在OpenCV中使用RANSAC

最新推荐文章于 2024-07-12 19:00:00 发布

老马过河hhh

最新推荐文章于 2024-07-12 19:00:00 发布

阅读量1.1w

点赞数 9

分类专栏：图像处理与识别数据结构与算法文章标签：算法 OpenCV

本文链接：https://blog.csdn.net/HopefulLight/article/details/78775974

版权

本文介绍了OpenCV中solvePnPRansac和findHomography函数如何利用RANSAC算法增强鲁棒性。RANSAC类在ptsetreg.cpp中实现，但未对外开放，需要通过源代码学习。文章讲解了RANSAC类的主要函数及其参数，并指出使用时需要继承该类并实现特定函数。同时，文章提供了一个包含所需头文件的示例，以在工程中正确调用RANSAC算法。

摘要由CSDN通过智能技术生成

OpenCV中的solvePnPRansac函数和findHomography函数都具有RANSAC特性，该特性使算法对少量的错误数据鲁棒。
这两个函数利用RANSACPointSetRegistrator类实现RANSAC算法，但这个类并没有对外开放，因此只能通过阅读OpenCV源代码学习RANSAC算法的实现和使用。
类的实现在ptsetreg.cpp中，可通过调用precomp.hpp文件中的createRANSACPointSetRegistrator函数使用。此外，该文件还提供了createLMeDSPointSetRegistrator函数调用最小中值算法。
关于RANSAC的介绍详见这篇博客

createRANSACPointSetRegistrator函数的原型为

Ptr<PointSetRegistrator> createRANSACPointSetRegistrator(const Ptr<PointSetRegistrator::Callback>& cb,
		int modelPoints, double threshold,
		double confidence = 0.99, int maxIters = 1000);

参数cb类型为PointSetRegistrator::Callback，是要传入的被包装的估计算法对象，被RANSAC类调用以进行试探的估计过程；参数modelPoints 设定计算模型需要的最少数据点；参数threshold设定区分内点和外点的阈值；参数confidence设定返回正确值的概率（决定抽样次数）；参数maxIters设定最大走样次数。后三个参数与solvePnPRansac函数中的意义