[论文解读] Linear Global Translation Estimation with Feature Tracks

Zhaopeng Cui, Nianjuan Jiang+2 more|arXiv (Cornell University)|Mar 6, 2015

Advanced Vision and Imaging参考文献 39被引用 19

一句话总结

本文提出了一种基于特征轨迹的直接线性方法，用于全局相机位移估计，推导出一种新颖的位置约束，消除了场景点坐标的依赖，从而实现高效、可扩展且鲁棒的估计。通过将问题建模为L1-正则化的线性系统，该方法在共线运动和弱关联图像序列中均实现了高精度与对异常值的强鲁棒性，其速度与抗干扰能力优于以往的全局方法。

ABSTRACT

This paper derives a novel linear position constraint for cameras seeing a common scene point, which leads to a direct linear method for global camera translation estimation. Unlike previous solutions, this method deals with collinear camera motion and weak image association at the same time. The final linear formulation does not involve the coordinates of scene points, which makes it efficient even for large scale data. We solve the linear equation based on $L_1$ norm, which makes our system more robust to outliers in essential matrices and feature correspondences. We experiment this method on both sequentially captured images and unordered Internet images. The experiments demonstrate its strength in robustness, accuracy, and efficiency.

研究动机与目标

• 解决在图像关联较弱或相机运动为共线时，结构光流（SfM）中全局相机位移估计的挑战。
• 克服基于基础矩阵的方法在共线运动下因尺度模糊性而失效的局限性。
• 开发一种可扩展、高效且鲁棒的方法，避免显式使用场景点坐标，直接基于特征轨迹进行计算。
• 通过L1-范数优化，显著提升对基础矩阵和特征对应关系中异常值的鲁棒性。
• 即使在稀疏匹配的序列或无序图像集合中，也能实现高精度的全局配准。

提出的方法

• 基于一个三维场景点与两个相机中心构成的三角形，推导出一种新颖的线性位置约束，该约束从相机三元组约束推广至特征轨迹。
• 从约束方程中消除了场景点坐标，从而得到一种不依赖于三维结构的、直接关于相机位置的线性公式。
• 采用几何误差度量——场景点与其观测射线之间的欧氏距离——作为目标函数，相比代数误差最小化，具有更高的鲁棒性。
• 通过L1-范数最小化求解所得线性系统，从而增强对基础矩阵和特征对应关系中异常值的鲁棒性。
• 采用两阶段优化：首先利用方向一致性过滤异常的基础矩阵，然后通过Kneip等人（2011）的方法，固定方向对位移进行精化。
• 采用基于ADMM的优化框架，高效求解L1-正则化系统，并通过闭式更新实现收敛。

实验结果

研究问题

• RQ1 能否在不依赖显式三维场景点坐标的情况下，推导出一种用于全局位移估计的直接线性方法？
• RQ2 能否仅通过特征轨迹和基础矩阵，解决共线相机运动中的尺度模糊性问题？
• RQ3 与L2范数相比，使用L1-范数优化是否能显著提升对基础矩阵和特征对应关系中异常值的鲁棒性？
• RQ4 该方法在处理弱关联图像数据（如序列图像或互联网图像，具有稀疏匹配）方面的能力如何？
• RQ5 在具有挑战性的现实世界数据集上，该方法与现有全局SfM方法相比，在精度和速度方面表现如何？

主要发现

• 在互联网数据集上，该方法的初始相机位置误差中位数与最先进的全局方法[Özyesil and Singer(2015)]相当，且低于[Wilson and Snavely(2014)]。
• 采用L1优化的版本优于其L2对应版本，证明了L1正则化在处理异常值方面的有效性。
• 该方法的运行速度约为基于Bundler的优化增量式SfM系统的10倍，且快于其他全局方法。
• 该方法成功重建了弱图像关联的场景——如序列街景数据和多视角塞维利亚图像——而1DSfM和基于三元组的方法在此类场景中失效。
• 即使在共线相机运动下，该方法仍能保持高精度，避免了基于基础矩阵方法常见的退化问题。
• 最终的捆绑调整结果在所有方法间相似，证实了该方法能提供一个强大的初始估计。