《车辆信息技术》_第5章.ppt

5.4视觉里程计Nister专门对计分函数进行了分析，证明它应是一个计算重投影误差的鲁棒似然函数或贝叶斯代价函数，而非简单的计数。Scaramuzza分析了假设生成所需要的最少特征数s与其能得到正确解的迭代次数之间的关系，证明最少特征数越小，迭代次数也越少，即算法效率越高。与剔除异常值相对应的另一种获得理想特征集的思路是直接用基于最大团的方法检测内数据。Hirschmuller用欧氏距离约束来选择那些内数据。Howard采用了与Hirschmuller相同的算法，并证明它在整体数据集包含90%异常值的情况下依然能够获得理想的内数据集。上一页下一页返回5.4视觉里程计3.相