获取完整原文,公众号回复:2008.00446
论文地址:http://arxiv.org/pdf/2008.00446v1.pdf
代码: https://github.com/zlthinker/stba.
来源: 香港科技大学,珠峰创新技术
论文名称:Stochastic Bundle Adjustment for Efficient and Scalable 3D Reconstruction
原文作者:Lei Zhou
内容提要
当前的束平差算法(如LM)在求解尺寸与相机数量成比例的简化摄像机系统(RCS)方面存在瓶颈。当问题被放大时,在计算上效率低,也不便于单个计算节点管理。在本文中,我们提出了一种随机束调整算法,在LM迭代中近似地分解RCS,以提高效率和可扩展性。首先在可视图聚类的基础上,引入了聚类间的等式约束,重新构造了LM迭代的二次规划问题。然后,我们提出将其松弛为一个机会约束问题,并通过采样凸规划进行求解。松弛的目的是消除约束所带来的簇与簇之间的相互依赖性,从而将一个大的RCS分解成独立的线性子问题。在无序网络图像集和有序SLAM图像集上的数值实验,以及在大规模数据集上的分布式实验,都证明了该方法的有效性和可扩展性。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。