利用RANSAC估计计算机视觉中的几何变换

随机样本共识(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离群值，并使用不包含离群值的数据估计所需的模型。

RANSAC通过以下步骤完成

  1. 随机选择数据集的一个子集
  2. 将模型拟合到所选子集
  3. 确定异常值的数量
  4. 为指定的迭代次数重复步骤1-3

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，用红色表示RANSAC估计的y = mx+c形式。

在计算机视觉中，RANSAC是一种鲁棒性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，并以特征为基础对象检测，并记录连续的视频帧视频稳定．

example for details).

" data-toggle="lightbox">

拼接在一起形成视频马赛克的视频帧。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。RANSAC用于估计基本矩阵(参见MATLAB代码示例和解释)．

有关详细信息,请参见计算机视觉的工具箱，与MATLAB和金宝app．

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