自由Man

RANSAC算法

       对含有较大噪声的数据进行直线拟合,RANSAC算法是一个不错的选择。


       RANSAC通过反复随机选取数据的一组子集,并用下述方法进行验证: 

       1.有一个模型适应于假设的局内点,即所有的未知参数都能从假设的局内点计算得出。

      2.用1中得到的模型去测试所有的其它数据,如果某个点适用于估计的模型,认为它也是局内点。

      3.如果有足够多的点被归类为假设的局内点,那么估计的模型就足够合理。

      4.然后,用所有假设的局内点去重新估计模型(譬如使用最小二乘法),因为它仅仅被初始的假设局内点估计过。

      5.最后,通过估计局内点与模型的错误率来评估模型。

上述过程被重复执行固定的次数,每次产生的模型要么因为局内点太少而被舍弃,要么因为比现有的模型更好而被选用。

算法诠释图:

919d805f-83e8-3bcd-bb1a-4051d7f55649.jpg


相关文章
RANSAC算法2016年06月17日
  • 评论列表:

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

Powered By Z-BlogPHP 1.5.2 Zero Theme By 爱墙纸

Copyright ZiYouMan.cn. All Rights Reserved. 蜀ICP备15004526号