FLIGHT: Fibonacci Lattice-based Inference for Geometric Heading in real-Time

📄 arXiv: 2602.23115 📥 PDF

作者: David Dirnfeld, Fabien Delattre, Pedro Miraldo, Erik Learned-Miller

分类: cs.CV, cs.CG, cs.RO

发布日期: 2026-02-28

💡 一句话要点

FLIGHT：基于斐波那契格点推理的实时几何航向估计

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 相机航向估计 霍夫变换 斐波那契格点 单目视觉 运动估计

📋 核心要点

  1. 单目视频相机运动估计是SLAM等任务的关键，但现有方法在噪声和异常值干扰下精度降低或计算成本过高。
  2. 论文提出基于斐波那契格点的霍夫变换泛化方法，通过大圆投票机制，增强了对噪声和异常值的鲁棒性。
  3. 实验表明，该方法在精度和效率上达到帕累托最优，并能有效改善SLAM初始化阶段的航向估计精度，降低RMSE。

📝 摘要（中文）

本文提出了一种新颖的霍夫变换在单位球面上的泛化方法，用于估计相机航向，解决单目视频中相机运动估计这一计算机视觉基础问题。现有方法在低噪声、低异常值条件下表现良好，但在噪声和异常值增加时，精度下降或计算成本增加。该方法首先提取两帧之间的对应关系，并为每对对应关系生成一个兼容的方向大圆。然后，使用斐波那契格点离散化单位球面，每个大圆对一系列方向进行投票，确保未受噪声或动态对象影响的特征始终如一地投票给正确的运动方向。在三个数据集上的实验结果表明，该方法在精度和效率方面均处于帕累托前沿。此外，SLAM实验表明，该方法通过校正相机姿态初始化期间的航向，降低了RMSE。

🔬 方法详解

问题定义：论文旨在解决单目视频中相机航向的实时、鲁棒估计问题。现有方法在低噪声、低异常值的情况下表现尚可，但当噪声和异常值增加时，精度会显著下降，或者计算复杂度会急剧增加，难以满足实际应用需求。

核心思路：论文的核心思路是将霍夫变换的思想推广到单位球面上，利用对应点之间的几何约束关系，通过投票机制来估计相机航向。具体来说，对于每一对匹配的特征点，可以确定一个包含所有可能相机运动方向的大圆。通过在单位球面上进行离散化，并让每个大圆对可能的运动方向进行投票，最终得票最多的方向即为估计的相机航向。

技术框架：该方法主要包含以下几个阶段：1) 特征提取与匹配：提取连续两帧图像的特征点，并进行特征匹配，得到对应点对。2) 大圆生成：对于每一对匹配的特征点，根据其在图像上的位置，计算出一个包含所有可能相机运动方向的大圆。3) 单位球面离散化：使用斐波那契格点对单位球面进行离散化，得到一系列离散的方向作为投票箱。4) 投票：每个大圆对其所包含的离散方向进行投票。5) 航向估计：统计每个离散方向的得票数，得票数最多的方向即为估计的相机航向。

关键创新：该方法的关键创新在于将霍夫变换推广到单位球面上，并使用斐波那契格点进行离散化。与传统的霍夫变换相比，该方法能够更好地处理三维空间中的运动估计问题。斐波那契格点具有良好的均匀性和低差异性，能够有效地对单位球面进行采样，从而提高航向估计的精度。与直接优化方法相比，该方法对噪声和异常值具有更强的鲁棒性。

关键设计：论文使用斐波那契格点对单位球面进行离散化，格点的数量是一个重要的参数，需要根据实际情况进行调整。投票策略也需要仔细设计，例如可以根据对应点对的质量赋予不同的权重。此外，还可以使用RANSAC等方法来进一步提高对异常值的鲁棒性。论文中没有明确提及损失函数或网络结构，因为该方法主要基于几何推理，而非深度学习。

📊 实验亮点

实验结果表明，该方法在三个数据集上均取得了良好的性能，在精度和效率方面均处于帕累托前沿。与现有方法相比，该方法在噪声和异常值较多的情况下表现出更强的鲁棒性。在SLAM应用中，该方法通过校正相机姿态初始化期间的航向，显著降低了RMSE，验证了其在实际应用中的价值。

🎯 应用场景

该研究成果可广泛应用于SLAM、视觉里程计、三维重建等领域。在机器人导航、自动驾驶、增强现实等应用中，准确的相机航向估计至关重要。该方法具有实时性和鲁棒性，有望提升相关系统的性能和可靠性。未来，该方法可以进一步扩展到更复杂的场景，例如动态环境、弱纹理区域等，具有广阔的应用前景。

📄 摘要（原文）

Estimating camera motion from monocular video is a fundamental problem in computer vision, central to tasks such as SLAM, visual odometry, and structure-from-motion. Existing methods that recover the camera's heading under known rotation, whether from an IMU or an optimization algorithm, tend to perform well in low-noise, low-outlier conditions, but often decrease in accuracy or become computationally expensive as noise and outlier levels increase. To address these limitations, we propose a novel generalization of the Hough transform on the unit sphere (S(2)) to estimate the camera's heading. First, the method extracts correspondences between two frames and generates a great circle of directions compatible with each pair of correspondences. Then, by discretizing the unit sphere using a Fibonacci lattice as bin centers, each great circle casts votes for a range of directions, ensuring that features unaffected by noise or dynamic objects vote consistently for the correct motion direction. Experimental results on three datasets demonstrate that the proposed method is on the Pareto frontier of accuracy versus efficiency. Additionally, experiments on SLAM show that the proposed method reduces RMSE by correcting the heading during camera pose initialization.