論文の概要: Efficient Solution of Point-Line Absolute Pose

• arxiv url: http://arxiv.org/abs/2404.16552v1
• Date: Thu, 25 Apr 2024 12:09:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-26 13:49:56.896241
• Title: Efficient Solution of Point-Line Absolute Pose
• Title（参考訳）: 点線絶対値の効率的な解法
• Authors: Petr Hruby, Timothy Duff, Marc Pollefeys,
• Abstract要約: 点や線である可能性のある特徴間の3D--2D対応に基づくポーズ推定の特定の問題を再検討する。 得られた解法は数値的に安定かつ高速であることを示す。
• 参考スコア（独自算出の注目度）: 52.775981113238046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We revisit certain problems of pose estimation based on 3D--2D correspondences between features which may be points or lines. Specifically, we address the two previously-studied minimal problems of estimating camera extrinsics from $p \in \{ 1, 2 \}$ point--point correspondences and $l=3-p$ line--line correspondences. To the best of our knowledge, all of the previously-known practical solutions to these problems required computing the roots of degree $\ge 4$ (univariate) polynomials when $p=2$, or degree $\ge 8$ polynomials when $p=1.$ We describe and implement two elementary solutions which reduce the degrees of the needed polynomials from $4$ to $2$ and from $8$ to $4$, respectively. We show experimentally that the resulting solvers are numerically stable and fast: when compared to the previous state-of-the art, we may obtain nearly an order of magnitude speedup. The code is available at \url{https://github.com/petrhruby97/efficient\_absolute}
• Abstract（参考訳）: 点や線である可能性のある特徴間の3D--2D対応に基づくポーズ推定の特定の問題を再検討する。 具体的には、以前に研究された2つの最小限の問題を、$p \in \{ 1, 2 \}$ポイント対応と$l=3-p$ラインライン対応から推定する。 我々の知る限り、これらの問題のすべての既知の実用的な解は、$p=2$のときの次数$\ge 4$(ユニバリケート)多項式、または$p=1のときの次数$\ge 8$多項式の根の計算を必要とした。 得られた解法は数値的に安定かつ高速であることが実験的に示され、従来の最先端技術と比較すると、ほぼ一桁のスピードアップが得られる。 コードは \url{https://github.com/petrhruby97/efficient\_absolute} で公開されている。

関連論文リスト

• Combinatorial optimization of the coefficient of determination [0.0]
  決定係数が最も高い平面上の$n$点の$k$-部分集合を選択するための効率的なアルゴリズムを開発する。 誤差のない$n=30$までの試行で,提案手法の最適性を実験的に実証した。
  論文  参考訳（メタデータ） (2024-10-12T00:53:25Z)
• A Whole New Ball Game: A Primal Accelerated Method for Matrix Games and Minimizing the Maximum of Smooth Functions [44.655316553524855]
  我々は,$d$次元ユークリッド領域あるいは単純領域上で$max_iin[n] f_i(x) を最小化するアルゴリズムを設計する。 それぞれの$f_i$が1ドルLipschitzと1ドルSmoothのとき、我々の手法は$epsilon-approximateの解を計算する。
  論文  参考訳（メタデータ） (2023-11-17T22:07:18Z)
• The Approximate Degree of DNF and CNF Formulas [95.94432031144716]
  すべての$delta>0に対して、$はCNFと近似次数$Omega(n1-delta)の式を構築し、基本的には$nの自明な上限に一致する。 すべての$delta>0$に対して、これらのモデルは$Omega(n1-delta)$、$Omega(n/4kk2)1-delta$、$Omega(n/4kk2)1-delta$が必要です。
  論文  参考訳（メタデータ） (2022-09-04T10:01:39Z)
• Optimal Gradient Sliding and its Application to Distributed Optimization Under Similarity [121.83085611327654]
  積 $r:=p + q$, ここで$r$は$mu$-strong convex類似性である。 エージェントの通信やローカルコールにマスターされた問題を解決する方法を提案する。 提案手法は$mathcalO(sqrtL_q/mu)$法よりもはるかにシャープである。
  論文  参考訳（メタデータ） (2022-05-30T14:28:02Z)
• TURF: A Two-factor, Universal, Robust, Fast Distribution Learning Algorithm [64.13217062232874]
  最も強力で成功したモダリティの1つは、全ての分布を$ell$距離に近似し、基本的に最も近い$t$-piece次数-$d_$の少なくとも1倍大きい。 本稿では,この数値をほぼ最適に推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-15T03:49:28Z)
• Provably Approximated ICP [40.349822671753024]
  そこで、emphalwaysが$p times q$で3ドルのペアからなる"witness"集合があることを証明し、新しいアライメントアルゴリズムにより、この大域的最適化に対する定数因子近似を定義する。 私たちの近似定数は、実際には1ドル近くであり、最先端のアルゴリズムよりも最大10ドル小さいです。
  論文  参考訳（メタデータ） (2021-01-10T18:09:29Z)
• Small Covers for Near-Zero Sets of Polynomials and Learning Latent Variable Models [56.98280399449707]
  我々は、s$ of cardinality $m = (k/epsilon)o_d(k1/d)$ に対して $epsilon$-cover が存在することを示す。 構造的結果に基づいて,いくつかの基本的高次元確率モデル隠れ変数の学習アルゴリズムを改良した。
  論文  参考訳（メタデータ） (2020-12-14T18:14:08Z)
• Classes of ODE solutions: smoothness, covering numbers, implications for noisy function fitting, and the curse of smoothness phenomenon [0.8376091455761261]
  ODE のクラスの滑らかさの度合いと「サイズ」が、関連する解のクラスの「サイズ」に影響を与えることを示す。 我々の結果は「ODEのクラスの滑らかさの程度と「サイズ」が関連する解のクラスの「サイズ」にどのように影響するか」という答えを提供する。
  論文  参考訳（メタデータ） (2020-11-23T12:54:54Z)
• Learning Polynomials of Few Relevant Dimensions [12.122488725065388]
  多項式回帰は学習と統計の基本的な原始である。 およそ$N = O_r,d(n log2(1/epsilon) (log n)d)$と$O_r,d(N n2)$である。
  論文  参考訳（メタデータ） (2020-04-28T18:00:18Z)
• Private Learning of Halfspaces: Simplifying the Construction and Reducing the Sample Complexity [63.29100726064574]
  有限格子上の半空間に対して微分プライベート学習器を$mathbbRd$で$G$で、サンプル複雑性を$approx d2.5cdot 2log*|G|$で表す。 学習者のためのビルディングブロックは、線形実現可能性問題を解くために、微分プライベートな新しいアルゴリズムである。
  論文  参考訳（メタデータ） (2020-04-16T16:12:10Z)

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。