一种估计基础矩阵的新鲁棒算法

基础矩阵描述了单个场景两幅视图间的对极几何关系,在计算机视觉领域占有重要地位。该文基于RANSAC算法的随机抽样思想,通过记录抽样过程中每对匹配点被判定为内点的次数,选择次数较多的匹配点作为初始集合。采用鲁棒扩充算法对初始集合进行扩充寻求内点集,并利用该内点集计算基础矩阵。以大量的模拟数据和真实图像进行了实验,结果表明,该算法能进一步降低噪声和错误匹配点对基础矩阵估算精度的影响,可以有效检测和删除错误匹配点。