基本RANSAC的原理

最新推荐文章于 2024-07-18 11:15:33 发布

Researcher-Du

最新推荐文章于 2024-07-18 11:15:33 发布

阅读量2.5k

点赞数 3

分类专栏： Computer Graphics

本文链接：https://blog.csdn.net/u011426016/article/details/90440909

版权

Computer Graphics 专栏收录该内容

30 篇文章 14 订阅

订阅专栏

本文主要参考以下几篇博文以及提供的源代码，在此感谢原作者：
1、https://www.cnblogs.com/xrwang/p/SampleOfRansac.htm
2、https://blog.csdn.net/weixin_40023317/article/details/90215182
3、https://grunt1223.iteye.com/blog/961063
4、https://www.cnblogs.com/littlepear/p/10129861.html

RANSAC为Random Sample Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由Fischler和Bolles最先提出。该算法在计算机视觉中广泛应用。

RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(outliers，偏离正常范围很远、无法适应数学模型的数据)，即数据集中含有噪声。这些异常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC也假设，给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方法。因此，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：

基本RANSAC算法流程：

随机抽取部分数据认为选中的数据是inliers, 并构建数学模型。
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，否是就是局外点。
统计1中模型的局内点数目。
重复1~3给定的次数，维护全局最值，认为局内点最多的模型为我们最终需要的模型。

直线拟合案例讲解：

接下来以直线拟合为例，首先在给定的n个观测点中，随机选取2个点，然后计算出一条直线：y=ax+b;
然后计算其余点到这条直线的距离，如果距离小于给定的阈值，那么这个点就是一个局内点，统计出所有的局内点数目，接下来反复选取2个点，计算直线方程，再次统计局内点数目。最终得到最多局内点的直线方程认为是观测点的模型。如下图所示：

在这里插入图片描述
事实上，在很多情况下，最小二乘法也可以拟合直线。但是，遗憾的是，最小二乘法只适合与误差较小的情况。试想一下这种情况，假使需要从一个噪音较大的数据集中提取模型（比方说只有20%的数据时符合模型的）时，最小二乘法就显得力不从心了。例如下图，肉眼可以很轻易地看出一条直线（模式），但算法却找错了。比如下面的情况就很明显：
在这里插入图片描述
RANSAC的算法步骤可以参看下图：

RANSAC核心代码如下所示：

  private void btnGetLine_Click(object sender, EventArgs e){
            //用RANSAC方法获取最佳直线
            points = GetSamplePoints();
            Line bestLine = null;           //最佳直线
            double bestInliersCount = 0;    //最佳模型的局内点数目
            Random random = new Random();
            for (int idx = 0; idx < nudIterCount.Value; idx++){  //反复迭代测试
                int idx1, idx2;
                GetRandomInliersPoints(random, out idx1, out idx2); //随机选取2个点
                int inliersCount = 2;
                Line line = new Line(points[idx1], points[idx2]);
                for (int i = 0; i < points.Count; i++){
                    if (i != idx1 && i != idx2){
                        if (line.GetDistance(points[i]) <= (double)nudMinDistance.Value)
                            inliersCount++;  //点到直线距离小于阈值则局内点数目++
                    }
                }
                if (inliersCount >= nudMinPointCount.Value){ //维护全局最多局内点数目
                    if (inliersCount > bestInliersCount){
                        bestLine = line;
                        bestInliersCount = inliersCount;
                    }
                }
            }
            //显示最佳直线
            if (bestLine != null) {
                lblFormula.Text = string.Format("方程:{0}\r\nA:{1}\r\nB:{2}\r\nC:{3}\r\n局内点数目:{4}",
                    bestLine.ToString(), bestLine.A, bestLine.B, bestLine.C, bestInliersCount);
                DrawLine(bestLine);
            }
            else
                lblFormula.Text = "没有获取到最佳直线。";
        }