主要内容

ransac

适合嘈杂的数据模型

页面上倒塌

句法

[型号，inlieridx] = Ransac（数据，fitfcn，​​distfcn，​​样品化，maxdistance）
[___) = ransac (___、名称、值)

描述

例子

[模型那inlieridx.) = ransac (数据那fitFcn那distfcn.那样品化那maxDistance）使用M-Everialator样本共识（MSAC）算法，适用于嘈杂数据的模型，随机采样共识（RANSAC）算法的一个版本。

指定适合模型的函数，fitFcn，以及用于计算模型到数据之间距离的函数，distfcn.．的ransac函数随机抽取样本数据使用样品化并使用贴合功能，以最大限度地增加内嵌的数量maxDistance．

[___) = ransac (___那名称,值）另外指定一个或多个名称,值对参数。

例子

全部折叠

打开生活的脚本

加载并绘制一组嘈杂的二维点。

加载pointsForLineFitting.mat绘图（点（：，1），点（:,2），“o”）;持有在

图中包含一个轴对象。轴对象包含类型线的对象。

适合使用线性最小二乘法的线。由于异常值，该线路并不符合良好。

modelleastsquares = polyfit（点（：，1），点（：，2），1）;x = [min（点（：，1））max（点（：，1））];Y = Modelleastsquares（1）* X + Modelleastsquares（2）;绘图（x，y，'r-'）

图中包含一个轴对象。轴对象包含两个类型为line的对象。

使用MSAC算法拟合一条线到这些点。定义样本大小、嵌线的最大距离、拟合函数和距离评价函数。调用ransac运行MSAC算法。

Samplesize = 2;每次试验的百分比点为样本maxdistance = 2;最大允许距离的最大允许距离fitLineFcn = @(points) polyfit(points(:，1)，points(:，2)，1);%拟合函数使用polyfitevallinefcn =......距离评价函数@(模型,分)和((分(:,2)- polyval(模型,分(:1)))^ 2,2);[modelRANSAC, inlierIdx] = ransac(points,fitLineFcn,evalLineFcn，......样品化，MaxDistance）;

使用一条线到inliers使用Polyfit.．

modelInliers = polyfit(点(inlierIdx, 1),点(inlierIdx, 2), 1);

显示最终的拟合行。这条线对于异常值来说是稳健的ransac识别和忽略。

InLierpts = points（inlieridx，:);x = [min（inlierpts（：，1））max（InLierpts（：，1））];Y = ModelInliers（1）* X + Modelinliers（2）;绘图（x，y，'G-'） 传奇（“吵点”那“最小二乘健康”那'强大的契合'）;持有从

图中包含一个轴对象。轴对象包含3型对象。这些对象代表嘈杂的点，最小二乘拟合，强大的契合。

输入参数

全部折叠

要建模的数据，指定为m——- - - - - -N矩阵。每一行对应于要建模的数据集中的一个数据点。例如，要建模一组2-D点，指定点数据为m——- - - - - -2矩阵。

数据类型：单身的|双

适合一个子集的功能数据，指定为函数句柄。该函数必须是表单：

模型= fitFcn(数据)

如果可以将多个模型适合数据，那么fitFcn将模型参数返回为单元格数组。

将距离从模型计算到数据的函数，指定为函数句柄。该函数必须是表单：

距离= distfcn（模型，数据）

如果模型是一个N-element array，然后距离必须是m——- - - - - -N矩阵。否则,距离必须是一个m-by-1矢量。

最小样本大小数据这是必需的fitFcn，指定为正标量整数。

从拟合曲线到Inlier点的最大距离，指定为正标量。除此距离之外的任何点都被视为异常值。RANSAC算法从小点样本创造一个拟合，但试图最大化Inlier点数。降低最大距离通过在Inlier点放大更严格的公差来提高拟合。

名称 - 值参数

指定可选的逗号分离对名称,值参数。姓名是参数名称和价值为对应值。姓名必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:'Maxnumtrial'，2000

函数来验证模型，指定为逗号分隔的对，由'ValidateModelFcn'和功能手柄。函数返回真正的如果模型是基于函数中定义的标准而被接受的。使用此函数拒绝特定的匹配。该函数必须是表单：

isValid = validateModelFcn(模型、变长度输入宗量)

如果未指定功能，则假定所有模型都有效。

找到产生有效模型的示例的最大尝试次数，指定为包含的逗号分隔对。MaxSamplingAttempts'和一个整数。

最大随机试验次数，指定为由“逗号分隔的配对”组成maxnumtrial'和一个整数。单次试验使用最少的随机点数数据适合模型。然后，试验检查内部的替代者数量maxDistance从模型。经过所有的试验，选择嵌线数量最多的模型。增加试验次数可以提高输出的稳健性，但需要额外的计算。

最终解决方案发现模型适合的最大词数的信心，指定为由“逗号分隔的对”信心'和标量从0到100.增加该值以额外计算为代价提高输出的稳健性。

输出参数

全部折叠

最佳拟合模型，作为所定义的参数返回fitFcn输入。该模型最大限度地增加了所有样本尝试的嵌套数量。

Inlier点，作为逻辑向量返回。这个向量的长度和数据，每个元素表明该点是否是基于模型拟合的嵌套点maxDistance．

参考文献

[1] Torr，P.H. S.和A. Zisserman。“MLESAC：一种具有应用于估计图像几何的新的强大估算器。”计算机视觉和图像理解．卷。18，第1期，2000年4月，第138-156页。

扩展能力

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

也可以看看

||

在R2017A介绍

计算机视觉工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书