論文の概要: Linear Relative Pose Estimation Founded on Pose-only Imaging Geometry

• arxiv url: http://arxiv.org/abs/2401.13357v1
• Date: Wed, 24 Jan 2024 10:35:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-25 14:55:58.432732
• Title: Linear Relative Pose Estimation Founded on Pose-only Imaging Geometry
• Title（参考訳）: Pose-only Imaging Geometryに基づく線形相対ポース推定
• Authors: Qi Cai, Xinrui Li, Yuanxin Wu
• Abstract要約: 本稿では,n$(n geq 6$)点対に対する線形相対ポーズ推定アルゴリズムを提案する。 これは最近のポーズ専用画像幾何学に基づいており、適切な再重み付けによって外れ値のフィルタリングを行っている。 相対回転精度を2$sim$10倍に向上させる。
• 参考スコア（独自算出の注目度）: 18.270330814061325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: How to efficiently and accurately handle image matching outliers is a critical issue in two-view relative estimation. The prevailing RANSAC method necessitates that the minimal point pairs be inliers. This paper introduces a linear relative pose estimation algorithm for n $( n \geq 6$) point pairs, which is founded on the recent pose-only imaging geometry to filter out outliers by proper reweighting. The proposed algorithm is able to handle planar degenerate scenes, and enhance robustness and accuracy in the presence of a substantial ratio of outliers. Specifically, we embed the linear global translation (LiGT) constraint into the strategies of iteratively reweighted least-squares (IRLS) and RANSAC so as to realize robust outlier removal. Simulations and real tests of the Strecha dataset show that the proposed algorithm achieves relative rotation accuracy improvement of 2 $\sim$ 10 times in face of as large as 80% outliers.
• Abstract（参考訳）: 2視点相対推定において、画像マッチング異常値の効率的かつ正確な処理は重要な問題である。 RANSAC法は極小点対が不整合であることを必要とする。 本稿では,n$(n \geq 6$)点対に対する線形相対ポーズ推定アルゴリズムを提案する。 提案アルゴリズムは平面デジェネレーションシーンの処理が可能であり,デジェネレーションのかなりの割合の存在下で頑健さと精度を高めることができる。 具体的には、線形グローバル翻訳(LiGT)制約を反復再重み付き最小二乗法(IRLS)とRANSACの戦略に組み込んで、堅牢な外乱除去を実現する。 Strechaデータセットのシミュレーションと実検により、提案アルゴリズムは、80%の外れ値に対して2$\sim$10倍の相対的な回転精度向上を達成することを示した。

関連論文リスト

• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Space-Partitioning RANSAC [30.255457622022487]
  RANSACモデルの品質計算を高速化する新しいアルゴリズムを提案する。 この方法は、例えば2D-2D点対応などの関節対応空間を2つの正則格子に分割することに基づいている。 RANSACの実行時間を41%削減するが、精度は確実に低下しない。
  論文  参考訳（メタデータ） (2021-11-24T10:10:04Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• Large-Scale Methods for Distributionally Robust Optimization [53.98643772533416]
  我々のアルゴリズムは、トレーニングセットのサイズとパラメータの数によらず、多くの評価勾配を必要とすることを証明している。 MNIST と ImageNet の実験により,本手法の 9-36 倍の効率性を持つアルゴリズムの理論的スケーリングが確認された。
  論文  参考訳（メタデータ） (2020-10-12T17:41:44Z)
• Revisiting Robust Model Fitting Using Truncated Loss [19.137291311347788]
  様々な2D/3D登録問題に新しいアルゴリズムを適用する。 RANSACと近似MC法を高い外れ値比で上回る。 新しいアルゴリズムは、特に高ノイズや外れ値において、最先端の登録手法と好意的に比較できる。
  論文  参考訳（メタデータ） (2020-08-04T14:10:41Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• $\gamma$-ABC: Outlier-Robust Approximate Bayesian Computation Based on a Robust Divergence Estimator [95.71091446753414]
  最寄りの$gamma$-divergence推定器をデータ差分尺度として用いることを提案する。 本手法は既存の不一致対策よりも高いロバスト性を実現する。
  論文  参考訳（メタデータ） (2020-06-13T06:09:27Z)
• Robust estimation via generalized quasi-gradients [28.292300073453877]
  最近提案されたロバスト推定問題の多くが効率的に解ける理由を示す。 我々は「一般化された準次数」の存在を識別する 一般化された準勾配が存在することを示し、効率的なアルゴリズムを構築する。
  論文  参考訳（メタデータ） (2020-05-28T15:14:33Z)
• Quasi-Newton Solver for Robust Non-Rigid Registration [35.66014845211251]
  データフィッティングと正規化のための大域的スムーズなロバスト推定器に基づくロバストな非剛性登録のための定式化を提案する。 本稿では,L-BFGS を用いた最小二乗問題の解法に,各繰り返しを減らし,最大化最小化アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2020-04-09T01:45:05Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。