Multiple Homographies Estimation using a Guided Sequential RANSAC

본 논문은 시점을 달리 하는 두 이미지 사이의 다중 호모그래피 관계를 RANSAC을 이용하여 동시에 추정하는 새로운 방안을 제안한다. 이상치가 많이 포함된 데이터에 대해서도 강건한 파라미터 추정이 가능한 RANSAC 알고리즘은 단일 모델에 대해서만 적용되는 제약을 가진다. 따라서, 이미지에 존재하는 여러 평면의 2D 투영 변환 관계들을 추정하기 위해서는 RANSAC 알고리즘을 순차적으로 수행해야 한다. 이 과정에서 데이터에 지속적으로 포함되는 이상치들은 모델 추정을 느리게 한다. 또한, 모델들은 적합치 비율에 의해 순차적으로 추정되기 때문에 알고리즘의 병렬화가 어렵다는 문제가 있다. 본 논문에서는 RANSAC 알고리즘의 수행 과정에서 찾아낸 부분적인 모델 관계를 이용하여 반복 시도 횟수를 줄이고 다중 호모그래피들을 동시에 추정할 수 있는 가이드된 순차 RANSAC 알고리즘을 제시한다. This study proposes a new method of multiple homographies estimation between two images. With a large proportion of outliers, RANSAC is a general and very successful robust parameter estimator. However it is limited by the assumption that a single model acounts for all of the data inliers. Therefore, it has been suggested to sequentially apply RANSAC to estimate multiple 2D projective transformations. In this case, because outliers stay in the correspondence data set through the estimation process sequentially, it tends to progress slowly for all models. And, it is difficult to parallelize the sequential process due to the estimation order by the number of inliers for each model. We introduce a guided sequential RANSAC algorithm, using the local model instances that have been obtained from RANSAC procedure, which is able to reduce the number of random samples and deal simultaneously with multiple models.