算法 | RASAC 入门
=================================================
博主github：https://github.com/MichaelBeechan
博主CSDN：https://blog.csdn.net/u011344545
=================================================
?
塵世冰封的專欄_MJ卡爾曼的魚_CSDN博客-衛星導航,程序語言設計（C語言、C++、Matlab等）,MATLAB之計算機視覺與深度學習領域博主
RASAC——Wikipedia （Random sampleconsensus）
RASAC算法是一種學習技術，通過隨機觀察樣本數據估計模型參數。給定一個數據集包含內點和外點，RASAC使用投票方案找到優化的擬合結果。數據集中的數據元素被用來投票給一個或多個模型。這個投票方案的實施基于兩個假設：噪聲特征不會對任何單一模型(少數異常值)進行一致性投票；有足夠的特征得到好的模型(丟失數據少)。
RASAC算法主要由兩個步驟組成：
?????? 1.從輸入數據集中隨機抽取包含最小數據項的樣本子集。一個擬合模型和相應的模型參數僅使用該樣本子集的元素來計算。樣本子集的基數足夠確定模型參數的最小值。
?????? 2.算法檢查整個數據集的那些元素和第一步獲得的模型參數所實例化的模型相一致。如果一個數據元素不符合由估計模型參數集合所實例化的擬合模型，那么它將被認為是一個異常值，該模型參數在一個誤差閾值內，定義了由噪聲影響引起的最大偏差。
?????? 擬合模型獲得的內點集稱為一致集。RASAC反復迭代上述兩步，直到某些迭代中獲得足夠的內點(一致集)。RASAC算法的輸入是一組觀測數據值。一種將某種模型擬合到觀測值的方法，以及一些置信參數。其通過重復以下步驟達到目標：
?????? 1.隨機選擇原始數據的一個子集，這個子集稱為假設內點；
?????? 2.用一個模型擬合這個子集；
?????? 3.然后用這個模型測試所有的其他數據，根據一些特定模型的損失函數，這些點擬合了一個非常好的估計模型，而這些點被認為是一致集的一部分。
?????? 4.如果有足夠多的點被歸類為一致集的一部分，那么這個估計模型就相當不錯。
?????? 5.然后，使用一致集的所有元素重新估計，來改進模型。
這個過程重復固定的次數，每次都產生一個被拒絕的模型，因為太少的點是一致集的一部分，或者是一個改進的模型和其相應的一致集的大小的原因。在后一種情況下，如果它的一致集比先前保存的模型大，我們就保留了這個改進的模型。
MATLAB實現過程
function [bestParameter1,bestParameter2]= ransac_demo(data,num,iter,threshDist,inlierRatio)
?% data: a 2xn dataset with #n data points
?% num: the minimum number of points. Forline fitting problem, num=2
?% iter: the number of iterations
?% threshDist: the threshold of thedistances between points and the fitting line
?% inlierRatio: the threshold of the numberof inliers
?%% Plot the data points
?figure;plot(data(1,:),data(2,:),'o');hold on;
?number = size(data,2); % Total number ofpoints
?bestInNum = 0; % Best fitting line withlargest number of inliers
?bestParameter1=0;bestParameter2=0; %parameters for best fitting line
?for i=1:iter
?%% Randomly select 2 points
???? idx = randperm(number,num); sample = data(:,idx);??
?%% Compute the distances between all pointswith the fitting line
???? kLine = sample(:,2)-sample(:,1);% twopoints relative distance
???? kLineNorm = kLine/norm(kLine);
???? normVector = [-kLineNorm(2),kLineNorm(1)];%Ax+By+C=0A=-kLineNorm(2),B=kLineNorm(1)
???? distance = normVector*(data - repmat(sample(:,1),1,number));
?%% Compute the inliers with distancessmaller than the threshold
???? inlierIdx = find(abs(distance)<=threshDist);
???? inlierNum = length(inlierIdx);
?%% Update the number of inliers and fittingmodel if better model is found????
???? if inlierNum>=round(inlierRatio*number)&& inlierNum>bestInNum
???????? bestInNum = inlierNum;
???????? parameter1 = (sample(2,2)-sample(2,1))/(sample(1,2)-sample(1,1));
???????? parameter2 = sample(2,1)-parameter1*sample(1,1);
???????? bestParameter1=parameter1; bestParameter2=parameter2;
???? end
?end
?%% Plot the best fitting line
?xAxis = -number/2:number/2;
?yAxis = bestParameter1*xAxis + bestParameter2;
?plot(xAxis,yAxis,'r-','LineWidth',2);
RASAC的缺點是：
?????? 1.時間沒有上限
?????? 2.閾值設置問題(要求設置特定的閾值)
總結
以上是生活随笔為你收集整理的算法 | RASAC 入门的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Python练习 | 初识Python、
- 下一篇： OpenCV | 双目相机标定之Open