单应性矩阵自适应估计方法

摘要：

如何从初始匹配点集中估计出精确的单应性矩阵,有效地剔除误匹配,一直以来都是视觉领域研究的重点和难点,也是实际相关技术应用中最为关键的一步.通过将特征点对相似度概念应用于LMedS的样本选取过程,提出了一种新的单应性矩阵自适应的估计方法.区别于传统LMeds方法从无序匹配点集中随机选取样本的过程,该方法首先以点对问的相似度对整个初始匹配点进行降序排列,然后从前往后依次选取样本.实验结果表明,与LMedS相比,该方法估计出的单应性矩阵更精确、鲁棒,效率更高(得到最佳模型所需的迭代次数仅约为LMedS的1/5),同时弥补了RANSAC及其改进方法需预先设置距离偏差阈值的不足.

关键词：单应性矩阵、相似度、自适应、估计、LMedS

所属期刊栏目：52

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金11405145;浙江省自然科学基金LQ14A050002

在线出版日期：2016-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：160-164,172