本文由CSDN点云侠原创,原文链接。爬虫自重,把自己当个人。博客长期更新,本文最近更新时间为:2023年8月14日。
一、算法原理
1、算法简介
RANSAC算法由Fischler和Bolles于1981年提出,是一种从数据集合中迭代稳健估计模型
参数的方法。该算法的基本思想是:不断地从数据集合中随机抽取样本集,寻求支持更多局内点的模型参数;利用模型余集检验获得的模型参数;通过一定次数的迭代,当采样样本集与合理解的一致性概率为最大时,将该采样样本集作为合理解的样本集,且参数解的正确性由样本余集检验支撑。其中数据集合中包含正确数据(内点inliers)和异常数据(外点outliers)。算法计算过程的实质为假设和检验:假设随机采样数据都为内点,利用随机采样数据计算模型参数;通过其他点对估计的模型参数进行检验。
RANSAC算法要求保证在一定的置信概率下,其基本子集的最小采样数N 与至少取得一个良性采样子集的概率