Robust Bundle Adjustment Revisited
Robust Bundle Adjustment Revisited
复制标题
DOI：
10.1007/978-3-319-10602-1_50
复制
发表时间：
2014-09
期刊：
影响因子：
--
通讯作者：
C. Zach
中科院分区：
文献类型：
--
作者：
C. Zach
在这项工作中，我们解决稳健估计的光束法平差过程。通常，光束法平差不是通过一般的优化算法来解决的，而是通常被转换为非线性最小二乘问题实例。为了处理光束法平差中的粗野值，必须对最小二乘公式进行抗差处理。我们研究了几种方法，使最小二乘目标的鲁棒性，同时保留最小二乘性质，使用现有的高效求解器。特别是，我们强调了一种方法的基础上liftinga强大的成本函数到一个更高的维度表示，并显示如何解除制定有效地实现了高斯-牛顿框架。在我们的实验中，所提出的基于提升的方法几乎总是产生最好的（即最低的）目标。
In this work we address robust estimation in the bundle adjustment procedure. Typically, bundle adjustment is not solved via a generic optimization algorithm, but usually cast as a nonlinear least-squares problem instance. In order to handle gross outliers in bundle adjustment the least-squares formulation must be robustified. We investigate several approaches to make least-squares objectives robust while retaining the least-squares nature to use existing efficient solvers. In particular, we highlight a method based onliftinga robust cost function into a higher dimensional representation, and show how the lifted formulation is efficiently implemented in a Gauss-Newton framework. In our experiments the proposed lifting-based approach almost always yields the best (i.e. lowest) objectives.