• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Conference on Computer Vision and Pattern Recognition Workshops >Uncertainty Quantification of Lucas Kanade Feature Track and Application to Visual Odometry
【24h】

Uncertainty Quantification of Lucas Kanade Feature Track and Application to Visual Odometry

机译：Lucas Kanade的不确定性量化特征曲目和应用于视觉径管的应用

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

An uncertainty quantification approach to estimate the errors incurred by the Kanade Lucas Tomasi (KLT) feature tracking algorithm is presented. The covariance analysis is based on the linearized sensitivity calculations of the KLT algorithm. Track uncertainty thus computed is utilized to quantify the errors associated with feature based relative pose estimation algorithms. This paper also show that the uncertainty analysis result can serve as a mean to measures reliability of feature correspondences. Proposed technique show that a large amount of outlier can be ejected effectively, and thus improve the efficiency of iterative method such as RANSAC.
机译：提出了一种不确定性的定量方法，估计Kanade Lucas Tomasi（KLT）特征跟踪算法所产生的错误。协方差分析基于KLT算法的线性化灵敏度计算。如此计算的轨道不确定性用于量化与基于特征的相对姿势估计算法相关联的错误。本文还表明，不确定性分析结果可以作为测量特征对应关系的可靠性的含义。所提出的技术表明，可以有效地弹出大量的异常，从而提高迭代方法如Ransac的效率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号