随机样本一致性(RANSAC)是一种迭代方法,用于从包含异常值的数据集中估计数学模型。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是通过以下步骤完成的
例如,可以使用RANSAC估计最适合一组点的一条直线的方程。
数据点显示为蓝色,使用RANSAC估计的形式y = mx+c用红色表示。
在计算机视觉中,RANSAC是一种鲁棒方法估计基本矩阵在立体视觉中,用于寻找基于特征的两组点之间的共性对象检测,并注册连续视频帧视频稳定.
将视频帧拼接在一起,形成视频马赛克。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(参见示例MATLAB代码和解释).
有关详细信息,请参见计算机视觉的工具箱,与MATLAB而且动态仿真模块.
视频Mosaicking(例子)
使用点特征匹配检测杂乱场景中的对象(例子)
利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缩放(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
选择一个网站
选择一个网站,在可用的地方获得翻译的内容,并查看当地的活动和优惠。根据您的地理位置,我们建议您选择:.
您也可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。
联系当地办事处