随机采样一致性算法-------PCL

原创

已于 2024-04-21 11:06:20 修改 · 502 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #pcl #随机采样一致性

于 2024-04-21 10:50:35 首次发布

文章目录

随机采样一致性算法

随机采样一致性算法

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），或称内部点、局内点或内点，否则为模型外样本点（outliers），或称外部点、局外点或外点，记录下当前的 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，所谓最佳即是inliers的个数最多，此时对应的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，据此决定是否迭代结束。迭代结束后，最佳模型参数就是最终的模型参数估计值。

std::vector<int> PclTool::randomSampleConsensusALG(const pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, const double threshold, const unsigned int type)
{
   
   
    std::vector