RANSAC

RANSAC

1. 前言
        如何稳健地估计本质矩阵或者基本矩阵?
基本矩阵求解方法主要有：
（1）直接线性变换法
         a)8点法
         b)最小二乘法
（2）基于RANSAC的鲁棒方法。
        先简单介绍一下直接线性变换法：


        注：红线标注的两个等式等价。
        在上述分析过程中，如果n>=8时，最小二乘法求解是否是最优估计呢？接下来，重点探讨一下这个问题。

2. 稳健估计
2.1 稳健的定义
        稳健（robust）:对数据噪声的敏感性。

2.2 RANSAC——随机一致性采样
        RANSAC主要解决样本中的外点问题，最多可处理50%的外点情况。

基本思想：
        RANSAC通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证：
（1）有一个模型适用于假设的局内点，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，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.
        这个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，要么因为它比现有的模型更好而被选用。

        对上述步骤，进行简单总结如下：

        举个例子：使用RANSAC——拟合直线






2.3 关于OpenCV中使用到RANSAC的相关函数
（1）solvePnPRansac
（2） findFundamentalMat