兰萨克

用RANSAC估计计算机视觉中的几何变换

随机样本一致性（RANSAC）是一种迭代方法，用于从包含异常值的数据集中估计数学模型。RANSAC算法通过识别数据集中的异常值并使用不包含异常值的数据估计所需模型来工作。

RANSAC通过以下步骤完成

  1. 随机选择数据集的子集
  2. 将模型拟合到选定子集
  3. 确定异常值的数量
  4. 在规定的迭代次数内重复步骤1-3

例如，可以使用RANSAC估计最适合一组点的直线方程。

数据点以蓝色显示，形式为y=mx+c的线使用红色表示的RANSAC估算。

在计算机视觉中，RANSAC被用作一种稳健的方法估计基本矩阵在立体视觉中，用于寻找两组点之间的共性，以便基于特征进行识别目标检测，以及注册连续视频帧以用于视频稳定.

example for details).

" data-toggle="lightbox">

视频帧缝合在一起以创建视频马赛克。RANSAC用于估计视频帧之间的几何变换（参见实例详细信息）。

使用特征点匹配进行立体校正。RANSAC用于估计基本矩阵(有关MATLAB代码和说明，请参见示例).

有关详细信息，请参阅计算机视觉工具箱，它与MATLAB和金宝app.

另见：特征提取,立体视觉,目标检测,图像识别,目标识别,朗萨克视频,点云