Small Algorithm for Fundamental Matrix Computation
Small Algorithm for Fundamental Matrix Computation
复制标题
基本矩阵计算的小算法
DOI：
--
复制
发表时间：
2008
期刊：
影响因子：
--
通讯作者：
Y. Sugaya
中科院分区：
文献类型：
--
作者：
K. Kanatani;Y. Sugaya
提出了一种非常小的算法，用于根据两个图像上的点对应关系计算基本矩阵。计算基于严格的最大似然 (ML) 原理，最大限度地减少重投影误差。等级约束由 EFNS 过程合并。尽管我们的算法产生的解决方案与所有现有的基于机器学习的方法相同，但它可能是所有方法中最小的。通过数值实验，我们确认我们的算法的行为符合预期。
A very small algorithm is presented for computing the fundamental matrix from point correspondences over two images. The computation is based on the strict maximum likelihood (ML) principle, minimizing the reprojection error. The rank constraint is incorporated by the EFNS procedure. Although our algorithm produces the same solution as all existing ML-based methods, it is probably the smallest of all. By numerical experiments, we confirm that our algorithm behaves as expected.