The Wayback Machine - https://web.archive.org/web/20221028224956/https://baike.sogou.com/kexue/d10439.htm

光束平差

编辑
求解适度规模的捆绑调整问题时获得的稀疏矩阵。这是992×992正态方程(即近似海森(Hessian))矩阵的稀疏模式。黑色区域对应非零块。

给定一组图像,他们可以从不同视点描绘多个3D点,BA可以被定义为根据所有点的相应图像上投影的最优性标准,同时细化描述场景几何形状同时优化场景几何形状的三维信息、相对运动参数和用于获取图像的相机的光学特性的3D坐标的问题。

1 用法编辑

捆绑调整(BA)几乎总是被用作每个基于特征法的3D重建算法的最后一步。这相当于3D结构和观测参数(即相机姿态以及可能的内参畸变参数和径向畸变)的优化问题,以获得在关于与观察到的[1]图像特征相关的噪声的某些假设下最优的重建:如果图像误差符合零均值高斯分布,则捆绑调整是最大似然估计器。[2]其名称源自于每个3D特征会聚在每个像机光学中心的光线束,这些光线束在结构和观察参数两方面都进行了最佳调整。束调整最初是在20世纪50年代在摄影测量领域提出的,近年来越来越多地被计算机视觉研究人员使用。[2]

2 一般方法编辑

捆绑调整(BA)归结为最小化像点位置与估计的3D点之间的重投影误差,该误差被表示为大量非线性实值函数的平方和。因此,最小化是使用非线性最小二乘算法实现的。其中,levenberg-Marquardt 被证明是最成功的算法之一,该算法易于实现,并且使用了有效的阻尼策略,使其能够从范围较大的初值快速收敛。通过迭代线性化在当前估计值附近最小化的函数,levenberg-Marquardt算法涉及到线性系统的解,称为法方程(normal function)。当解决捆绑调整框架中出现的最小化问题时,由于不同3D点和相机的参数之间缺乏交互,法方程具有稀疏的块结构。通过使用levenberg–Marquardt算法的稀疏变体,可以利用这一点获得巨大的计算优势,该算法明确利用了法方程零模式(zeros pattern),避免了对零元素的存储和操作。[2]

3 数学定义编辑

捆绑调整相当于联合优化一组初始相机和结构参数估计,以找到最准确地预测可用图像集中观察点位置的一组参数。更正式地说,[3]假设在m个视图中可以看到n 个3D三维点,记  是图像上第i 个点在图像j上点的投影。如果点i在图像 j中可见,则二进制变量  等于1,否则表示为0。还假设每个像机j的参数为向量  ,并且每个3D点i为向量来  。捆绑调整最小化了所有3D点和相机参数的总重投影误差,如下公式所示

 

在哪里  是点i在图像j上的投影,表示由矢量x和y表示的图像点之间的欧式距离。显然,捆绑调整从定义上来说可以容忍缺失的图像投影,并最小化物理意义上的标准。

4 软件编辑

  • [1] : Apero/MicMac,一个免费的开源摄影测量软件。塞西尔-乙执照。
  • sba :基于levenberg-Marquardt算法的通用稀疏束调整C/C++包。GPL。
  • cvsba :一个用于SBA 库的OpenCV包装器(C++)。GPL。
  • ssba :基于levenberg-Marquardt算法(C++)的简单稀疏束调整包。LGPL。
  • OpenCV :图像拼接模块中的计算机视觉库。BSD许可证。
  • mcba :多核捆绑调整。GPL3。
  • libdogleg :基于鲍威尔dogleg方法的通用稀疏非线性最小二乘求解器。LGPL。
  • ceres-solver :非线性最小二乘法。BSD许可证。
  • g2o :通用图形优化(c++)——带有基于稀疏图的非线性误差函数求解器的框架。LGPL。
  • DGAP :DGAP计划实施赫尔穆特·施密德和杜安·布朗发明的束调整摄影测量方法。GPL。
  • Bundler :诺亚·斯纳利(Noah Snavely)设计的无序图像采集(例如,来自互联网的图像)的structure-from-motion(SfM)系统。GPL。

参考文献

  • [1]

    ^B. Triggs; P. McLauchlan; R. Hartley; A. Fitzgibbon (1999). "Bundle Adjustment — A Modern Synthesis". ICCV '99: Proceedings of the International Workshop on Vision Algorithms. Springer-Verlag. pp. 298–372. doi:10.1007/3-540-44480-7_21. ISBN 3-540-67973-1..

  • [2]

    ^M.I.A. Lourakis and A.A. Argyros (2009). "SBA: A Software Package for Generic Sparse Bundle Adjustment". ACM Transactions on Mathematical Software. 36 (1): 1–30. doi:10.1145/1486525.1486527..

  • [3]

    ^R.I. Hartley and A. Zisserman (2004). Multiple View Geometry in computer vision (2nd ed.). Cambridge University Press. ISBN 978-0-521-54051-3..

阅读 134
版本记录
  • 暂无