我院吴均峰教授团队在机械人学顶级聚会 IEEE International Conference on Robotics and Automation 揭晓两篇论文，，，，，，，，本文先容题为 CPnP: Consistent Pose Estimator for Perspective-n-Point Problem with Bias Elimination 的论文。。。。。。。。
该文设计了一个基于误差消除的一致性PnP预计器。。。。。。。。
论文链接：https://arxiv.org/abs/2209.05824
聚会先容
IEEE机械人与自动化国际聚会（IEEE International Conference on Robotics and Automation，，，，，，，，ICRA）是 IEEE 机械人与自动化协会的旗舰聚会，，，，，，，，也是机械人学领域最权威的聚会之一，，，，，，，，在谷歌学术上的 h5-index 为116。。。。。。。。
研究配景
Perspective-n-Point（PnP）问题是指从n个3D-2D点对预计相机相对天下坐标系位姿，，，，，，，，被普遍应用于机械人、盘算机视觉和增强现实等领域。。。。。。。。绝大大都现有事情从理想的几何关系出发构建知足投影模子的方程，，，，，，，，没有详细思量噪声模子及噪声转达。。。。。。。。因此，，，，，，，，已有事情很少从统计视角出发，，，，，，，，剖析所提预计器的统计学性子，，，，，，，，如误差和协方差。。。。。。。。随着特征提取手艺的生长，，，，，，，，可从单帧图片中提取大宗的特征点用于相机位姿预计，，，，，，，，如在ETH3D数据集中，，，，，，，，许多图片有上千个被提取的特征点。。。。。。。。这为高精度的位姿预计提供了极大潜能，，，，，，，，怎样设计统计意义下的一致性预计器（即随着特征点数n逐渐增添，，，，，，，，预计器能收敛到真实位姿），，，，，，，，具有主要的研究意义。。。。。。。。
图1 PnP相机位姿预计示意图
研究要领
本文设计了一个基于误差消除的一致性PnP预计器。。。。。。。。详细而言，，，，，，，，如图2所示，，，，，，，，所提要领主要分为以下三步：首先，，，，，，，，通过求解一个广义特征根问题，，，，，，，，获得投影噪声方差的一致性预计；；；；；；；；其次，，，，，，，，从原始投影方程出发，，，，，，，，接纳方程变换、变量消除等技巧，，，，，，，，构建获得通俗线性最小二乘问题，，，，，，，，并推导所得最小二乘预计的误差，，，，，，，，通过误差消除实现了具有一致性的预计器；；；；；；；；最后，，，，，，，，在一致性预计基础上，，，，，，，，将旋转矩阵预计投影到特殊正交群，，，，，，，，并执行局部高斯-牛顿迭代，，，，，，，，进一步优化预计值。。。。。。。。本文所提预计用具有如下特点：1）随着点对数目n的增添，，，，，，，，所得预计能收敛到相机真实位姿；；；；；；；；2）盘算重漂后为O(n)，，，，，，，，在大宗视察情形下也能举行高效求解。。。。。。。。
图2 基于误差消除的一致性PnP位姿预计框架
在仿真实验中，，，，，，，，测试了所提算法在差别噪声方差下的性能。。。。。。。。效果如图3所示，，，，，，，，在噪声较小时，，，，，，，，预计器误差不显着，，，，，，，，所提要领与未经由误差消除的现有事情相比，，，，，，，，预计精度相当。。。。。。。。当噪声逐步增大，，，，，，，，比照的主流要领不具有一致性，，，，，，，，且具有较大渐近误差，，，，，，，，这使得纵然使用高斯-牛顿迭代，，，，，，，，也无法改善预计精度。。。。。。。。而本文所提要领通过误差消除，，，，，，，，具有一致性，，，，，，，，并且在特征点数目较多时，，，，，，，，只需一步高斯-牛顿迭代，，，，，，，，预计均方误差即可抵达理论性能下界。。。。。。。。
图3 仿真实验效果
