本文探讨了标准半正定规划松弛下紧 QCQP 的条件,表明当二次本征值多重性足够大时松弛是紧的,并得到了相似的充分条件。此外,结果还暗示了同时对角化 QCQP 的二阶锥松弛的紧性的新充分条件。
Nov, 2019
提出一种用于多视角三角化和不确定性估计的鲁棒高效方法,包括利用两个视角的 RANSAC 和中点方法的离群点剔除方案,比较不同局部优化方法以及用三个因素模拟三角化点的不确定性等。
Aug, 2020
本文提出了 QUASAR 算法,通过 Truncated Least Squares (TLS) 成本和使用 unit quaternions 重新表述问题,并将问题作为 Quadratically-Constrained Quadratic Program (QCQP) 来陈述,最后通过 Semidefinite Programming (SDP) 来放松,解决了 Wahba 问题,并验证了其在混合噪声数据集上的有效性。
May, 2019
本文提出了一种基于反向投影射线的新型解决方案,其可用于实现小视差的 2D、3D 和视差精度控制,并在小视差角度下具有比现有方法更佳的性能。
Jul, 2019
本文介绍了一种针对大规模问题的新型 SDP 公式,具有类似于传统 SDP 公式的松弛界限及较高的计算效率,可用于解决各种应用程序,包括聚类,图像分割,共同分割和注册。
Apr, 2013
本文提出了一种全局最优且高效的求解 N 点问题的方法,利用半定松弛方法得到该问题的全局最优解,同时提出了使用 M-estimators 处理异常值的鲁棒性 N 点法,并在合成和真实世界数据集上进行了广泛的实验。
Mar, 2019
研究了二次约束二次规划及其半定松弛的一个参数化族,并给出了在参数值改变时半定松弛的精确性条件,在估计问题中有广泛应用,并可用于分析一般多项式优化问题的松弛稳定性。
Oct, 2017
本文提出了一种针对大规模二次二次规划问题的新型 SDP(半定规划)公式,并基于此提出了两种求解方法,即准牛顿法和平滑牛顿法,该方法能有效地解决许多计算机视觉问题,包括聚类、图像分割、共同分割和注册等。
Nov, 2014
基于点线组合的三维姿态估计问题的新凸方法,使用统一的二次约束二次问题并通过 Shor 松弛法将其放松为半定规划,可以优雅地处理点和线的混合配置并在不确定的情况下恢复有限数量的解。实验结果表明,该方法不仅具有灵活性,而且结果与最好的现有方法相符。
该论文通过将相对位姿估计建模为一个二次约束二次规划问题,直接从对应关系中估计正确的相对相机位姿,绕过后续的唯象几何约束的加强处理步骤,通过详尽的合成和实际实验证实了该方法的有效性、高效性和准确性。
Dec, 2023