Homaloidal parametrization for detecting critical two-view configurations¶
会议: CVPR 2026
论文: CVF Open Access
代码: https://github.com/rakshith95/degeneracy-homoloidal
领域: 3D视觉 / 多视图几何
关键词: 基础矩阵, 临界构型, 退化检测, 二次变换, 同伦网
一句话总结¶
本文用射影几何里的"同伦二次曲线网（homaloidal net of conics）"给两视图临界曲面退化检测设计了一个全新的二次变换参数化，使得只需对 7 组图像对应点解一个线性系统就能拟合二次变换、再用第 8 点做检验，从而在不预先估计基础矩阵的前提下判定一组对应点是否退化，比唯一可比的 Luong–Faugeras 方法精度更高、速度快约 200×。
研究背景与动机¶
领域现状：从图像点对应估计基础矩阵 \(F\) 是 SfM（运动恢复结构）流水线里的核心一步。但当场景几何处于某些"临界构型（critical configuration）"时，\(F\) 的估计会变得不稳定甚至理论上不唯一——典型的退化有三类：两相机纯旋转、所有 3D 点与两相机中心共面、以及所有 3D 点和相机中心落在一张直纹二次曲面（ruled quadric，如单叶双曲面、锥面、柱面）上，最后这类称为"临界曲面"。
现有痛点：实践中只有"平面场景"这一特例发展出了被广泛采用的退化检测——用单应矩阵 \(H\) 来判定（因为 \(H\) 是两图像点之间的线性映射，估计容易）。但对最一般的临界曲面，至今缺一个实用的检测器：唯一已有的通用检测方法是 Luong–Faugeras [19]，它先估一个基础矩阵 \(F_P\)、再解非线性迭代优化配出第二个 \(F_Q\)，构成二次变换来检验。
核心矛盾：Luong–Faugeras 的两个根本问题——(1) 它依赖预先估计的 \(F_P\)，而恰恰在临界构型附近 \(F\) 的估计本身就病态、不稳定，形成"要检测退化先得估个在退化处最不靠谱的量"的循环困境；(2) 非线性迭代优化既慢又常不收敛到最优。
本文目标：为一般临界曲面设计一个既稳定又实用的退化检测，要做到——不需要预先估基础矩阵、只解线性系统、能从 8 组对应点直接判定。
切入角度：作者注意到一个已知结论——落在临界曲面上的 3D 点，其两幅图像之间由一个二次变换 \(\Phi\)（平面到平面的 birational 映射，含 14 个自由度）相联系。问题转化为"如何稳定地、线性地拟合这个 \(\Phi\)"。
核心 idea：把 \(\Phi\) 用经典代数几何里的"同伦二次曲线网"来参数化——这套工具此前从未被用于退化检测。借助它，\(\Phi\) 的拟合退化成解一个线性系统，彻底绕开了基础矩阵估计。
方法详解¶
整体框架¶
输入是两幅图之间的 8 组点对应 \(\{(x_i,y_i)\}_{i=1}^{8}\)（齐次坐标），输出是一个二值判定：这 8 组对应是否来自临界构型（退化）。整条流水线是：先从 8 个点里随机取 7 个，用同伦网参数化把二次变换 \(\Phi\) 通过一个 \(14\times 7\) 的线性系统解出来；再把剩下的第 8 个点代入 \(\Phi\)，量它在第二幅图上的重投影误差 \(\mathrm{err}(x_8,y_8)=\lVert y_8-\Phi(x_8)\rVert\)；误差低于阈值 \(\epsilon\) 就判退化，否则判非退化、可放心用八点法估 \(F\)。整个过程不出现基础矩阵。
%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
A["输入：8 组点对应<br/>{(xi, yi)}"] --> B["同伦网参数化<br/>把二次变换 Φ 的<br/>18 参数降到 14 自由度"]
B --> C["线性拟合 Φ<br/>取 7 组点解 14×7 线性系统"]
C --> D["退化检验<br/>第 8 点误差 ‖y8 − Φ(x8)‖"]
D -->|误差 < ε| E["判定：退化（临界构型）"]
D -->|误差 ≥ ε| F["判定：非退化<br/>可用八点法估 F"]关键设计¶
1. 同伦二次曲线网参数化：把二次变换 \(\Phi\) 的 14 个自由度显式提出来
