9, 1, 16 (2017) ·doi:10.1186/s41074-017-0027-2
[7] Kerl，C.，Sturm，J.，Cremers，D.：RGB-D相机的密集视觉冲击。2013年IEEE/RSJ智能机器人和系统国际会议，第2100-2106页。IEEE（2013）
[8] Gomez-Ojeda，R。；足总莫雷诺；祖尼加·诺埃尔，D。；斯卡拉穆扎，D。；Gonzalez-Jimenez，J.，《Pl-slam：通过点和线段组合的立体满贯系统》，IEEE Trans。机器人。，35, 3, 734-746 (2019) ·doi:10.1109/TRO.2019.2899783
[9] Schonberger，J.L.，Frahm，J.M.：重新审视结构-从-运动。摘自：IEEE计算机视觉和模式识别会议记录，第4104-4113页（2016）
[10] Wu，C.：从运动走向线性时间增量结构。2013年国际3D视觉会议-3DV 2013，第127-134页。IEEE（2013）
[11] 韦斯托比，MJ；布拉辛顿，J。；格拉泽，NF；哈布雷，MJ；Reynolds，JM，《结构-运动’摄影测量：一种低成本、有效的地球科学应用工具》，《地貌学》，179300-314（2012）·doi:10.1016/j.geomorph.2012.08.021
[12] Kneip，L.，Lynen，S.：帧到帧旋转的直接优化。载：《IEEE国际计算机视觉会议论文集》，第2352-2359页（2013）
[13] Hartley，R.I.，Kahl，F.：通过搜索旋转空间和基本矩阵的最优估计进行全局优化。收录于：2007年IEEE第11届计算机视觉国际会议，第1-8页。IEEE（2007）
[14] 马萨诸塞州斯佩塔基斯；Aloimonos，Y.，《最佳视觉运动估计：注释》，IEEE Trans。模式分析。马赫。智力。，9, 959-964 (1992) ·doi:10.1109/34.161355
[15] Zhao，J.：非最小情形基本矩阵估计的有效解决方案。IEEE传输。模式分析。马赫。智力。(2020)
[16] 马云（Ma，Y.）。；科塞卡，J。；Sastry，S.，运动和结构估计的优化标准和几何算法，国际计算杂志。视觉。，44, 3, 219-249 (2001) ·Zbl 0998.68197号 ·doi:10.1023/A:1012276232049
[17] 赫尔姆克，美国。；Hüper，K。；李，PY；Moore，J.，在流形上使用高斯-纽顿迭代进行基本矩阵估计，国际计算杂志。视觉。，74, 2, 117-136 (2007) ·Zbl 1477.68367号 ·doi:10.1007/s11263-006-0005-0
[18] Decker，P.，Paulus，D.，Feldmann，T.：基本矩阵估计中的简并性处理。2008年第15届IEEE图像处理国际会议，1964-1967页。IEEE（2008）
[19] Nistér，D.，五点相对位姿问题的有效解决方案，IEEE Trans。模式分析。马赫。智力。，26, 6, 756-770 (2004) ·doi:10.1109/TPAMI.2004.17
[20] 斯特文尼乌斯，H。；恩格斯，C。；Nistér，D.，直接相对定向的最新发展，ISPRS J.Photogramma。遥感，60，4，284-294（2006）·doi:10.1016/j.isprsjprs.2006.03.005
[21] Lui，V.，Drummond，T.：用于快速稳健基本矩阵估计的迭代5-pt算法。收件人：BMVC（2013）
[22] Botterill，T.、Mills，S.、Green，R.：精炼来自RANSAC的基本矩阵估计值。摘自：《新西兰图像与视觉计算学报》，第1-6页（2011年）
[23] 福格拉斯，OD；马来亚银行，S.，《点匹配运动：解的多样性》，国际计算机杂志。视觉。，4, 3, 225-246 (1990) ·doi:10.1007/BF000554997
[24] 马云（Ma，Y.）。；索托，S。；Kosecka，J。；Sastry，SS，《三维视觉邀请：从图像到几何模型》（2012），纽约：Springer，纽约·Zbl 1043.65040号
[25] Lee，S.H.，Civera，J.：归一化极线误差的几何解释。arXiv预打印arXiv:2008.01254（2020）
