RANSAC估算基础矩阵的不确定性评价.pdfVIP

第31卷 第 1期 地 理 与 地 理 信 息 科 学 Vo1．31 No．1 2015年 1月 GeographyandGeo-InformationScience January2015 doi：10．3969／j．issn．1672—0504．2015．01．008 RANSAC估算基础矩阵的不确定性评价 卞玉霞，刘学军，刘 丹 (南京师范大学虚拟地理环境教育部重点实验室，江苏 南京 210023) 摘要：RANSAC是计算机视觉领域内应用最广泛的基础矩阵估算方法，如何实现 RANSAC估算基础矩阵的不确 定性评价值得探讨。该文在研究RANSAC估算基础矩阵模型的基础上，提出采用基础矩阵的错误率和平均对极 距离的标准差作为评价RANSAC估算基础矩阵不确定性的指标，并构建 RANSAC估算基础矩阵不确定性评价方 法，实现RANSAC估算基础矩阵不确定性评价。 关键词：RANSAC~基础矩阵；错误率；平均对极距离 ；标准差 中图分类号 ：TP391．41 文献标识码 ：A 文章编号：1672--0504(2015)01一。037一O4 0 ~l：g- RANsAc估算基础矩阵不确定性评价。 1 RANSAC估算基础矩阵 基础矩阵是序列图像三维建模技术的核心命题 之一，其不确定性直接影响摄像机标定、三维点云恢 RANSAC是计算机视觉中关于鲁棒参数估计 复等序列图像三维建模后续环节的参数精度。现有 的一种典型方法，它最早被 Torr用于基础矩阵估 的估算基础矩阵方法主要有：线性方法口]、迭代方 计。RANsAc估算基础矩阵的主要思想是随机选 法[3]和鲁棒方法 。考虑到线性和迭代方法不适用于 取最小样本子集，计算该样本子集得到初始基础矩 存在错误匹配点的情况，目前序列图像三维重建中 阵，并进一步判断该初始基础矩阵条件下一定距离 主要采用鲁棒方法估计基础矩阵。在最小平方中值 阈值 内所包含的数据点集，重复随机采样 ，最后选取 法 引、M-estimators方法r6]、随机抽样一致算法 最大 的数据 点集估算基础矩 阵，该值 即作为 (Random SampleConsensus，RANSAC)[8-11]等众 RANSAC估算基础矩阵的最终结果。 多的鲁棒方法中，RANSAC是计算机视觉领域 内应 为了实现基础矩阵模型与含有野值的鲁棒拟 用最广泛的[g]，是存在错误匹配点时较合适、常用的 合，本文研究Silva的RANSAC估算基础矩阵模型 估算基础矩阵的鲁棒方法 。 及开源程序库，该过程实质上可以看做是模型假设 在RANSAC估算基础矩阵不确定性研究方面， 和验证的过程。如图1所示，具体的工作流程为：1) 有学者针对 GUM (GuidetotheexpressionofUn— 从样本集S中随机选择 7个匹配点对作为最小样本 certaintyinMeasurement)方法评估基础矩阵的不 子集，采用 7点线性算法估算初始基础矩阵F 。2) 确定性，如：基于协方差矩阵表达基础矩阵的不确定 确定与F 相关的距离 阈值 内所包含的数据点集 。 性[12,13]、采用八点线性算法估算基础矩阵的不确定 3)重复步骤 1和 2，确定 N次采样 中与各个初始基 性[H]等。Silva等[坫]认为 “目前不确定性主要基于 础矩阵相关的距离阈值内所包含的数据点集。4)从 GUM方法进行评估，今后可以用蒙特卡罗方法进行 步骤 3中选择最大的数据点集，并采用最小二乘原 不确定性评估”。蒙特卡罗模拟RANsAC估算基础 理计算基础矩阵，该值即作为RANSAC估算基础矩 矩阵不确定性研究中，如何实现RANSAC估算基础 阵的最终结果。 矩阵的不确定性评价是一个值得研究的问题。 2 RANSAC估算基础矩阵的不确定性 为了解决上述问题，本文在研究RANSAC估算 基础矩阵模型基础上，提出RANSAC估