RANSAC（随机抽样一致性）算法是一种用于从包含噪声和异常值的数据中估计数学模型的鲁棒方法。该算法通过反复随机选择数据子集来寻找最合适的模型，如在2D/3D直线、平面拟合等问题中。本文介绍了RANSAC的原理、C++实现示例、优缺点及在计算机视觉领域的应用。
本文翻译自维基百科，英文原文地址是：http://en.wikipedia.org/wiki/ransac，如果您英语不错，建议您直接查看原文。
RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——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。该算法最早由Fischler和Bolles于1981年提出。
RANSAC的基本假设是：
（1）数据由“局内点”组成，例如：数据的分布可以用一些模型参数来解释；
RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——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。该算法最早由Fischler和Bolles于1981年提出。
RANSAC的基本假设是：
（1）数据由“局内点”组成，例如：数据的分布可以用一些模型参数来解释；
订阅专栏 解锁全文
扫一扫
1943
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