痛点是：一个最一般的平面到平面二次映射 \(\Phi\)，三个分量都是 \(x_0,x_1,x_2\) 的二次齐次多项式（式 1），共 18 个参数；若直接线性拟合需要至少 9 个点，比估 \(F\) 还多。但作为 birational 的二次变换，\(\Phi\) 其实只有 14 个自由度。本文用同伦网的代数结构把这 14 个自由度干净地剥出来。
具体地，一个二次变换可写成一对双线性方程 \(y_0L_0+y_1L_1+y_2L_2=0\)、\(y_0M_0+y_1M_1+y_2M_2=0\)（引理 1），其中 \(L_i,M_i\) 是 \(x\) 的线性形式、共 6 条线 18 个参数。关键观察（Prop. 3）是：对承载这 6 条线的 \(2\times3\) 矩阵左乘任意 \(2\times2\) 可逆矩阵 \(H\)，生成的同伦网不变（其三条二次曲线 \(L_iM_j-L_jM_i=0\) 不变）。因此可以无损地把 \(l_{00},l_{10},m_{00},m_{10}\) 这 4 个参数固定为随机值，剩下恰好 14 个自由参数。这一步是整套方法成立的代数基石——它把"\(\Phi\) 有几个自由度"从抽象结论变成可直接代入求解器的具体参数集。
2. 7 点线性拟合 \(\Phi\)：一个 \(14\times 7\) 线性系统，不碰基础矩阵
有了 14 参数化，每组对应 \((x_i,y_i)\) 由双线性方程贡献 2 条线性约束（式 12），7 组点正好给 14 条约束、对 14 个未知数构成线性系统 \(Az=b\)（Algorithm 1）：设计矩阵 \(A\) 的每行由单项式 \([x_0y_2,x_1y_0,\dots,x_2y_2]\) 拼出，\(b\) 收集由固定的 \(l_{00},l_{10},m_{00},m_{10}\) 与已知坐标算出的常数项。7 点时系统恰定、可精确求解；点更多时转最小二乘。
这一步是相对 Luong–Faugeras 的本质区别：后者要先用七点法估出最多 3 个 \(F_P\)、再对每个解非线性 lsqnonlin 配 \(F_Q\)（式 4 的几何转移误差），既慢又在临界处病态。本文直接对图像对应解线性系统，完全不出现基础矩阵，因此在 \(F\) 病态的临界区域反而最稳。
3. 第 8 点退化检验：把"是否退化"变成一次重投影误差判阈
7 个点无论是否临界都能精确拟出 \(\Phi\)，所以拟合本身不带判别信息——判别力来自留出的第 8 点。把 \(x_8\) 过一遍拟好的 \(\Phi\)，量它在第二幅图上离真值 \(y_8\) 的误差 \(\mathrm{err}(x_8,y_8)=\lVert y_8-\Phi(x_8)\rVert\)（式 13）：8 个点若同属临界曲面，第 8 点会高度服从 \(\Phi\)，误差极小；否则误差大。阈值 \(\epsilon\) 与图像噪声同量级，可取和 RANSAC 估 \(F\) 时相当的值。作者强调 \(\epsilon\) 的选取不敏感——在很宽的阈值区间里 F1 都能到 1，这正是稳定参数化带来的好处。
损失函数 / 训练策略¶
本方法是几何求解器、无训练过程；MATLAB 实现，在 i5-14500HX + 16GB 笔记本上运行。
实验关键数据¶
实验主要在合成临界构型上做（与 [6,11,19] 一致），并辅以真实图像。临界曲面取单叶双曲面：随机生成两对不射影等价的相机 \((P_1,P_2)\)、\((Q_1,Q_2)\)，在曲面上采 8 个 3D 点投影得对应。唯一可比的基线是 Luong–Faugeras [19]（同任务同假设）。
主实验：无噪声稳定性 + 分类 F1¶
| 场景 | 指标 | 本文 | Luong–Faugeras [19] | 说明 |
|---|---|---|---|---|
| 无噪声第 8 点误差（100 次试验） | 中位误差 | 9×10⁻¹⁵ | 3×10⁻⁵ | 本文误差范围 [1e-16, 7e-12]，LF 范围 [6e-15, 0.96] |
| 无噪声临界/非临界分类 | F1 | 1.0（宽阈值区间） | 始终 < 1 | LF 因 \(F\) 估计不稳，永远到不了完美分类 |
| 运行时间（单次检验） | 时间 | 8.5 ms | 1.65 s | 约 200× 加速（本文解线性、LF 解非线性） |
消融 / 敏感性分析¶
