基于点特征的各位姿求解算法对比(pose-estimation-compared)
基于点特征的位姿求解算法:
(1)非迭代:P3P 、 P4P 、 RPnP
(2)迭代:正交迭代(OI)算法 、 L-M 算法 、 SoftPOSIT 算法 、 Tsai算法(初始解不迭代,精确解迭代)
各常用算法稳定性、精度和实时性的对比结果:
(1)RPnP 算法求解 R、T 的误差均值和标准差都最小,精度最高;
(2)Tsai 算法求 解 R 的误差均值和标准差仅次于 RPnP 算法,但求解 T 的误差较大;
(3)正交迭代算法和 P3P 算法 误差中等,但 P3P 算法误差的标准差较大,说明 1000 组解中可能存在一部分误差较大的错误 解,使得误差均值增加,这也与 P3P 算法的多解选择有关;
(4)P4P 算 法求解 R 和 T 的误差均值和标准差都较大,说明其求解精度较低,且 R 的求解精度低于 T 的 求解精度。
(5)对于特征点数的影响,各算法总体趋势为:特征点数越多则误差越小。但随着特征点数增 多,算法误差并不是越来越小,而是在 10 或 12 个特征点之后趋于平稳,因此,在对特征点数 没有限制的应用场合,取 10 或 12 个特征点较为合适;
(6)Tsai 算法的求解时间最长,主要是由于其第二步基于最小二乘法迭代求解 t z 分量的精确解耗时较长。正交迭代算法求解时间次长,也与其迭代求 解过程有关。其余非迭代算法实时性都较好。
可以得到如下结论:
(1)RPnP 算法性能较好;
(2)Tsai 算法求解 R 的精度较高,求解 T 的精度较低,可利用冗余信息对 Tsai 算法 求解 T 的过程进行改进;
(3)P3P 算法精度适中,但其稳定性曲线呈双峰;
(4)正交迭代算法精度适中,考虑到本节采用初始值未知的正交迭代算法,以零矩阵作为 R 的初始值,可能影响正交迭代算法性能,需要讨论正交迭代算法初始值选取问题;
(5)P4P 算法求解精度相比于其他算法较低,且 R 的求解精度低于 T 的求解精度。
基于点特征的各位姿求解算法对比(pose-estimation-compared)相关推荐
- 中科院张士峰:基于深度学习的通用物体检测算法对比探索
https://www.toutiao.com/a6674792954369933838/ 人工智能论坛如今浩如烟海,有硬货.有干货的讲座却百里挑一.由中国科学院大学主办,中国科学院大学学生会承办,读 ...
- opencv图像特征之尺寸不变特性+算法对比总结
文章目录 1.引入SIFT 2.opencv中的SIFT 3.引入SURF 4.opencv中的SURF 5.引入FAST算法 6.opencv中的FAST算法 7.引入BRIEF 8.opencv中 ...
- 基于深度学习的交通标识别算法对比研究-TensorFlow2实现
- 原创《基于深度特征学习的细粒度图像分类研究综述》
原创,未经同意,请勿转载 后记:这篇综述文章虽然是19年放出来,但是我在18年初的时候写的,当时准备找个国内期刊投一下的,后面某些原因放弃了.所以文中引用的方法都是17年以前的,有点过时了,现在又出现 ...
- 数独求解算法效率对比结果
在网上或是科技论文文献中,总是看到有人说自己的数独求解算法多牛,有时我为了验证他的算法有多牛,还把他的代码拷下来在自己的电脑上试一下,但结果还是让我比较失望的,如果你想知道你的算法有多牛,那就跑一下这 ...
- 基于haar特征的adaboost算法_SuperGlue一种基于图卷积神经网络的特征匹配算法
ETHZ ASL与Magicleap联名之作,CVPR 2020 Oral(论文见文末),一作是来自ETHZ的实习生,二作是当年CVPR2018 SuperPoint 的作者Daniel DeTone ...
- SLAM--PL-SLAM中基于线特征的初始化方法(LSD算法,LBD描述子,计算R和t)
SLAM中基于线特征的初始化方法 线特征的初始化 直线段检测算法---LSD:a Line Segment Detector 描述子---LBD:Line detection and descript ...
- 传统的6d位姿估计fangfa1_基于改进的点对特征的6D位姿估计
来源:公众号|计算机视觉工坊(系投稿) 作者:仲夏夜之星 「3D视觉工坊」技术交流群已经成立,目前大约有12000人,方向主要涉及3D视觉.CV&深度学习.SLAM.三维重建.点云后处理.自动 ...
- 基于改进的点对特征的6D位姿估计
论文题目:6D Pose Estimation using an Improved Method based on Point Pair Features 作者:Joel Vidal, Chyi-Ye ...
最新文章
- USB入门系列之二:USB的连接模型
- 一次DB2数据库连接失败(SQLSTATE=08001)的解决方法
- suse11 oracle11g 安装
- 【译】Understanding Batch Normalization with Examples in Numpy and Tensorflow with Interactive Code
- 网易云信集成视频教程(三):如何通过SDK实现自定义消息?
- WeChat区别this.setData()与this.setData({})
- Linux中自带正则表达式应用举例
- HDFS-HA-federation的机制和功能组件
- 题解报告:hihoCoder #1175:拓扑排序·二
- MongoDB学习系列9:MongoDB里的若干规则
- 为Go编译的Windows程序加入资源文件
- 不要再问我this的指向问题了
- linux临时网络配置
- 一个...买裤子的全过程
- 深圳地图echarts
- c语言智能公交系统,基于单片机智能公交小车控制系统设计(含电路图,程序清单)...
- Sublime 高亮汇编asm文件
- 大数据常见英文词汇(三)之常见框架和组件(待续)
- 街机游戏-FC游戏的hack修改rom
- 通过集成腾讯 IM 来浅尝一下.net 6 的 MINI API
热门文章
- 【elasticsearch系列】安装elasticsearch-head插件
- 前端做聊天软件的功能难点
- onethink后台登陆修改验证码!
- python清空列表的方法
- 【Cloud Foundry 应用开发大赛】“八卦街”图片采集应用
- 内存引起的几种故障的解决
- RESTful架构与RPC架构
- matlab中将小数四舍五入,matlab 四舍五入 保留至指定小数(图)
- springboot增删改查案例_大神基于SpringBoot开发一个Restful服务,实现增删改查功能...
- python 算法库_一个易用又功能强大的 Python遗传算法库