使用RANSAC用于估计在计算机视觉几何变换

随机取样一致,或RANSAC,是用于从含有异常值的数据集估计数学模型的迭代方法。RANSAC算法的工作方式是识别异常值的数据集,并估计使用不包含异常值数据所需的模型。

RANSAC与以下步骤完成

  1. 随机选择所述数据集的子集
  2. 拟合模型的选择的子集
  3. 确定的离群值数
  4. 重复步骤1-3次迭代的预定数

例如,一个直线的方程最适合的一组点可以使用RANSAC估计。

在蓝色显示的数据点,与形式为y的线使用RANSAC以红色表示= MX + C估计。

在计算机视觉,RANSAC作为一个健壮的方法来估计基本矩阵在立体视觉,寻找两组点之间的共性为基础的特征目标检测和注册用于顺序视频帧视频稳定

example  for details).

" data-toggle="lightbox">

视频的帧缝合在一起,以创建视频马赛克。RANSAC用于估计视频帧之间的几何变换(见了解详细信息)。

立体整治采用特征点匹配。RANSAC用于估计基本矩阵(见MATLAB代码和解释例)。

有关详细信息,请参阅计算机视觉工具箱,它被用来与MATLAB金宝app

也可以看看:特征提取立体视觉目标检测图像识别物体识别RANSAC视频点云