ransac改进

最新推荐文章于 2023-09-16 12:57:28 发布

ironfromice

最新推荐文章于 2023-09-16 12:57:28 发布

阅读量755

点赞数 1

分类专栏： opencv

本文链接：https://blog.csdn.net/fhb362767625/article/details/91390553

版权

本文探讨了RANSAC（Random Sample Consensus）算法的基本原理及其在计算机视觉中的应用，并分享了针对RANSAC算法的改进策略，包括迭代次数优化、阈值设定和异常值检测等，以提高模型估计的准确性和效率。

摘要由CSDN通过智能技术生成

#include<iostream>
#include<opencv2/opencv.hpp>
#include<vector>
#include<stdlib.h>
#include <time.h>


using namespace std;
using namespace cv;

//此函数随机选取两点，求基础线的法线参数及一个选取点参数（得到的参数用于ransac计算内点）
void BasicLineParam(vector<Point> & data, vector<double> & param)                  
{
	Point p1 = (0, 0), p2 = (0, 0);
	//srand((unsigned)time(NULL));			  //不能这样选取随机数，因为要迭代，速度太快了，时间基本没有改变，每次选出来的随机数是一样的。
	while (p1 == p2)                         //保证选取的是两个不同的点
	{
		p1 = data[rand() % data.size()];	
		p2 = data[rand() % data.size()];		
	}
	cout <<"选取的两个点" <<endl << p1<< endl;
	cout << p2 << endl;

	double nx = p1.y - p2.y;
	double ny = p2.x - p1.x;// 原始直线的斜率为K，则法线的斜率为-1/k 
	double norm = sqrt(nx*nx + ny*ny);
	param.push_back(nx / norm);
	param.push_back(ny / norm);
	param.push_back(p1.x);
	param.push_back(p1.y);
	cout << "直线的法线向量 （" << param[0] << ", " << param[1] << endl;
}


//此函数用于计算模型最多的内点,basic_point是直线上一点， nx,ny是上面算出来的法线向量，data是所有的点集，maxinner用来算出最好模型的内点数，
//delta是确定为内点的最短的点到直线的距离
int ComputeInnerPoint(Point basic_point, double nx, double ny, vector<Point> & data,/* int maxInne