邹云龙, 杨 杰

(青岛大学 机电工程学院，山东 青岛 266000)

0 引 言

同一场景中的2个不同角度所拍摄的图像，具有相应的几何约束关系，即対极几何约束，在数学上用代数表示为基础矩阵。基础矩阵在三维重建[1]、相机标定[2]等诸多方面具有重要的地位，如何获得精确的基础矩阵，也是目前计算机视觉领域的研究热点。研究者们对此提出了各种算法，目前，主要估算基础矩阵的方法有鲁棒法和迭代法。典型的算法有RANSAC(random sample consensus)[3]，通过随机抽取，去除异常点，再通过内点集估算基础矩阵，具有稳健的效果。但效率较低，尤其随着误匹配率的增加，计算时间也随着大量增加。迭代法的代表有M估计法[4]，通过定义权重函数，加权迭代整个数据集，对噪声较大的点有良好的抑制效果。但需要良好的初始值，对误匹配率较大的数据集处理，效果较差。颜坤等人[5]将野值去除融入到计算基础矩阵的过程中，从而实现稳定的基础矩阵估计。张永祥等人[6]提出对M估计法引入动态惩罚加权的思想，提高估计的精度，但增加了运行时间。WANG L等人[7]在M估计法上重定义加权函数来估计基础矩阵。

本文基于前人的工作提出了一种新的适用于视频的基础矩阵鲁棒估计算法，先确定最优和次优的2个子样本集，在次优的样本集上RANSAC拟合模型，并对最优子集中的测试数据进行检测，达到阈值，则标记为成功模型，利用成功模型对全体样本进行检测，能够有效减少错误的模型检测时间，成功模型的数量达到一定值，则将包含最大内点集的基础矩阵，作为初始矩阵。……