Брянск, Брянская область, Россия
Проведен обзор текущего состояния методов оценки параметров моделей. Проанализированы различные подходы к оценке параметров моделей. Проведен обзор методов оценки на основе схем голосования и оценочных функций.Проведен анализ устойчивых к выбросам и шумам методов. Рассмотрены модификации метода на основе схем голосования и дано краткое описание и отличия данных модификаций. Классифицированы методы оценки параметров моделей на основе случайных выборок.
характеристические точки, параметры моделей, метод голосования Хафа, М-оценочная функция, выбросы на изображениях, метод наименьших квадратов, RANSAC, AVLESAC, MLESAC, M – SAC, MAPSAC, R – RANSAC, ARSAC
1. Иванов, В.П. Трёхмерная компьютерная графи-ка / В.П.Иванов, А.С. Батраков;под ред. Г.М. Полищука. – М., 2011. – 224 с.
2. Драгомиров, Д. Ю. Компьютерная трехмерная реконструкция памятников архитектуры / Д.Ю. Драгомиров // Вестник УдмГУ. –2006. – №12.
3. Ли, Дж. Трёхмерная графика и анимация / Дж. Ли, Б. Уэр. – 2-еизд. –М.: Вильямс, 2002. – 640 с.
4. Davies, E. R. Machine Vision : Theory, Algorithms, Practicalities/ E. R. Davies. – Morgan Kaufmann, 2004.
5. Forsyth, D.A. Computer Vision: A Modern Ap-proach / D.A. Forsyth, J. Ponce. - 2ed. - 2012. – 792 p.
6. P.V.C. Hough, A method and means for recogniz-ing complex patterns: US patente 3069654. – 1962.
7. Дегтярева, А. Преобразование Хафа (Hough transform) / А. Дегтярева, В.Вежневец //Компьютерная графика и мультимедиа. – 2003. –Вып. №1(2).
8. Hartley, R. Multiple View Geometry in Computer Vision / R. Hartley, A. Zisserman. – 2d. – Cambridge University Press, 2003.
9. Fischler, M. A. Random Sample Consensus: A Pa-radigm for Model Fitting with Applications to Image Analysis and Automated Cartography / M.A. Fischler, R.C. Bolles // Comm. Of the ACM 24. – 1981. – Р. 381–395.
10. Chum, О. Two-View Geometry Estimation by Random Sample and Consensus / O. Chum // PhD Thesis. – 2005.
11. Huber, P.J. Robust Statistics / P.J. Huber. – John Wiley and Sons, 1981.
12. Choi, S. Performance Evaluation of RANSAC Family / S. Choi, T. Kim, W. Yu. – 2009.
13. Capel, D. An effective bailout test for RANSAC consensus scoring / D. Capel // In Proceedings of the British Machine Vision Conference (BMVC). - 2005.
14. Choi, S. Robust regression to varying data distribution and its application to landmark-based localization / S. Choi, Jong-Hwan Kim // In Proceedings of the IEEE Conference on Systems, Man and Cybernetics. - 2008.
15. Chum, O. Randomized RANSAC with Td,d test. / O. Chum, JMatas // In Preceedings of the 13th British Machine Vision Conference (BMVC). – 2002. – Р. 448–457.
16. Конушин, А. Обзор робастных схем оценки параметров моделей на основе случайных выборок / А.Конушин, К.Мариничев, В.Вежневец // Труды конференции GraphiCon-2004. — 2004. — С. 275–278.
17. Жук, Д. В. Реконструкция трехмерной модели по двум цифровым изображениям / Д. В.Жук, А. В. Тузиков // Информатика.– 2006. –№ 1. – С. 16–26.
18. Veksler, O. Stereo correspondence by dynamic programming on a tree / O. Veksler // Proc. CVPR. – 2005. –Vol. 2. – P. 384–390.
19. Rusinkiewicz, S. QSplat: a multiresolution point rendering system for large meshes / S.Rusinkiewicz, M.Levoy //In Siggraph ACM. - New York,. – 2000. – Р. 343-352.
20. Konouchine, A. AMLESAC: A New Maximum Likelihood Robust Estimator / A.Konouchine, V.Gaganov, V.Veznevets // Graphicon 2005 pro-ceedings.
