论文部分内容阅读
为解决未知环境下运动序列中的基础矩阵估计问题,提出了一种逐层迭代优化的方法。该方法基于最优鲁棒估计方法,加入运动连续性以及多尺度对应的约束条件以减少虚假对应;然后,逐层将高层模型的数据内点添加到下层数据集,以更新数据集并同时估计单应性模型;最终,在底层全局优化并修正模型。实验表明,该方法的几何变换误差的均值不大于2.891821 pixel,误差波动范围的方差不大于0.295172 pixel,相对于传统方法,当运动序列中场景表面的深度层次较多,深度变化连续时,误差均值及波动方差均有一定程度的降低。