基于minmax KKT条件的三维重构方法
机器视觉中,三维重构是一个重要问题.基于2范数的最小二乘法速度较快,但因误差代价函数非凸,理论上无法获得全局最优解,即使通过分支限界等方法,往往也只能获得局部最优.无穷范数表示的误差代价函数理论上可以获得全局最优,但是计算速度很慢.本文提出一种基于最小最大库恩塔克条件(minmax KKT)的三维重构方法.该方法利用minmax KKT条件对基于2范数的三维重构结果进行全局最优判别,对陷入局部最优的结果运用混合最速下降法进行全局寻优.该方法可以获得全局最优,相对于无穷范数算法具有更高的计算效率.对标准数据集和真实数据的实验结果证明了本文算法的可行性和优点.
三维重构、全局最优、minmax KKT、最速下降
38
TP(自动化技术、计算机技术)
国家自然科学基金60873085;61103060
2012-12-27(万方平台首次上网日期,不代表论文的发表时间)
1439-1444