在真实图片实验测试中，，，，，，，，本文接纳ETH3D开源数据集，，，，，，，，选用了四张图片（两张室外，，，，，，，，两张室内），，，，，，，，如图4所示，，，，，，，，每张图片都提供了几千个特征点可用于位姿预计。。。。。。。。实验效果如图5所示，，，，，，，，在预计精度上，，，，，，，，所提要领和ML-PnP相当，，，，，，，，并优于其他比照要领；；；；；；；；在算法耗时上，，，，，，，，所提要领和E-PnP相当，，，，，，，，耗时显著小于ML-PnP。。。。。。。。
图4 ETH3D数据集中四个场景
图5 真实图片实验效果
研究结论
本文设计了一个基于误差消除的一致性PnP预计器。。。。。。。。预计器主要分为三步：首先，，，，，，，，通过求解一个广义特征根问题，，，，，，，，获得投影噪声方差的一致性预计；；；；；；；；其次，，，，，，，，从原始投影方程出发，，，，，，，，接纳方程变换、变量消除等技巧，，，，，，，，构建获得通俗线性最小二乘问题，，，，，，，，并推导所得最小二乘预计的误差，，，，，，，，通过误差消除实现了具有一致性的预计器；；；；；；；；最后，，，，，，，，在一致性预计基础上，，，，，，，，将旋转矩阵预计投影到特殊正交群，，，，，，，，并执行局部高斯-牛顿迭代，，，，，，，，进一步优化预计值。。。。。。。。本文所提预计用具有如下特点：1）随着点对数目n的增添，，，，，，，，所得预计能收敛到相机真实位姿；；；；；；；；2）盘算重漂后为O(n)，，，，，，，，在大宗视察情形下也能举行高效求解。。。。。。。。因此，，，，，，，，本文所提算法很是适用于具有大宗点对的场景。。。。。。。。在仿真和真实图片实验中，，，，，，，，综合思量预计精度和盘算耗时，，，，，，，，与现有主流算法相比，，，，，，，，所提算法优势显著。。。。。。。。
作者简介
本文通讯作者为 优德官网 研究员、香港中文大学（深圳）数据科学学院副教授吴均峰。。。。。。。。
吴均峰教授为香港中文大学（深圳）数据科学学院副教授、优德官网（优德官网）研究员。。。。。。。。他现任IEEE高级会员、中国自动化学会控制理论专委会委员、中国自动化学会信息物理系统控制与决议专业委员、中国自动化学会工业控制系统信息清静专委会会员、中国自动化学会控制理论专委会网络化控制系统学组委员。。。。。。。。吴均峰教授曾受邀担当IET Control Theory & Applications期刊专刊客座编辑（Leading Guest Editor），，，，，，，，多次受邀担当IEEE Conference on Control Technology and Applications, The European Control Conference, IFAC World Congress等控制领域国际旗舰聚会副编辑；；；；；；；；多次受邀担当中国控制聚会（Chinese Control Conference）等控制领域海内着名学术聚会副编辑；；；；；；；；现任控制领域顶级期刊Transactions on Control of Network Systems编委。。。。。。。。吴均峰教授揭晓 SCI 期刊论文 50余篇，，，，，，，，包括IEEE TAC、Automatica、IEEE RAL、IEEE TIT、IEEE TSP等控制、机械人和信号处置惩罚领域顶级期刊，，，，，，，，正式授权中国专利10项，，，，，，，，美国专利1项。。。。。。。。
本文第一作者为香港中文大学（深圳）数据科学学院博士后曾广扬。。。。。。。。
曾广扬博士于2022年6月在浙江大学控制科学与工程专业获得博士学位。。。。。。。。现任香港中文大学（深圳）数据科学学院博士后，，，，，，，，研究助理。。。。。。。。他的研究兴趣包括统计信号处置惩罚、机械人定位与建图、传感器网络等。。。。。。。。担当IEEE RAL、ICRA、IEEE SPL、IEEE TWC、IEEE TII等期刊和聚会的自力审稿人。。。。。。。。
* 相关信息由论文作者提供
