MAPSAC与EKF结合的单目相机鲁棒定位估计算法与实验验证

由于RANSAC数据关联存在随机选取样本、主模型先验假设、内点不做区分的问题,导致相机鲁棒定位估计效率不高、环境适应性受约束、准确性受到影响.本文结合EKF滤波器和MAPSAC数据关联方法,提出一种单目相机鲁棒定位估计算法.EKF滤波器预测和更新初步估计可提高定位估计效率,增强环境适应性;MAPSAC数据关联采用对内点加权的最小化损失函数剔除误关联数据,提高了单目相机定位估计的准确性.通过实验,验证了所设计单目相机鲁棒定位估计算法的有效性,研究结果为单目相机定位估计提供参考.

应用序贯相似检测的基本矩阵快速鲁棒估计

提出了一种基于序贯相似检测(SSDA)的快速鲁棒基本矩阵估计算法来估计基本矩阵。在最大后验一致性(MAPSAC)算法中引入SSDA搜索最优模型参数,通过及时剔除错误模型减少计算成本函数的累加次数,不仅保持了MAPSAC的良好鲁棒性,而且有效减少了算法的计算量。用M估计算法对改进的MAPSAC算法获得的初始内点集进行优化,剔除估计余差较大的内点,并用优化的内点集求解基本矩阵,进一步提高算法的估计精度和鲁棒性。实验结果表明,该算法不仅估计精度较高,鲁棒性较好,而且平均处理速度比MAPSAC算法提高了30%以上,基本满足三维重建、匹配和跟踪、相机自标定等应用领域对实时性、鲁棒性和精度的要求。