Robust matching in an uncertain world
Abstract
Finding a registration between two sets of corresponding 2D or 3D points is one of the keystones of many computer vision tasks. This is difficult since some points may not have correspondences at all, and points are often spoilt by noisy measurements. In this report we propose new robust algorithms, namely an adaptation of Msac algorithm and a new a contrario model. Both of them are based on statistics over the Mahalanobis distance and explicitly take account of location uncertainty. We outline applications to SIFT keypoint matching and 3D data fusion.
L'estimation d'un recalage entre deux ensembles de points 2D ou 3D en correspondance est un des principaux problèmes rencontrés dans le domaine de la vision par ordinateur. Il s'agit d'un problème difficile car certains points peuvent n'avoir aucune correspondance dans l'autre ensemble, et la localisation des points est généralement connue à une erreur près. Dans ce report, nous proposons de nouveaux algorithmes: une adaptation de Msac et un nouveau modèle a contrario. Ils sont tous deux basés sur des statistiques sur la distance de Mahalanobis et ils tiennent explicitement compte de l'incertitude dans la localisation des points. Nous suggérons des applications à l'appariement de points Sift et à la fusion de données 3D.
Origin : Files produced by the author(s)
Loading...