方法簡介

??漸進一致采樣法1?(PROSAC) 是對經典的 RANSAC2?中采樣的一種優化。相比經典的 RANSAC 方法均勻地從整個集合中采樣，PROSAC 方法是從不斷增大的最佳對應點集合中進行采樣的。所以這種方法可以節省計算量，提高運行速度。

論文：https://core.ac.uk/reader/47168860

詳細內容

1. 引入

??假設：?具有更高相似性的數據點更可能是類內點（根據相似性進行排序的半隨機采樣不會比完全隨機采樣的效果更差）

1.1. 標記說明

2. 算法

??由于 PROSAC 不是從所有數據點中進行隨機采樣，而是需要先對數據點進行排序，然后在評價函數值最高的數據點子集中進行隨機采樣，這個子集被稱為假設生成集，并且這個假設生成集的元素數量是不斷增大的。那么現在就會面臨兩個問題：

1. 假設生成集的大小如何確定？
2. 采樣過程的停止策略是什么？

?

代碼參考：

https://mp.csdn.net/console/editor/html/108661657

總結

以上是生活随笔為你收集整理的【匹配算法】渐进一致采样 PROSAC(PROgressive SAmple Consensus)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。