CPnP: Consistent Pose Estimator for Perspective-n-Point Problem with Bias Elimination

要約

Perspective-n-Point (PnP) 問題は、コンピューター ビジョンと写真測量の両方の学会で広く研究されてきました。
特徴抽出技術の開発により、多数の特徴点が 1 つのショットで利用できる場合があります。
一貫性のある推定器を考案することは有望です。つまり、ポイントの数が増えるにつれて、推定値が真のカメラの姿勢に収束する可能性があります。
この目的のために、\emph{CPnP} という名前の、バイアス除去を備えた一貫性のある PnP ソルバーを提案します。
具体的には、元の投影モデルから測定モデルの修正と変数の削除を経て線形方程式が構築され、それに基づいて閉形式の最小二乗解が得られます。
次に、この解の漸近バイアスを分析して差し引くと、一貫した推定値が得られます。
さらに、Gauss-Newton (GN) 反復を実行して、一貫したソリューションを改良します。
私たちが提案した推定量は、計算の点で効率的です。計算の複雑さは $O(n)$ です。
合成データと実際の画像の両方での実験的テストは、提案された推定器が、推定精度と計算時間の点で、密な視覚的特徴を持つ画像のいくつかのよく知られているものよりも優れていることを示しています。

要約(オリジナル)

The Perspective-n-Point (PnP) problem has been widely studied in both computer vision and photogrammetry societies. With the development of feature extraction techniques, a large number of feature points might be available in a single shot. It is promising to devise a consistent estimator, i.e., the estimate can converge to the true camera pose as the number of points increases. To this end, we propose a consistent PnP solver, named \emph{CPnP}, with bias elimination. Specifically, linear equations are constructed from the original projection model via measurement model modification and variable elimination, based on which a closed-form least-squares solution is obtained. We then analyze and subtract the asymptotic bias of this solution, resulting in a consistent estimate. Additionally, Gauss-Newton (GN) iterations are executed to refine the consistent solution. Our proposed estimator is efficient in terms of computations — it has $O(n)$ computational complexity. Experimental tests on both synthetic data and real images show that our proposed estimator is superior to some well-known ones for images with dense visual features, in terms of estimation precision and computing time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google