3D刚体运动参数鲁棒估计:中位数法

需积分: 5 0 下载量 189 浏览量 更新于2024-08-11 收藏 202KB PDF 举报
"该文章是1995年发表于北方交通大学学报的一篇自然科学论文,作者为黄浴和袁保宗,主题聚焦于一种基于鲁棒统计学中位数的三维(3D)刚体运动参数估计算法,旨在解决由于异常数据(出格点)导致的粗差问题,且该算法无需初始参数,计算简便,具有较高的估计精度。" 在计算机视觉的研究中,确定刚体在3D空间中的运动参数是一项关键任务,尤其对于机器人导航、自动驾驶、目标追踪和3D物体识别等领域。传统的解决方法,如Roach和Agarwal的非线性方程组直接构造法,以及Longuet-Higgins的光流法,虽然有效,但在应对噪声和异常数据时表现较弱。 为解决这些问题,研究者们转向了优化估计理论和鲁棒统计学。优化理论试图在特定噪声模型下寻找最大似然估计(MLE),而epipolar约束方程的最优化目标函数构建也是一种常见策略。然而,这些方法对异常数据(出格点)的鲁棒性不足。因此,鲁棒统计学,特别是针对出格点的参数估计方法,成为了研究热点。中位数法,作为鲁棒统计的一种,因其计算简便、无需迭代和初始值设定的特性,被本文作者提出并应用到运动参数估计中。 与文献中使用的M-估计法(如Tukey的双权迭代估计)相比,本文提出的中位数法避免了迭代过程及其可能的收敛性问题。通过计算机模拟,该方法展示了与M-估计法相当的估计精度,特别是在高比例的出格点情况下,其精度更优。 基本的运动参数估计方法通常基于中间矩阵理论,通过两帧图像中的对应点来计算旋转矩阵R和平移向量T。给定刚体上一点P在时间t的3D坐标(X, y, Z)^T,经过时间τ后运动到点Q(x', y', Z')^T,点Q和P的关系由刚体运动模型Q = R * P + T表示,其中R是3x3的旋转矩阵,T是3维平移向量。 总结来说,该研究贡献了一种新的3D刚体运动参数估计鲁棒算法,该算法基于中位数法,能够在存在异常数据的情况下提供准确且计算高效的解决方案,对于计算机视觉和相关应用具有重要意义。