RANSAC算法

最新推荐文章于 2024-07-18 11:15:33 发布

会飞的小鸡

最新推荐文章于 2024-07-18 11:15:33 发布

阅读量519

点赞数

分类专栏： SLAM

本文链接：https://blog.csdn.net/woshi_caibi/article/details/97244765

版权

SLAM 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

参考链接：
SLAM RANSAC算法理解：https://blog.csdn.net/robinhjwy/article/details/79174914
RANSAC算法详解：https://blog.csdn.net/laobai1015/article/details/51682596
opencv特征匹配–RANSAC算法原理与源码解析：https://blog.csdn.net/luoshixian099/article/details/50217655

作用
用于处理SLAM中误匹配的筛选，opencv中滤除误匹配对采用RANSAC寻找一个最佳单应矩阵，找到最有的参数矩阵使得满足该矩阵的数据点个数最多.

RANSAC算法：RANdom SAmple consensus（随机抽样一致），从一组包含离群的被观测数据中估算出数学模型的参数。与最小二乘法不同，它有一定的概率得出一个合理的结果，为了提高概率必须提高迭代次数
RANSAC只使用局内点
最小二乘法尽可能去适应包括局外点在内的所有点

基本假设：样本中包含正确数据（inliers，偏差不大的数据，可以描述模型），也包括异常数据（outliers，偏离正常范围很远，无法适应数学模型的数据）即数据集中包含噪声，异常数据可能是由于错误的测量，错误的假设，错误的计算等造成的，同时，假设存在可以计算出符合正确数据的模型参数的方法。

综上， RANSAC的基本假设是：

“内群”数据可以通过几组模型的参数分别叙述，而“离群”数据则是不适合模型化的数据
数据会受噪声影响，噪声指的是离群点，例如从极端的噪声或者错误解释有关数据的测量或者不正确的假设
给定一组内群，存在一个程序，可以估算最佳解释或者最适用于这一数据模型的参数

RANSAC算法步骤：

随机从数据集中抽出4个样本数据（此4个数据之间不能共线），计算出单应矩阵H，记模型为M;
计算数据集中所有数据与模型M的投影误差，若误差小于阈值，加入内点集I
如果当前内点集I元素个数大于最优内点集I_best，则更新I_best=I，同时更新迭代次数k;
如果迭代次数大于k，则退出;否则迭代次数加1,并重复上述步骤。

Note：迭代次数在不大于最大迭代次数的情况下，是在不断更新的而不是固定的： $k=\frac{\log{1-p}}{log(1-w^m)}$ 其中p为置信度，一般取0.995;w为“内点”的比例;m为计算模型所需的最小样本数
代价函数

\sum_{i=0}^n(x_i'-\frac{h_{11}x_i+h_{12}y_i+h_{13}}{h_{31}x_i+h_{32}y_i+h_{33}})^2+(y_i'-\frac{h_{21}x_i+h_{22}y_i+h_{23}}{h_{31}x_i+h_{32}y_i+h_{33}})^2

 /**
     * 函数原型：
     * CV_EXPORTS_W bool solvePnPRansac( InputArray objectPoints, InputArray imagePoints,
                                  InputArray cameraMatrix, InputArray distCoeffs,
                                  OutputArray rvec, OutputArray tvec,
                                  bool useExtrinsicGuess = false, int iterationsCount = 100,
                                  float reprojectionError = 8.0, double confidence = 0.99,
                                  OutputArray inliers = noArray(), int flags = SOLVEPNP_ITERATIVE);
     * 参数：
     * objectPoints，要匹配的3d空间点数组
     * objectPoints，要匹配的2d图像点数组
     * cameraMatrix，相机内参矩阵
     * distCoeffs，相机畸变矩阵
     * rvec，旋转向量输出承接数组
     * tvec，平移向量输出承接数组
     * 后面的参数跟ransac算法有关。倒是都有默认值
     * useExtrinsicGuess，迭代初始值是否定为提供的rvec和tvec值，这里没有提供，所以用false
     * iterationsCount，迭代次数，ransac算法所必须的迭代次数
     * reprojectionError，重投影误差。ransac算法迭代时也必须要规定的误差阀值，来确定是否为内点。
     * confidence，置信度。ransac算法每次用于更新迭代次数的参数。一般固定选为0.995
     * inliers，内点输出承接数组
     * flags, Method for solving a PnP problem。
     */
    cv::solvePnPRansac ( pts3d, pts2d, K, Mat(), rvec, tvec, false, 100, 4.0, 0.99, inliers );