使用Ransac来估算计算机视觉中的几何变换

随机示例共识或Ransac是一种迭代方法,用于估计包含异常值的数据集的数学模型。RANSAC算法通过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模型。

Ransac通过以下步骤完成

  1. 随机选择数据集的子集
  2. 将模型拟合到所选子集
  3. 确定异常值的数量
  4. 重复步骤1-3以进行规定的迭代次数

例如,可以使用RANSAC估计最适合一组点的线的等式。

数据点以蓝色显示,具有y = mx + c的线,估计使用红色表示的Ransac。

在计算机视觉中,Ransac被用作鲁棒方法估计基本矩阵在立体声愿景中,用于找到基于特征的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">

视频框架缝合在一起,创建视频马赛克。Ransac用于估计视频帧之间的几何变换(参见例子有关详细信息)。

使用特征点匹配的立体声整流。Ransac用于估计基本矩阵(查看matlab代码和解释示例)。

有关详细信息,请参阅电脑视觉工具箱,它用于马铃薯金宝app

也可以看看:特征提取立体声愿景对象检测图像识别对象识别Ransac视频点云