RANSAC

利用RANSAC估计计算机视觉中的几何变换

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

  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. 重复步骤1-3进行规定次数的迭代

例如，可以使用RANSAC估计最适合一组点的一条直线的方程。

RANSAC 01

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．

example for details).

" data-toggle="lightbox" class="add_margin_0 ">RANSAC 02

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)。

RANSAC 03

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．

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

Baidu
map