1 RANSAC随机采样一致性算法介绍
RANSAC是一种随机参数估计方法。RANSAC从样本中随机抽选出一个样本子集,使用最小方差估计算法对这个子集计算模型参数,然后计算所有样本与该模型的偏差,再使用一个预先设定好的阈值与偏差比较,当偏差小于阈值时,该样本点属于模型内样本点(inliers),简称内点,否则为模型外样本点(outliers),简称外点。记录下当前内点inliers的个数,然后重复这一过程。每一次重复,都记录当前最佳的模型参数,即inliers的个数最多,此时对应inliers个数为best_ninliers。每次迭代的末尾,都会根据期望的误差率、best_ninliers、总样本个数、当前迭代次数,计算一个迭代结束评判因子。迭代结束后,最佳模型参数就是最终的模型参数估计值。
2 RANSAC圆柱体拟合
2.1 SACMODEL_CYLINDER模型
PCL提供了SACMODEL_CYLINDER模型,定义为圆柱体模型,共设置7个参数,从点云中分割提取的内点都处在估计参数对应的圆柱体上或距离圆柱体的距离在一定范围内。
参数名 |
---|