(四)极大似然参数估计 【计算机视觉学习笔记--双目视觉几何架构系列】
来源:互联网 发布:中岛美雪知乎 编辑:程序博客网 时间:2024/06/06 00:18
四、极大似然参数估计
此篇博文,玉米将和大家分享一下“张氏标定”除几何推导外的另外一大精髓:参数估计。
张教授在大作“A Flexible New Technique for Camera Calibration”中的原话如下:” The above solution is obtained through minimizing an algebraic distancewhich is not physically meaningful. We can refine it through maximum likelihoodinference”.意思是:上面的几何推导仅仅是纯代数上的拟合,没有物理意义。下面让我们通过极大似然理论对得到的结果进行改善。
顺着张教授的意思,玉米先在这里为大家从概念上讲述一下极大似然估计。
极大似然估计是一种估计总体未知参数的方法。它主要用于点估计问题。所谓点估计是指用一个估计量的观测值来估计未知参数的真值。说穿了就一句话:就是在参数空间中选取使得样本取得观测值的概率最大的参数。
我们定义似然函数:
总体分布为离散型的:(p是已知的分布律)
总体分布为连续性的:(f为概率密度函数)
极大似然法就是在的可取范围内,挑选出来的使L达到最大的未知参数的估计值。
如果在内:,那么就称为极大似然估计值。
列了这么一大圈儿概念,估计大家看的都昏昏入睡了。玉米在这里用通俗点儿的方式解释一下极大似然估计:
对很多实验,我们可以观察到样本,但影响样本的参数却是未知的。那我们就得对样本进行估计。既然我们要去估计,那么就想要估计的准。极大似然法就只在概率分布的观念下,指导我们估计的更准的方法。现实世界中,存在着一条普遍规律:与现实相差越远的概率越小。这就相当于人群中,非主流总是比主流要少一样,偏差大的总是占少数。所以,可能发生的概率越大就会越接近真实值。极大似然法就是应用这种思想,认为可能性最大的就是最优的估计值。即极大似然估计值就是最接近真实值的参数值。
那么,极大似然为什么有这么一个别致的名字呢?什么是似然呢?是因为估计值不是随机变量,所以不能把它的可能性称为概率,那么数学家们就想了这样(likelihood)一个名字来代表可能性。极大似然法的一些概念上的问题玉米就讲到这里了。下面然玉米带这大家分析一个具体问题:张教授在张氏标定法中所用的极大似然估计。
首先来看一下,为什么标定的内外参数可以用极大似然法进行估计:
因为我们是假定图像上的角点是被噪声干扰的,且我们认为这些噪声是高斯噪声。那么对于噪声的幅度就是给观测值造成的误差。但高斯噪声的概率密度我们是已知的,所以我们可以用前面所述的极大似然估计的思想去“猜”真值。
那么接下来我们就需要构造一个似然函数,然后寻找其最大值了。张教授在文章中直接略过推导,直接给出了公式:
说当此式取得最小值时,就是参数的最大似然估计值。
玉米在这里为大家讲一下自己的理解:
设,角点附近的噪声服从高斯分布
则:角点mij的样本值服从如下,概率密度函数:
现在构造,似然函数:
现在让L取得最大值,则可令下式最小:
那么怎么令上面这个目标函数达到最小值呢,张氏标定法运用了可以用来解决多参数非线性系统优化问题的Levenberg-Marquardt算法。对于该方法,详细的介绍大家可以参照《The levenberg-marquardt algorithm, implementation andtheory》一文进行深入了解。这里给出下载本文的链接:
http://link.springer.com/chapter/10.1007%2FBFb0067700
那么张氏标定法在不考虑镜头畸变的情况下的,获取摄像机内外参数的数理推导过程。玉米就为大家讲到这里了。下面一篇博文,玉米会给大家分析一下,张氏标定法是怎样分析摄像机的非线性畸变的。
还是老话:玉米才疏学浅,讲解之中难免有纰漏,请大家谅解,并指正。
- (四)极大似然参数估计 【计算机视觉学习笔记--双目视觉几何架构系列】
- (六)张正友标定法小结 【计算机视觉学习笔记--双目视觉几何架构系列】
- 20170215.【计算机视觉学习笔记--双目视觉几何框架系列】
- 【计算机视觉学习笔记--双目视觉几何框架系列】
- (三)张正友标定法 【计算机视觉学习笔记--双目视觉几何框架系列】
- (七)立体标定与立体校正 【计算机视觉学习笔记--双目视觉几何框架系列】
- (八)走向三维 【计算机视觉学习笔记--双目视觉几何框架系列】
- (七)立体标定与立体校正 【计算机视觉学习笔记--双目视觉几何框架系列】
- (七)立体标定与立体校正 【计算机视觉学习笔记--双目视觉几何框架系列】
- (三)张正友标定法 【计算机视觉学习笔记--双目视觉几何框架系列】
- 张正友标定法 【计算机视觉学习笔记--双目视觉几何框架系列】
- 张正友标定法 【计算机视觉学习笔记--双目视觉几何框架系列】
- 张正友标定法 【计算机视觉学习笔记--双目视觉几何框架系列】
- (一)图像坐标:我想和世界坐标谈谈(A) 【计算机视觉学习笔记--双目视觉几何框架系列】
- (二)图像坐标:我想和世界坐标谈谈(B) 【计算机视觉学习笔记--双目视觉的几何框架系列】
- (五) 畸变矫正—让世界不在扭曲 【计算机视觉学习笔记--双目视觉几何框架系列】
- (一)图像坐标:我想和世界坐标谈谈(A) 【计算机视觉学习笔记--双目视觉几何框架系列】
- (一)图像坐标:我想和世界坐标谈谈(A) 【计算机视觉学习笔记--双目视觉几何框架系列】
- 设计模式初探2——观察者模式(Observer Pattern)
- c#序列化与反序列化概述
- Spring注解@Component、@Repository、@Service、@Controller区别
- 482 B. Interesting Array
- rst 格式文档阅读
- (四)极大似然参数估计 【计算机视觉学习笔记--双目视觉几何架构系列】
- hdu The more, The Better
- poj 1002
- 482 A. Diverse Permutation
- C++转向C#的疑惑:难道C#中没有拷贝构造函数 ?
- C标准I/O
- 2014科技十大名词——如果之前你不知道,证明你是行外人,如果你只是听说,证明你只是是爱好者
- Spring注解@Component、@Repository、@Service、@Controller区别
- 浅谈OCR之Tesseract