《表1 平均外点占比:图像序列的增量式运动结构恢复》
注:加粗字体表示过滤的最优结果。
为了验证SFM-Y中提出的F-AC-RANSAC法在过滤异常值及提高初始相对选择的鲁棒性方面的效果,实验选取了bundler[10]、visual SFM[20]和AC-RANSAC[23]法进行对比分析,使用了South Building,Graham_Hall,Tower of London,Nyc_library,Union_square 5种不同规模的数据集[28]进行测试。针对算法在异常值过滤后的平均外点占比进行比较,结果如表1所示,可以发现SFM-Y中提出的F-AC-RANSAC优于传统方法的性能,并且能在自适应阈值估计方法的基础上进一步过滤异常值,降低外点在总特征点中的平均占比,筛选出良好的图像数据,从而可以选择出鲁棒的初始图像对进行初始重建,避免了异常值对产生的后续影响。
图表编号 | XD0010997700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.16 |
作者 | 高天寒、杨子艺 |
绘制单位 | 东北大学软件学院、东北大学软件学院交互式媒体与计算技术研究所、东北大学软件学院 |
更多格式 | 高清、无水印(增值服务) |