| 配置 | 关键现象 | 说明 |
|---|---|---|
| 3D 偏离临界面距离 \(\theta\in[10^{-20},10^0]\) | 本文误差随 \(\theta\) 平缓上升；LF 即便微小偏离也误差大、方差大 | 近临界区 \(F\) 病态，LF 受其拖累 |
| 2D 对应点高斯噪声 \(\sigma\in[10^{-20},10^0]\) | 两者都随噪声退化，但本文在很宽噪声区间仍保持低误差与 F1≈1 | 验证参数化的鲁棒性 |
| 真实图像（圆柱状广场布局，近直纹面） | 第 8 点误差 ~4×10⁻⁵ 像素，正确判为临界 | 真实临界构型确认 |
| 真实平面场景 | 共面对应 err≈1.43×10⁻⁵（判退化）；一般位置 err≈0.94（判非退化） | 方法对"二次面退化为两平面"的平面退化也通用 |
关键发现¶
- 稳定性的根因是"绕开基础矩阵"：LF 的全部不稳定都来自它在临界处先估 \(F\)；本文从图像对应直接线性求解，把病态环节整体删掉，因此中位误差比 LF 低约 10 个数量级。
- 阈值 \(\epsilon\) 不敏感：无噪声下 F1=1 覆盖很宽的阈值区间，意味着部署时不必精调阈值，这对实用性很关键。
- 通用性：虽然平面退化有更对口的单应检测，但本文的二次变换检验对包括"退化为两平面"在内的任意临界曲面都成立，是真正的通用退化判据。
亮点与洞察¶
- 把代数几何工具搬进视觉退化检测：同伦二次曲线网此前从未用于退化检测，本文借它的不变性（Prop. 3：左乘 \(2\times2\) 可逆阵不改网）把 \(\Phi\) 的 18 参数无损降到 14，这步参数化是"让非线性变线性"的转折点，思路可复用到其他需要拟合二次/birational 映射的几何问题。
- "留一点检验"的极简判据：7 点拟合 + 第 8 点测误差，把一个理论上微妙的退化判定压成一次重投影距离判阈，工程上极易落地（200× 加速、毫秒级）。
- 病态问题的处理范式："不要在病态量上做估计，换一个等价但良态的量"——本文用 \(\Phi\) 替代 \(F\)，是处理 ill-conditioned 估计的一个漂亮范例。
局限与展望¶
- 实验主体是合成数据，真实场景只给了少量定性验证（一对圆柱广场图 + 一组平面图），缺大规模真实基准上的定量评测——作者自己也把"更广泛的真实验证"列为未来工作。
- 方法针对非最小（≥8 点）情形；最小 7 点情形（退化定义不同）不在本文范围。
- 退化判定是二值的，没有进一步把临界几何信息（如曲面类型、平面视差）抽取出来用于重建；作者展望未来研究当临界点共面时 \(\Phi\) 的行为，以及能否借平面视差辅助 3D 重建。
- ⚠️ 缓存为 OCR 文本，二次变换符号 \(\Phi\) 在原文中以特殊字体出现、部分公式（如式 1、式 12 的下标）OCR 有错位，具体系数排布以原文为准。
相关工作与启发¶
- vs Luong–Faugeras [19]：同一任务同一假设。他们先估 \(F_P\) 再非线性配 \(F_Q\) 构成 \(\Phi\)；本文用同伦网参数化直接线性拟 \(\Phi\)、不碰 \(F\)。优势是稳定（中位误差低 ~10 个数量级）、快（200×）、阈值不敏感；劣势是同样限于非最小情形、且真实评测还偏少。
- vs 单应 / 模型选择类退化检测（GRIC [27], DEGENSAC [8,14]）：那些方法只覆盖纯旋转 / 平面退化（用线性的 \(H\)），本文覆盖最一般的临界曲面（用二次的 \(\Phi\)），是更通用的判据。
- vs 7 点最小情形 [11,12]：最小情形用黎曼流形框架定义病态轨迹、做 6.5 点曲线检验，需同伦延拓估隐函数，数学更重；本文走非最小、线性化的实用路线。
- vs 机器学习 / 深度退化分类 [3,22,23]：那类把退化检测当二分类、靠特征工程或深度分类器（且常需重建 3D 点）；本文是纯几何、无需训练、无需 3D 重建。
评分¶
- 新颖性: ⭐⭐⭐⭐⭐ 首次把同伦二次曲线网引入退化检测，参数化思路是真正的新视角
- 实验充分度: ⭐⭐⭐ 合成实验扎实且分析到位，但真实场景仅少量定性验证、缺大规模定量基准
- 写作质量: ⭐⭐⭐⭐ 几何推导清晰、与基线对比明确，但需要一定代数几何背景才读得顺
- 价值: ⭐⭐⭐⭐ 为 SfM 流水线补上一个稳定实用的通用退化判据，毫秒级、易落地