[Matlab]基于matlab的ransac平面拟合程序

本文主要是介绍[Matlab]基于matlab的ransac平面拟合程序，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

输入：①数据 ②抽样次数N ③距离阈值t ④数量阈值T
输出：最终估计的模型
程序流程：
1。data ：数据
2。取样本：确定模型参数p所需要的最小数据数n，随机取n个数据作为一个样本J
3。建模型：根据样本J建立模型Mp(J)。
4。判断距离：根据模型Mp（J）判断所有数据点到模型的距离。
5。记录：记录距离小于t的个数total 和距离小于t的点的索引。
6。判断：　若total>数量阈值T ：则用距离小于t的点重新估计模型重复3-5一次。
若total<数量阈值T：则跳出。
7。记录最大total和此时的模型作为最佳模型。
8。循环N次。
9。输出

函数ransac_fitplane

function [a,b,c,d]=ransac_fitplane(data,N,t,T)
figure;plot3(data(1,:),data(2,:),data(3,:),'o');hold on; % 显示数据
iter = N; %抽样次数N
number = size(data,2); % 总数
maxNum=0;     %符合拟合模型的数据的个数
for i=1:iter %循环次数sampleidx = randperm(number); sampleidx =sampleidx(1,1:3);sample = data(:,sampleidx); %取样本[a1,a2,a3,a4]=get_nice_plane(sample);%拟合直线方程 z=ax+by+cplane = [-a1/a3,-a2/a3,-1,-a4/a3];%建模型mask=abs(plane*[data; ones(1,size(data,2))]);    %求每个数据到拟合平面的距离total=sum(mask<t); %计算数据距离平面小于一定阈值的数据的个数index= mask<t;if total>Tnsample=data(:,index);[a1,a2,a3,a4]=get_nice_plane(nsample);plane = [-a1/a3,-a2/a3,-1,-a4/a3];  %z=ax+by+cmask=abs(plane*[data; ones(1,size(data,2))]);total=sum(mask<t);              %计算数据距离平面小于一定阈值的数据的个数end;if total>maxNum   %记录最大totalmaxNum=total;bestplane=plane;%最好的拟合平面bestindex=index;bestplane2=[a1,a2,a3,a4];end  
end
%显示符合最佳拟合的数据
maxNum %最大一致集
avgerror=abs(bestplane*[data; ones(1,size(data,2))]);
avgerror=sum(avgerror(find(avgerror<t)))/maxNum  %计算一致集内平均误差
a=bestplane2(1);b=bestplane2(2);c=bestplane2(3);d=bestplane2(4);
% 图形绘制
temp1=data(1,bestindex);
temp2=data(2,bestindex);
xfit = min(temp1):0.2:max(temp1);
yfit = min(temp2):0.2:max(temp2);
[XFIT,YFIT]= meshgrid (xfit,yfit);
ZFIT = bestplane(1)*XFIT+bestplane(2)*YFIT+bestplane(4);
mesh(XFIT,YFIT,ZFIT);grid on;
xlabel('X');
ylabel('Y');
end

函数拟合平面

function [a,b,c,d]=get_nice_plane(data)
planeData=data';
% 协方差矩阵的SVD变换中，最小奇异值对应的奇异向量就是平面的方向
xyz0=mean(planeData,1);
centeredPlane=bsxfun(@minus,planeData,xyz0);
[~,~,V]=svd(centeredPlane);
a=V(1,3);
b=V(2,3);
c=V(3,3);
d=-dot([a b c],xyz0);
end

参数t=1 N=3000 T=200

参数t=0.5 N=3000 T=300

把参数调大之后明显好多了。

调试代码

clc;clear all;close all;
mu=[0 0 0];
S=[2 0 4;0 4 0;4 0 8]; 
data1=mvnrnd(mu,S,400);
%外点
mu=[2 2 2];
S=[8 1 4;1 8 2;4 2 8];
data2=mvnrnd(mu,S,500);
data=[data1',data2'];%% 相当于原始数据
[a,b,c,d]=ransac_fitplane(data,3000,0.5,300)