[26] 特隆·R。；Danilidis，K.，作为黎曼商流形的本质矩阵的空间，SIAM J.Imaging Sci。，10, 3, 1416-1445 (2017) ·Zbl 1379.68311号 ·doi:10.1137/16M1091332
[27] Briales，J.，Kneip，L.，Gonzalez-Jimenez，J.：非最小相对位姿问题的可证明全局最优解。摘自：IEEE计算机视觉和模式识别会议记录，第145-154页（2018年）
[28] Bandeira，AS，关于可能证明正确的算法的注释，C.R.Math。，354,3329-333（2016）·Zbl 1387.68315号 ·doi:10.1016/j.crma.2015.11.009
[29] Eriksson，A.，Olsson，C.，Kahl，F.，Chin，T.J.：旋转平均和强对偶性。摘自：IEEE计算机视觉和模式识别会议记录，第127-135页（2018年）
[30] Iglesias，J.P.，Olsson，C.，Kahl，F.：使用半定规划进行点集配准的全局最优性。摘自：IEEE/CVF计算机视觉和模式识别会议记录，第8287-8295页（2020年）
[31] Briales，J.，Gonzalez-Jimenez，J.：具有拉格朗日对偶性的凸全局三维注册。摘自：IEEE计算机视觉和模式识别会议记录，第4960-4969页（2017）
[32] Briales，J.，Gonzalez-Jimenez，J.：三维满贯中的快速全局优化验证。2016年IEEE/RSJ智能机器人和系统国际会议（IROS），第4630-4636页。IEEE（2016）
[33] Carlone，L.、Rosen，D.M.、Calafiore，G.、Leonard，J.J.、Dellaert，F.：三维满贯中的拉格朗日对偶：验证技术和最佳解决方案。2015年IEEE/RSJ智能机器人和系统国际会议（IROS），第125-132页。IEEE（2015）
[34] Carlone，L.，Dellaert，F.：基于双重性的二维满贯验证技术。摘自：2015年IEEE机器人与自动化国际会议（ICRA），第4589-4596页。IEEE（2015）
[35] Raguram，R.，Frahm，J.M.，Pollefeys，M.：导致自适应实时随机样本一致性的RANSAC技术的比较分析，第5303卷，第500-513页（2008）
[36] A.布莱克。；齐瑟曼，A.，《视觉重建》（1987），剑桥：麻省理工学院出版社，剑桥·doi:10.7551/mitpress/7132.001.0001
[37] 黑色，MJ；Rangarajan，A.，《关于线过程、异常值剔除和稳健统计与早期视觉应用的统一》，国际计算杂志。视觉。，19, 1, 57-91 (1996) ·doi:10.1007/BF00131148
[38] Yang，H.，Shi，J.，Carlone，L.：Teaser：快速可认证点云注册。arXiv预印本。arXiv:2001.07715（2020）
[39] Yang，H。；安东尼特，P。；Tzoumas，V。；Carlone，L.，《稳健空间感知的分级非凸性：从非最小解算器到全局异常值拒绝》，IEEE Robot。自动。莱特。，5, 2, 1127-1134 (2020) ·doi:10.1109/LRA.2020.2965893
[40] Kukelova，Z.，Pajdla，T.：摄像机径向畸变的两个最小问题。在：2007年IEEE第11届计算机视觉国际会议，第1-8页。IEEE（2007）
[41] Kukelova，Z.，Bujnak，M.，Pajdla，T.：5-pt和6-pt相对位姿问题的多项式特征值解。收录于：BMVC，第2卷，p.2008（2008）
[42] Absil，宾夕法尼亚州；Mahony，R。；Sepulchre，R.，矩阵流形上的优化算法（2009），普林斯顿：普林斯顿大学出版社，普林斯顿·Zbl 1147.65043号
[43] Yang，J.，Li，H.，Jia，Y.：基于内点集最大化的最优本质矩阵估计。摘自：欧洲计算机视觉会议，第111-126页。斯普林格（2014）
