如何从谷神星求解器结果中检索异常值

How to retrieve outliers from ceres solver result?

本文关键字：结果 检索 异常      更新时间：2023-10-16

我尝试使用类似于Features2D + Homgraphy的方法比较图像以查找已知对象，但用自写的findAffine()函数替换findHomography()。

我使用谷神星求解器来获得考虑异常值的最佳仿射矩阵。 

    double translation[] = {0, 0};
    double angle = 0;
    double scaleFactor = 1;
    ceres::Problem problem;

    for (size_t i = 0; i < points1.size(); ++i) {
        problem.AddResidualBlock(
                  new ceres::AutoDiffCostFunction<AffineResidual, 1, 2, 1, 1>(
                          new AffineResidual(Eigen::Vector2d(points1[i].x, points1[i].y),
                                             Eigen::Vector2d(points2[i].x, points2[i].y))),
                          new ceres::HuberLoss(1.0),
                          translation,
                          &angle,
                          &scaleFactor);
    }
    ceres::Solver::Options options;
    options.linear_solver_type = ceres::DENSE_QR;
    options.minimizer_progress_to_stdout = true;
    ceres::Solver::Summary summary;
    Solve(options, &problem, &summary);

Ceres 求解器提供 LossFunction：

损失函数可减少具有高残差的残差块（通常是与异常值对应的残差块）的影响。

当然，我可以通过获得的矩阵转换第一个图像的关键点坐标，与第二个图像进行比较并得到偏差。但是谷神星求解器在工作期间已经在里面完成了。

如何检索它？在文档中找不到它。

我也有类似的问题。在查看了Ceres库源代码（特别是ResidualBlock：：Evaluate（）方法）之后，我得出的结论是残差块没有明确的"异常值"状态。似乎损失函数只影响块的结果成本值（这与您引用的文档中的短语完全描述 - "损失函数减少了具有高残差的残差块的影响"）。所以答案是您无法从谷神星检索异常值，没有这样的功能。

解决方法可能是使用求解结果计算数据的残差，并对其应用损失函数。来自 LossFunction：：Evaluate（） 的评论可能会有所帮助：

// For a residual vector with squared 2-norm 'sq_norm', this method
// is required to fill in the value and derivatives of the loss
// function (rho in this example):
//
//   out[0] = rho(sq_norm),
//   out[1] = rho'(sq_norm),
//   out[2] = rho''(sq_norm),
//
// Here the convention is that the contribution of a term to the
// cost function is given by 1/2 rho(s),  where
//
//   s = ||residuals||^2.
//
// Calling the method with a negative value of 's' is an error and
// the implementations are not required to handle that case.
//
// Most sane choices of rho() satisfy:
//
//   rho(0) = 0,
//   rho'(0) = 1,
//   rho'(s) < 1 in outlier region,
//   rho''(s) < 0 in outlier region,
//
// so that they mimic the least squares cost for small residuals.
virtual void Evaluate(double sq_norm, double out[3]) const = 0;
相关文章：