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
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.
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.
视频Mosaicking(例子)
利用点特征匹配检测杂波场景中的目标(例子)
使用点特征匹配的视频稳定(例子)
使用自动特征匹配查找图像旋转和比例(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,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你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)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系
本网站使用cookie来改善您的用户体验,个性化内容和广告,并分析网站流量。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有关cookie的更多信息以及如何更改设置。