引言:随机采样一致算法属于传统算法,在一些图像特征匹配算法中常常会看到此函数的身影,到底此函数是弄啥的呢?下面一起来看看吧!!!
1.介绍:
随机采样一致算法RANSAC 的英文名称(RANdom SAmple Consensus),对于此算法的粗暴理解,小琼认为是模型估计算法,类似于最小二次法、,只不过最小二乘法采用所有的数据样本值来拟合模型,然而随机采用一致算法只采用一部分样本值作为数据的内点(inliers),然后使用这些内点来拟合模型。
2.RANSAC算法样本划分
此算法的数据样本划分为三类:
1》内点(inliers,在群点)
2》外点(outliers,离群点)
3》噪点(杂乱无章的点)
3.算法描述
随机采用一致算法采用数据集样本中的一部分样本作为数据的内点(inliers),剩余点暂时看作为离群点(outliers,外点),然后使用这些内点来拟合模型,然后将此模型数据样本逐步扩张,检验其他的点(离群点)是否满足此模型,如果满足则将此点归为内点,一次反复,当样本达到一定程度,,则进行模型更新,从新利用内点进行模型拟合(相当于从新建立数据模型),当精度满足一定要求才停止