一种高精度估计的基础矩阵的线性算法[J].PDFVIP

1000-9825/2002/13(04)0840-06 ©2002 Journal of Software 软 件 学 报 Vol.13, No.4 一种高精度估计的基础矩阵的线性算法 陈泽志, 吴成柯 (西安电子科技大学 综合业务网国家重点实验室,陕西 西安 710071) E-mail: chenzezhi@263.net 摘要: 通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法——加权平移算法.首先 将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8 点 算法求出基础矩阵F 阵的8 个参数,实现了F 阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差 和对极距离都小于其他线性算法,提高了基础矩阵的精度. 关 键 词: 对极几何;基础矩阵;加权平移;线性算法;鲁棒性 中图法分类号: TP391 文献标识码: A 对极几何关系是对来自同一景物的两幅非定标图像(uncalibration)进行分析的基本工具.这一关系是可 以从匹配点对中获得的惟一信息.对极几何关系可以用一个3 阶的秩2 矩阵——基础矩阵(F 阵)来表示,它是 匹配点对之间对应关系的数学表示,包括了摄像机的所有内参和外参信息.因而,对极几何问题就转化为对基 [1~4] 础矩阵F 的估计问题.对F 阵的估计是三维重建、运动估计、像机定标(calibration) 、匹配和跟踪的基础 . [5] [6] 对于已知8 个或8 个以上匹配点的情况,经常引用的有效算法是8 点算法 和改进的8 点算法 ,其优点在于 它们都是易于实现的线性算法.但由于8 点算法对噪声或错误数据(outliers)异常敏感, 因而使其使用范围受到 限制;改进的8 点算法虽然在一定程度上消除了噪声的干扰,但对极点的稳定性和F 阵的精度需进一步研究. 估计F 阵常用的非线性算法有M-估计法、最小中值法(least-median-of-squares,简称LmedS) 、6 点综合算法 [7~12] [13] 和双对极约束算法 ,还可以利用交比计算 ,这些方法的共同点就是把问题最终归结为无约束最优化问 题,而当有噪声或错误数据存在时,很难求出全局最优解.在改进的 8 点算法中,当作规范化处理时,Hartley 认 为每个匹配点对于 F 阵的影响都是相同的,而实际上,每个点的误差不同,它们对 F 阵的影响是各不相同的. 本文在 8 点算法的基础上,引入了与余差和对极距离有关的函数作为权因子, 以排除噪声干扰,尤其是错误数 据(错误的位置或错误的匹配) 的干扰,提出了加权平移线性算法,其主要思想是: (1) 使高精度的匹配点对求解F 阵的影响大,低精度的匹配点对求解F 阵的影响小; (2) 由于在未进行加权归一化处理前,基础矩阵中最重要的元素是那些具有最大相对扰动的元素,而在 对图像坐标加权归一化后,所有的基础矩阵元素都被认为是近似相同的,没有哪一个比其他更重要. 匹配点集经加权归一化处理后,使匹配点的3 个坐标具有近似相同的数量级,可以有效地改善基础矩 阵的条件数,从而提高基础矩阵的鲁棒性. 算法的主要步骤如下:(1) 计算权因子;(2) 将原始数据加权,计算二维数据点的重心坐标,将图像的坐标 中心平移至该重心坐标;(3) 作归一化处理,使匹配点的齐次坐标的3 个分量具有相同的数量级;(4) 用8 点算 收稿日期: 2000-06-19; 修改日期: 2000-10-16 基金项目: 国家自然科学基金资助项目60002007);香港研究基金委员会资助项目(CUHK4310/98E); 中法先进研 究计划项目(PRA SI 00-04) 作者简介: 陈泽志(1963 －), 男, 陕西石泉人,博士生,副教授,主要研究领域为计算机视觉,计算机图形学,计算机辅助几何设 计,模式识别,人工智能;吴成柯(