10.19557/j.cnki.1001-9944.2023.09.018
基于IRANSAC-IRLS直线拟合算法及应用
针对工业视觉检测中直线边缘存在沾连、毛刺等噪声,导致拟合效率不高、精度较差的问题,提出一种基于梯度方向改进的随机采样一致性(improved random sample consensus,IRANSAC)的迭代加权最小二乘(iterative reweighted least-squares,IRLS)直线拟合算法,即IRANSAC-IRLS算法.首先,利用直线上边缘点的梯度方向相近,将梯度方向引入边缘点RANSAC拟合,来降低错误的随机抽取的次数;然后,对IRANSAC提取出来的局内点进行迭代加权最小二乘拟合,求得最终的直线参数.在噪声点比例为20%、40%、60%、80%的条件下,将IRANSAC-IRLS与基于随机采样一致性算法的最小二乘(RANSAC-LS)拟合算法的仿真实验结果进行对比,IRANS AC-IRLS比RANSAC-LS的拟合效率分别提高16.3%、41.9%、47.5%、53.2%,拟合精度分别提升14.3%、16.7%、44.0%、69.0%.
直线拟合、梯度方向、随机采样一致性、迭代加权最小二乘法
38
TP391(计算技术、计算机技术)
国家自然科学基金;湖南省教育厅重点资助项目
2023-09-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
87-91