Extended FNS for Constrained Parameter Estimation
Extended FNS for Constrained Parameter Estimation
复制标题
DOI：
--
复制
发表时间：
2007
期刊：
影响因子：
--
通讯作者：
K. Kanatani;Y. Sugaya
中科院分区：
文献类型：
--
作者：
K. Kanatani;Y. Sugaya
我们提出了一种新的方法，称为“EFNS”（“扩展FNS”），用于线性约束最大似然估计。这是对Chojnacki等人的CFNS的补充，是Chojnacki等人对任意数量的内在约束的FNS的真正扩展。以计算基本矩阵为例，我们证明了CFNS并不一定收敛到一个正确的解，而EFNS收敛到一个几乎满足理论精度界（KCR下界）的最优值。
We present a new method, called "EFNS" ("extended FNS"), for linearizable constrained maximum likelihood estimation. This complements the CFNS of Chojnacki et al. and is a true extension of the FNS of Chojnacki et al. to an arbitrary number of intrinsic constraints. Computing the fundamental matrix as an illustration, we demonstrate that CFNS does not necessarily converge to a correct solution, while EFNS converges to an optimal value which nearly satisfies the theoretical accuracy bound (KCR lower bound).