Robust Estimation of Fundamental Matrix Using Inlier Distribution

일치점 분포를 이용한 기본행렬 추정

  • 서정각 (중앙대학교 첨단영상대학교 첨단공학과) ;
  • 조청운 (중앙대학교 첨단영상대학교 첨단공학과) ;
  • 홍현기 (중앙대학교 첨단영상대학교 첨단공학과)
  • Published : 2003.09.01

Abstract

The main difficulty in estimating the fundamental matrix stems from the unavoidable outliers inherent in the given correspondence matches. Several researches showed that the estimation results are much dependent on selecting the corresponding points. These represent that it is important to solve the problems due to errors on the point locations and mismatches. In this paper, our analysis shows that if the evenly distributed corresponding points are selected, we can estimate a more precise fundamental matrix. This paper presents novel approaches to estimate the fundamental matrix by considering the inlier distributions. In order to select evenly distributed points, we divide the entire image into the subregions, and then examine the number of the inliers in each subregion and the area of each region. The simulation results showed that our consideration of the inlier distribution can provide a more precise estimation of the fundamental matrix.

기본행렬(fundamental matrix)을 정확하게 추정하기 위해서는 대상 스테레오 영상간의 일치점 정보에 존재하는 아웃라이어(outlier)에 의한 영향을 줄여야 한다. 계산된 기본행렬은 일치점 집합의 선택에 의해 많이 영향 받으며, 정확한 기본행렬을 구하기 위해서는 일치점 정보에서 아웃라이어를 제거해야 한다. 본 논문에서는 고르게 분포하는 일치점을 선택함으로써 보다 정화하게 기본행렬을 추정할 수 있음을 보이며, 이를 바탕으로 대상 영상 내에 고르게 분포하는 일치점들의 집합들을 효과적으로 선택하는 새로운 방법이 제안된다. 제안된 방법은 대상 영상을 균일한 부영역(subregion)으로 분할한 다음, 각 영역 상에 존재하는 대응점의 개수 및 각 영역의 면적을 고려하여 기본행렬 계산에 적합한 일치점 집합을 선택한다. 합성 및 실제 영상을 대상으로 일치점들의 분포를 고려하는 제안된 알고리즘이 보다 정확한 기본행렬을 구함을 확인하였다.

Keywords

References

  1. B. Delaunay, Sur la sphere vide, Bulletin of Academy of Sciences of the USSR, pp. 793-800, 1934
  2. R. Hartley and A. Zisserman, Multiple View Geometry in Computer Vision, Cambridge Univ., 2000
  3. P. J. Rousseeuw and A.M. Leroy, Robust Regression and Outlier Detection, John Wiley & Sons, New York, 1987
  4. M. Fischler and R. Bolls, 'Random Sample Consensus: A Paradigm for Model Fitting with Application and Automated Cartography,' Communications of the ACM, vol. 6, no. 24, pp. 381-395, 1981 https://doi.org/10.1145/358669.358692
  5. Z. Zhang., R. Deriche, O. Faugeras and Q. Loung, 'A Robust Technique for Matching Two Uncalibrated Images Through the Recover of the Unknown Epipolar Geometry,' Tech. Rep. 2273, Institut National de Recherche en Informatique et Automatique, May 1994
  6. J. Salvi, X. Armangue, and J. Pages, 'A Survey Addressing the Fundamental Matrix Estimaiton Problem,' Proc. International Conference on Computer Vision, vol. 2, pp. 209-212, 2001 https://doi.org/10.1109/ICIP.2001.958461
  7. R. Hartley, 'In Defense of the Eight-Point Algorithm,' IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 19, pp. 580-593, June 1997 https://doi.org/10.1109/34.601246
  8. H. C. Longuet-Higgins, 'A Computer Algorithm for Reconstructing a Scene From Two Projections,' Nature, vol. 293, pp. 133-135, Sept. 1981 https://doi.org/10.1038/293133a0