1樓：Aegeansea
剔除outlier
沒有outlier的匹配結果是很多SfM的後續流程的理想輸入，如增量式、全域性式、層次式、混合式；
剔除outlier的演算法有很多種，大都使用基於Ransac 的geometry verify，也有GSM、VLD、不規則TIN等方法；
做完初始的匹配，可能還需要利用Local Bundle Adjustment或Two views Bundle Adjustment做優化，進一步剔除誤差較小的Outlier;
做Guided Feature Matching，outlier剔除之後，利用計算的相對準確的F矩陣或E矩陣，約束計算Two views 之間的匹配點，可以在剔除outlier的同時，匹配更多的同名點；
匹配的同名點要盡量分布均勻，這對後續估計影像的6D 引數、relative pose estimation等具有很大幫助，為獲取robust的結果打基礎。
2.選擇SfM pipeline
增量式SfM
全域性式SfM
層次式SfM
混合式SfM
Structure less SfM
每種SfM都有不同的處理方式。但有乙個原則：重複檢測 outlier，剔除outlier。
由於影像匹配的同名點不可能不存在outlier，所以在relative pose estimation、absolute pose estimation、triangulate、bundle adjustment等過程中頻繁使用Ransac、L1、IRLS、Loss Function等，用於剔除outlier資料。
在 Adaboost haar 特徵的機器學習中，怎樣降低參與訓練的 haar 特徵數量？
劉留 1.把全域性搜尋替換為遺傳演算法的搜尋 2.評估的時候先隨機選100個樣本，得到評分，去掉50 得分最低的特徵，提高樣本數量，直到覆蓋所有 這兩個方法都可以從這篇文章中找到對應的描述 High performance rotation invariant multiview face dete...
高中數列怎麼用不動點和特徵方程
不動點法主要適用於這麼幾種型別，一種是所謂分式線性遞推數列 形如 的對映稱作分式線性變換或Mbius變換.其中為常數，遞推數列 其中 為常數，這種就叫做分式線性遞推數列 這個數列的極限是方程 的乙個根 這個方程的根實際上也就是函式 的不動點 一 假設方程 有兩個不等的根 則有 其中 易得 最後結果為...
連續特徵的離散化 在什麼情況下將連續的特徵離散化之後可以獲得更好的效果？
易爾山 特徵離散化為的就是生成離散特徵，引入非線性，從而與簡單的模型結合，創造很好的模型效果。特徵離散的方法有三種，等頻分箱，等寬分箱以及優化分箱。特徵離散化 邱錫鵬 主要目的是獲得指數級的表示能力。假如乙個n維的連續向量，即使採用最簡單的每乙個維2值化，也會得到2 n種特徵組合。這種表示方法對LR...