随机样本一致性(RANSAC)是一种从包含异常值的数据集中估计数学模型的迭代方法。RANSAC算法的工作原理是识别数据集中的异常值,并使用不包含异常值的数据来估计所需的模型。
RANSAC通过以下步骤完成
例如,可以使用RANSAC来估计最适合一组点的直线方程。
数据点用蓝色表示,曲线y = mx+c用红色表示。
在计算机视觉中,RANSAC被用来作为一种鲁棒的方法估计基本矩阵在立体视觉中,寻找两组点之间的共性,以特征为基础对象检测,并注册顺序视频帧视频稳定。
将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(参见例子详情)。
利用特征点匹配进行立体校正。利用RANSAC来估计基本矩阵(MATLAB代码和说明见示例)。
有关详细信息,请参见计算机视觉的工具箱,与…连用MATLAB和金宝app。
视频Mosaicking(例子)
使用点特征匹配来检测混乱场景中的物体(例子)
利用点特征匹配实现视频稳定(例子)
使用自动特征匹配来查找图像的旋转和缩放(例子)
参见:特征提取,立体视觉,对象检测,图像识别,对象识别,RANSAC视频,点云
选择网站
选择一个网站,在可用的地方获得翻译内容,并查看本地事件和优惠。根据您的位置,我们建议您选择:。
您也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳的网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。
联系当地办事处
本网站使用cookie来改善用户体验,个性化内容和广告,并分析网站流量。如果您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策了解更多关于cookie和如何更改您的设置。