論文の概要: Error-Covariance Analysis of Monocular Pose Estimation Using Total Least
Squares
- arxiv url: http://arxiv.org/abs/2210.12157v1
- Date: Fri, 21 Oct 2022 01:46:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 21:54:50.203488
- Title: Error-Covariance Analysis of Monocular Pose Estimation Using Total Least
Squares
- Title(参考訳): 総最小二乗法による単眼ポーズ推定の誤差共分散解析
- Authors: Saeed Maleki, John Crassidis, Yang Cheng, Matthias Schmid
- Abstract要約: 本研究は, 最小二乗を用いた単分子ポーズ推定問題の理論的構造を示す。
モノクロカメラ画像から特徴の観察を行う。
姿勢と位置解はクラムアーラオの下界に達することが証明されている。
- 参考スコア(独自算出の注目度): 5.710183643449906
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study presents a theoretical structure for the monocular pose estimation
problem using the total least squares. The unit-vector line-of-sight
observations of the features are extracted from the monocular camera images.
First, the optimization framework is formulated for the pose estimation problem
with observation vectors extracted from unit vectors from the camera
center-of-projection, pointing towards the image features. The attitude and
position solutions obtained via the derived optimization framework are proven
to reach the Cram\'er-Rao lower bound under the small angle approximation of
the attitude errors. Specifically, The Fisher Information Matrix and the
Cram\'er-Rao bounds are evaluated and compared to the analytical derivations of
the error-covariance expressions to rigorously prove the optimality of the
estimates. The sensor data for the measurement model is provided through a
series of vector observations, and two fully populated noise-covariance
matrices are assumed for the body and reference observation data. The inverse
of the former matrices appear in terms of a series of weight matrices in the
cost function. The proposed solution is simulated in a Monte-Carlo framework
with 10,000 samples to validate the error-covariance analysis.
- Abstract(参考訳): 本研究は, 最小二乗を用いた単分子ポーズ推定問題の理論的構造を示す。
単眼カメラ画像から特徴の単位ベクトルラインオブアイ観察を抽出する。
まず,カメラ中心からのユニットベクトルから抽出した観察ベクトルを画像特徴に向け,ポーズ推定問題に対して最適化フレームワークを定式化する。
導出最適化フレームワークにより得られた姿勢と位置の解は, 姿勢誤差の小さい角度近似の下で, cram\'er-rao 下界に到達できることが証明された。
具体的には、フィッシャー情報行列とクレーダラオ境界を評価し、誤差共分散式の解析的導出と比較し、推定の最適性を厳密に証明する。
計測モデルのセンサデータは一連のベクトル観測により提供され、本体および基準観測データに対して2つの完全人口型ノイズ共分散行列が仮定される。
以前の行列の逆は、コスト関数における一連の重み行列の観点で現れる。
提案手法は1万サンプルのモンテカルロ・フレームワークでシミュレートし,誤差共分散解析を検証した。
関連論文リスト
- Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。
これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
論文 参考訳(メタデータ) (2023-11-08T15:17:13Z) - Spectral Estimators for Structured Generalized Linear Models via Approximate Message Passing [28.91482208876914]
本研究では,高次元一般化線形モデルにおけるパラメータ推定の問題について考察する。
広く使われているにもかかわらず、厳密なパフォーマンス特性とデータ前処理の原則が、構造化されていない設計でのみ利用可能である。
論文 参考訳(メタデータ) (2023-08-28T11:49:23Z) - Probabilistic Unrolling: Scalable, Inverse-Free Maximum Likelihood
Estimation for Latent Gaussian Models [69.22568644711113]
我々は,モンテカルロサンプリングと反復線形解法を組み合わせた確率的アンローリングを導入し,行列逆転を回避した。
理論的解析により,解法の繰り返しによる解法の解法と逆転が最大値推定の勾配推定を高速化することを示した。
シミュレーションおよび実データ実験において、確率的アンロールは、モデル性能の損失を最小限に抑えながら、勾配EMよりも桁違いに高速な潜在ガウスモデルを学習することを示した。
論文 参考訳(メタデータ) (2023-06-05T21:08:34Z) - Adaptive Estimation of Graphical Models under Total Positivity [13.47131471222723]
ガウス図形モデルにおける(対角的に支配的な)M-行列を精度行列として推定する問題を考える。
そこで本研究では,提案手法を改良した適応型多段階推定手法を提案する。
正規化問題を解くために,勾配予測法に基づく統一的なフレームワークを開発する。
論文 参考訳(メタデータ) (2022-10-27T14:21:27Z) - Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。
この問題は楕円分布のペナルティ化された最大推定値として表される。
楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文 参考訳(メタデータ) (2022-10-21T13:19:45Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳(メタデータ) (2022-02-01T21:21:56Z) - Analysis of Truncated Orthogonal Iteration for Sparse Eigenvector
Problems [78.95866278697777]
本研究では,多元的固有ベクトルを分散制約で同時に計算するTruncated Orthogonal Iterationの2つの変種を提案する。
次に,我々のアルゴリズムを適用して,幅広いテストデータセットに対するスパース原理成分分析問題を解く。
論文 参考訳(メタデータ) (2021-03-24T23:11:32Z) - Asymptotic Errors for Teacher-Student Convex Generalized Linear Models
(or : How to Prove Kabashima's Replica Formula) [23.15629681360836]
凸一般化線形モデルの再構成性能に関する解析式を検証した。
解析的継続を行えば、結果を凸(非強直)問題に拡張できることを示す。
主流学習法に関する数値的な例で,本主張を述べる。
論文 参考訳(メタデータ) (2020-06-11T16:26:35Z) - Semiparametric Nonlinear Bipartite Graph Representation Learning with
Provable Guarantees [106.91654068632882]
半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。
提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。
我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
論文 参考訳(メタデータ) (2020-03-02T16:40:36Z) - An Optimal Statistical and Computational Framework for Generalized
Tensor Estimation [10.899518267165666]
本稿では,低ランクテンソル推定問題に対するフレキシブルなフレームワークについて述べる。
計算画像、ゲノミクス、ネットワーク解析の応用から多くの重要な例を含む。
論文 参考訳(メタデータ) (2020-02-26T01:54:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。