Resumen

En este trabajo se presenta un nuevo método para estimar de forma robusta las relaciones de vistas múltiples a partir de las correspondencias de puntos. El enfoque combina el popular algoritmo de consenso de muestreo aleatorio (RANSAC) y el método evolutivo de búsqueda de armonía (HS). Con esta combinación, el método propuesto adopta una estrategia de muestreo diferente a la de RANSAC para generar soluciones putativas. Según el nuevo mecanismo, en cada iteración se construyen nuevas soluciones candidatas teniendo en cuenta la calidad de los modelos generados por las soluciones candidatas anteriores, en lugar de hacerlo de forma puramente aleatoria como en el caso de RANSAC. Las reglas para la generación de soluciones candidatas (muestras) están motivadas por el proceso de improvisación que se produce cuando un músico busca un mejor estado de armonía. Como resultado, el enfoque propuesto puede reducir sustancialmente el número de iteraciones conservando las capacidades robustas de RANSAC. El método es genérico y su uso se ilustra mediante la estimación de homografías, considerando imágenes sintéticas y reales. Además, para demostrar el rendimiento del enfoque propuesto dentro de una aplicación real de ingeniería, se emplea para resolver el problema de estimación de posición en un robot humanoide. Los resultados experimentales validan la eficiencia del método propuesto en términos de precisión, velocidad y robustez.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:métodos propuestos, enfoque propuesto, número de iteración, caso de ransac, consenso de muestreo aleatorio, estrategia de muestreo diferente, nuevas soluciones candidatas, aplicación real de ingeniería, generación de candidatos, problema de posición
• Keywords:proposed methods, proposed approach, number of iteration, case of ransac, random sampling consensus, different sampling strategy, new candidate solutions, real engineering application, generation of candidate, problem of position