Estimación de los parámetros de un modelo haciendo uso de correspondencias con incertidumbre

La extracción de información con base en la geometría entre múltiples vistas de una escena, como normalmente es llamada a la implementación de diversas imágenes, emplea puntos correspondientes para la estimación de modelos paramétricos, que describen un desplazamiento (rotación y traslación principalmente) El determinar una mayor cantidad de correspondencias correctas entre imágenes, incremente la precisión de los modelos paramétricos estimados. Por lo anterior, es motivante e importante estimar correspondencias correctas entre múltiples imágenes en tiempos reducidos y con la mayor cantidad de información disponible. Es importante recalcar, que la mayoría de los trabajos presentes en el estado del arte, hacen uso de aquellas correspondencias consideradas correctas, desechando bastante información (datos de incertidumbre) que puede incrementar la calidad y precisión de los modelos paramétricos a estimar. Todo lo anterior con la finalidad de reducir el número de operaciones y obtener una solución en tiempo real. Es decir sacrifican precisión por rapidez (tiempo real) La implementación de correspondencias con incertidumbre en la estimación de parámetros de un modelo de transformación, es un trabajo que implementa tres metodologías totalmente diferentes, cumpliendo cada una de ellas con un objetivo en particular. Por otra parte, la cual consideramos nuestra mayor aportación, se implementa un análisis estadístico (Kenichi Kanatani), en la estimación de parámetros que proporcionan una solución insesgada directa. Posteriormente se propone una modificación a un método probabilístico que nos permita implementar una mayor cantidad de información presente en los dados, para estimación de los parámetros y, finalmente, se implementa una heurística evolutiva, que nos permite obtener una medida global. Dicha medida global nos indica que tan buenos son nuestros parámetros estimados