Random Sample Consensus(RANSAC)的一点读后总结

2024-01-24 21:20

本文主要是介绍Random Sample Consensus(RANSAC)的一点读后总结,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!

RANSAC算法不同与传统的平滑过程,传统方法是利用尽可能多的数据来获得一个比较原始的解,然后尝试使用一些优化算法来消除invalid的数据点。对于RANSAC则是使用一个比较小的数据集,然后再尽可能的使用一致的数据来扩大原来初始化的数据集。

举个例子来说,如果我们要拟合一段二维点中的弧线,RANSAC会选择三个点作为一个集合(确定一个弧线需要三个点),然后计算中心和半径,也就是说这样圆的弧线就基本确定了,然后在计算其他点是否足够靠近这个圆弧,其他点的偏差足够小可以认为是测量的误差。如果有足够符合这个圆弧的点,RANSAC将会使用一个平滑的技术(最小二乘),来更好的估计这个圆的参数,到了这一步,相互一致的点的数据集也就确定了。(如果是拟合直线,应该是选择两个点;如果是拟合平面,应该选择三个点)

RANSAC一个比较正式的陈述如下:

给定一个模型,需要最小为n的数据集来实例化它的自由参数,给定一个数据集,含有P个数据(P大于或者等于n);随机从P中选择n个数据点作为一个子集S1,然后对模型进行实例化。使用实例化后的模型为M1,然后再决定在整个数据集P中能够符合错误阈值的子集S1’,S1’就是S1的共识集。

如果S1’数量大一某些设定的阈值t,是在数据集P中对总的错误数量的估计函数,使用S1’来计算(可能是使用最小二乘)一个新的模型M1‘。

如果S1’的数量小于t,随机选择一个新的子集S2,重复之前的步骤,如果经过预先设定的实验次数过后,没有共识集满足t或者更多的数量,要么通过最大的共识集来解出模型,要么以失败告终。

以上就是完整的RANSAC的算法流程,如果需要更多详细的理解,可能还是需要小伙伴们自己阅读paper。

RANSAC有三个不确定的参数:

1.error tolerance:用来确定一个点是否与产生的模型兼容:

error tolerance可以设置成比平均测量误差高1到2个标准差,这个设置还是很经验值的,所以可以多多尝试一下。同时值得注意的是针对不同的数据集,这个值应该是不同的,但是一个数据集也只需要一个error tolerance也就足够了。

2.maximum number of attempts:选择尝试的子集的数量

怎么选择具体的实验次数?当然在理想状态下,当然是实验的次数越多越好,但实际上在工程应用的时候,是不现实的,所以要比较合理的设置实验次数。实验次数太多,浪费资源,如果实验次数过少,那么很有可能都找不到正确的模型,所以这个参数设置还是很重要的。

假设实验次数为k,即从整个数据集P中选择k次n个内点的子集,w是在模型的error tolerance中任一一个数据点选到的概率,z是至少一次随机选择在无外点的n个数据点集中的概率。
可以推导出:

E(k)=1/b=wn

SDk=[sqrt(1wn)]×1/wn

k=log(1z)/[log(1b)])ifwn1then,klog(1z)E(k)

b=wn 具体公式推导啥的还是子集看paper吧。

3.size of an acceptable consensus set:就是上文中定义的t

这个参数是用来决定在P中一个含有n个点的子集的basis,也就是说已经找到了一个足够大的共识集来允许算法进行终止。所以t的选择必须足够大来满足两个目的:第一,针对数据集,正确的模型已经找到了;第二,被找到的相互共识的点的数量满足最后进行平滑的过程(就是说可以提高模型参数的估值)。这个还是有很多方法,就自行查阅和解决吧。

好像非要上张图,不然这篇文章太单调了。。。

这里写图片描述

参考文献:
[1]Martin A. Fischler and Robert C. Bolles (June 1981). “Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography”. Comm. of the ACM 24: 381–395. doi:10.1145/358669.358692.

这篇关于Random Sample Consensus(RANSAC)的一点读后总结的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/641028

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的

二分最大匹配总结

HDU 2444  黑白染色 ,二分图判定 const int maxn = 208 ;vector<int> g[maxn] ;int n ;bool vis[maxn] ;int match[maxn] ;;int color[maxn] ;int setcolor(int u , int c){color[u] = c ;for(vector<int>::iter

整数Hash散列总结

方法:    step1  :线性探测  step2 散列   当 h(k)位置已经存储有元素的时候,依次探查(h(k)+i) mod S, i=1,2,3…,直到找到空的存储单元为止。其中,S为 数组长度。 HDU 1496   a*x1^2+b*x2^2+c*x3^2+d*x4^2=0 。 x在 [-100,100] 解的个数  const int MaxN = 3000

状态dp总结

zoj 3631  N 个数中选若干数和(只能选一次)<=M 的最大值 const int Max_N = 38 ;int a[1<<16] , b[1<<16] , x[Max_N] , e[Max_N] ;void GetNum(int g[] , int n , int s[] , int &m){ int i , j , t ;m = 0 ;for(i = 0 ;

go基础知识归纳总结

无缓冲的 channel 和有缓冲的 channel 的区别? 在 Go 语言中,channel 是用来在 goroutines 之间传递数据的主要机制。它们有两种类型:无缓冲的 channel 和有缓冲的 channel。 无缓冲的 channel 行为:无缓冲的 channel 是一种同步的通信方式,发送和接收必须同时发生。如果一个 goroutine 试图通过无缓冲 channel

9.8javaweb项目总结

1.主界面用户信息显示 登录成功后,将用户信息存储在记录在 localStorage中,然后进入界面之前通过js来渲染主界面 存储用户信息 将用户信息渲染在主界面上,并且头像设置跳转,到个人资料界面 这里数据库中还没有设置相关信息 2.模糊查找 检测输入框是否有变更,有的话调用方法,进行查找 发送检测请求,然后接收的时候设置最多显示四个类似的搜索结果

java面试常见问题之Hibernate总结

1  Hibernate的检索方式 Ø  导航对象图检索(根据已经加载的对象,导航到其他对象。) Ø  OID检索(按照对象的OID来检索对象。) Ø  HQL检索(使用面向对象的HQL查询语言。) Ø  QBC检索(使用QBC(Qurey By Criteria)API来检索对象。 QBC/QBE离线/在线) Ø  本地SQL检索(使用本地数据库的SQL查询语句。) 包括Hibern

暑期学习总结

iOS学习 前言无限轮播图换头像网络请求按钮的configuration属性总结 前言 经过暑期培训,完成了五个项目的仿写,在项目中将零散的内容经过实践学习,有了不少收获,因此来总结一下比较重要的内容。 无限轮播图 这是写项目的第一个难点,在很多项目中都有使用,越写越熟练。 原理为制造两个假页,在首和尾分别制作最后一页和第一页的假页,当移动到假页时,使用取消动画的方式跳到