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. 拟合一个模型到所选子集
  3. 确定离群值的数量
  4. 为指定的迭代次数重复步骤1-3

例如，可以使用RANSAC估计最适合一组点的直线方程。

数据点用蓝色表示，用RANSAC估计y = mx+c形式的线用红色表示。

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，用于寻找两组点之间的共性以进行特征提取对象检测，并将序列视频帧注册为视频稳定。

example for details).

" data-toggle="lightbox">

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)。

利用特征点匹配的立体校正。RANSAC用于估计基本矩阵(参见MATLAB代码和说明示例)。

有关详细信息,请参见计算机视觉的工具箱，用于MATLAB和万博1manbetx。

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