Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Estimation of the Fundamental Matrix using a Non-linear Minimization Technique and Its Accuracy Analysis

비선형 최소화에 의한 F행렬 추정 및 정확도 분석

  • 엄성훈 (영산대학교 컴퓨터정보공학부) ;
  • 이종수 (울산대학교 컴퓨터정보통신공학부)
  • Published : 2001.11.01
Download PDF
⟨ Previous Next ⟩

Abstract

It is possible to extract a 3D models from its multiple views using the self-calibration. Though it is possible to construct 3D models of objects from their multiple views, accuracy of 3D models depends on the fundamental matrix estimated between two views. In this paper, we show the fundamental matrix accuracy can be improved by taking a non-linear minimization technique. Furthermore, the corresponding points which are completely mismatches or have greater discrepancy errors in their locations, reduce the fundamental matrix accuracy. Thus, applying the Monte Carlo technique and the non-linear minimization Levenberg-Marquardt method to remove the outliers, we can estimate the fundamental matrix with the higher accuracy.

최근에 물체영상들로부터 3차원 물체 모델을 복원할 수 있는 셀프캘리브레이션 기술에 대한 연구가 활발히 진행되고 있다. 이 셀프캘리브레이션 기술의 핵심은 F행렬이며, 복원되는 3차원 물체 모델의 정확도는 물체영상들 사이에서 유도해내는 F행렬의 추정의 정확도에 좌우된다. F행렬을 추정하기 위해 일반적으로 선형최소화방법이 적용되고있다. 그러나 본 논문에서는 보다더 정확한 F행렬의 추정을 위해 비선형 최소화방법인 Levenberg-Marquardt 기법을 적용하였다. 또한 F행렬의 정확도를 감소시키는 부정확한 대응점들 (corresponding points)과 오차를 많이 포함하고 있는 대응점들, 즉 outliers를 Monte Carlo 기술을 적용하여 제거하였다. 본 논문에서 적용한 방법들로 추정한 F행렬의 정확도를 분석한 결과, outliers를 제거하기 전보다 제거한 후의 정확도가 31% 향상되었고, 선형적 추정 F행렬보다 비선형적 추정 F행렬이 22% 향상되었음을 알 수 있었다.

Keywords

References

  1. Olivier Faugeras, Stephane Laveau, Luc Robert, Gabriella Csurka and Cyril Zeller, '3-D Reconstruction of Urban Scenes from Sequences of Images', INRIA Reseach Report 2572, June 1995
  2. Paul E. Debevec, Camillo J. Taylor and Jitendra Malik, 'Modeling and Rendering Architecture from Photographs A Hybrid geometry and Image-Based Approach', SIGGRAPH '96 Conference Proceedings, 1996 https://doi.org/10.1145/237170.237191
  3. Q. Chen and G. Medioni, 'A Volumetric Stereo Matching Method: Application to Image-Based Modeling', Proc. Computer Vision and Pattern Recognition '99, vol. I, pp. 29-34, 1999 https://doi.org/10.1109/CVPR.1999.786913
  4. Ramesh Jain, Rangachar Kasturi and Brian G. Schunck, Machine Vision, McGraw-Hill, 1995
  5. O. Faugeras, Three-Dimensional Computer Vision - A Geometric Viewpoint, Cambridge, Massachusetts, MIT Press, 1993
  6. Q-T. Luong, R. Deriche and O. Faugeras, 'The Fundamental Matrix : Theory, Algorithms and Stability analysis', The International Journal of Computer Vision 1(7), pp. 43-76, 1996 https://doi.org/10.1007/BF00127818
  7. Q-T. Luong, 'Matrice Fondamentale et Calibration Visuelle sur l'Environnement-Vers une plus grande autonomie des systemes robotiques', PhD thesis, Universite de Paris-Sud, Centre d'Orsay, December 1992
  8. S, I. Olsen, 'Epipolar Line Estimation', Second European Conf. Computer Vision, pp, 307-311, Santa Margherita Ligure, Italy, May 1992
  9. P. J. Rousseeuw and A. M. Leroy, Robust Regression and Outlier Detection, John Wiley & Sons, New York, 1987
  10. Richard Hartley, Rajiv Gupta and Tom Chang, 'Stereo from Uncalibrated Cameras', Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Urbana Champaign, IL, pp. 761-764, June 1992 https://doi.org/10.1109/CVPR.1992.223179
  11. R. M. Haralick and L. G. Shapiro, Computer and Robot Vision, vol. I, II, Addison-Wesely, 1992.1