10.3969/j.issn.1003-9775.2016.04.010
重抽样优化的快速随机抽样一致性算法
为了快速、准确地对含有高比例外点的数据进行模型参数估计,提出一种重抽样优化的快速RANSAC算法。首先在模型检验之前增设预检验,并采用一种基于样条曲线的损失函数来评价模型的质量;然后通过反复重抽样和模型检验来优化内点集;再依据双阈值对内点集进行渐近提纯;最后利用最优内点集来计算模型的参数。特征匹配和基础矩阵估计的实验结果表明,该算法具有较高的精度和效率;当外点比例高于50%时,运行速度比传统算法提高大于2个数量级。
参数估计、随机抽样一致性、重抽样优化、模型预检验、损失函数
28
TP391.41(计算技术、计算机技术)
国家自然科学基金61271293
2016-05-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
606-613