原文:
【http://xueshu.baidu.com/s?wd=paperuri%3A%285cf06460732097a0248dce05c12126b0%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Fwww.springerlink.com%2Fcontent%2Ff0310906x67884qv&ie=utf-8&sc_us=963783626136484965】
该算法的主要功能是拟合空间中的多个模型。多模型稳健估计。
一、论文解读
在introduction里提到了几种多模型估计的方法,简单说明一下。
1.RANSAC:原始的RANSAC是用于拟合数据中的单一模型的,后续提出的Sequential RANSAC可以用于拟合多个模型。Sequential RANSAC的主要思想是连续多次调用RANSAC,每次使用RANSAC拟合出一个模型之后,就将该模型确定的内点去掉,再使用RANSAC对剩余的点进行拟合。这种方法并不好,所以后续提出了multiple RANSAC[1],如果模型之间不存在相交&