三维重建中L2范数目标函数全局解证明及应用.pdfVIP

L 三维重建中 范数目标函数全局解的 2 证明及应用 1. Carl Olsson, Fredrik Kahl and Richard Hartley. Projective Least‐Squares:  Global Solutions with Local Optimization.  CVPR, 2009. 2. Richard Hartley and Yongduek Seo. Verifying Global  Minima for                            L 2 Minimization Problems. CVPR, 2008. L 三维重建中 范数目标函数全局解的证明及应用 2 主要内容： 1.三维重建及三角形法 2. 凸优化问题及目标函数的Hessian矩阵 3. 目标函数为凸的充分条件 4.用分值定界的方法确定全局解 三维重建及三角形法 三维重建就是从空间景物的两幅图像或多福图像恢复景物的几何 结构的过程。在已知摄像机矩阵的情况下，重建的基本方法是三角形 法[1]。在二视情况下，三角形法利用两幅图像上对应点的反投射线与 两摄像机的基线构成一个三角形，这个三角形的顶点就是我们要确定 的空间点。而如果图像上存在噪声干扰则各个连线不能相较，所以如 何在有图像噪声的情况下精确的找到空间点就是三角形法所要研究的 问题。 [1]吴福朝.计算机视觉中的数学方法.科学出版社,2008. 三维重建及三角形法 在摄像机未标定的情况下，我们只知道各个摄像机之间的极几何 关系，而不能进行欧氏重建，所以为了保持三维重建的射影不变性， 通常采用的方法是用空间点的反投影误差作为目标函数。 N 2 f ( X ) ∑ x i =− P i ( X ) i 1 特别地，在二视的情况下，该方法等价于最优三角形法，从而可 以解一个1元6次方差，其中最小解即为全局极小解[2]；在三视情况下， 该方法则等价于求解一个47次方程[3]。而更多的视数时则要求求解更 多次的方程。 为了求得多视情况下的全局极小解，[4]采用 范数的目标函数进 L ∞ 行求解，但该目标函数只具有几何意义，而非统计意义。 [2] R. Hartley and P. Sturm. Triangulation. Computer Vision and Image Understanding, 68(2):146‐157, Nov 1997. [3] H. Stewenius, F. Schaffalitzky and D.Nister. How hard is 3‐view triangulation really. In Proc. ICCV, 686‐693,  2005. [4] R. Hartley and F. Schaffalitzky.        Minimization in geometric reconstruction problems. CVPR, I‐504‐509,  L ∞ June 2004. 三维重建及三角形法 L 如何能解出 范数目标函数的全局极小解