用RANSAC估计计算机视觉中的几何变换

随机样本一致性(Random sample consensus，简称RANSAC)是一种从包含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数据集中的异常值，并使用不包含异常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. 拟合一个模型到选定的子集
  3. 确定异常值的数量
  4. 按照规定的迭代次数重复步骤1-3

例如，最适合一组点的直线方程可以使用RANSAC估计。

数据点用蓝色表示，用红色表示用RANSAC估计的形式y = mx+c。

在计算机视觉中，RANSAC被用作一种鲁棒的方法估计基本矩阵在立体视觉中，基于特征寻找两组点之间的共性对象检测，并注册顺序视频帧视频稳定。

example for details).

" data-toggle="lightbox">

视频的帧拼接在一起创建一个视频马赛克。RANSAC用于估计视频帧之间的几何变换(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(MATLAB代码和解释见示例)。

有关详细信息,请参见计算机视觉的工具箱，用于与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