[44] Toh，KC；托德，MJ；TüTüncü，RH，Sdpt3-用于半定编程的matlab软件包，1.3版，Optim。方法软件。，11, 1-4, 545-581 (1999) ·Zbl 0997.90060号 ·doi:10.1080/10556789908805762
[45] Sturm，JF，Using sedumi 1.02，一个用于对称锥优化的matlab工具箱，Optim。方法软件。，11, 1-4, 625-653 (1999) ·Zbl 0973.90526号 ·doi:10.1080/10556789908805766
[46] 博伊德，S。；Vandenberghe，L.，凸优化（2004），剑桥：剑桥大学出版社，剑桥·Zbl 1058.90049号 ·doi:10.1017/CBO9780511804441
[47] Zhao，J.，Xu，W.，Kneip，L.：广义本质矩阵估计的可证明全局最优解。摘自：IEEE/CVF计算机视觉和模式识别会议记录，第12034-12043页（2020年）
[48] Aholt，C.、Agarwal，S.、Thomas，R.：三角测量的QCQP方法。摘自：欧洲计算机视觉会议，第654-667页。施普林格（2012）
[49] Yang，H.，Carlone，L.：带离群值的Wahba问题的基于四元数的可证明最优解。摘自：IEEE计算机视觉国际会议记录，第1665-1674页（2019年）
[50] Giamou，M。；马，Z。；Peretroukhin，V。；Kelly，J.，IEEE Robot，per-sensor自我运动的可认证全球最佳外部校准。自动。莱特。，4, 2, 367-374 (2019) ·doi:10.1109/LRA.2018.2890444
[51] 布里亚莱斯，J。；Gonzalez-Jimenez，J.，《Cartan-sync:快速全局同步》，IEEE Robot。自动。莱特。，2, 4, 2127-2134 (2017) ·doi:10.1109/LRA.2017.2718661
[52] 罗森，DM；Carlone，L。；澳大利亚班德拉；Leonard，JJ，Se-sync：一种在特殊欧几里得群上进行同步的可证明正确的算法，Int.J.Robot。研究，38，2-3，95-125（2019）·doi:10.1177/0278364918784361
[53] Longuet-Higgins，HC，从两个投影重建场景的计算机算法，《自然》，2935828133-135（1981）·数字对象标识代码：10.1038/293133a0
[54] Boumal，N。；米什拉，B。；Absil，宾夕法尼亚州；Sepulchre，R.，Manopt，用于流形优化的Matlab工具箱，J.Mach。学习。第1455-1459号决议（2014年）·兹比尔1319.90003
[55] Dubbelman，G.，Dorst，L.，Pijls，H.：基本矩阵的流形统计。摘自：欧洲计算机视觉会议，第531-544页。施普林格（2012）
[56] Kneip，L.，Furgale，P.：Opengv：实时校准几何视觉的统一通用方法。2014年IEEE机器人与自动化国际会议（ICRA），第1-8页。IEEE（2014）
[57] Schops，T.、Schonberger，J.L.、Galliani，S.、Sattler，T.，Schindler，K.、Pollefeys，M.、Geiger，A.：具有高分辨率图像和多摄像机视频的多视图立体基准。在：《IEEE计算机视觉和模式识别会议论文集》，第3260-3269页（2017）
[58] Sturm，J.、Engelhard，N.、Endres，F.、Burgard，W.、Cremers，D.：rgb-D满贯系统评估的基准。In:智能机器人系统国际会议（IROS）会议记录（2012）
[59] Strecha，C.，Von Hansen，W.，Van Gool，L.，Fua，P.，Thoennessen，U.：关于高分辨率图像的相机校准和多视角立体对标。摘自：2008年IEEE计算机视觉和模式识别会议，第1-8页。IEEE（2008）
[60] Bay，H.、Tuytelaars，T.、Van Gool，L.：冲浪：加速强大功能。摘自：欧洲计算机视觉会议，第404-417页。斯普林格（2006）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。