重抽样优化的快速随机抽样一致性算法

作     者：肖春宝 冯大政 冯祥卫 Xiao Chunbao;Feng Dazheng;Feng Xiangwei

作者机构：西安电子科技大学计算机学院西安710071 河南科技大学信息工程学院洛阳471023 西安电子科技大学雷达信号处理国家重点实验室西安710071 

基　　金：国家自然科学基金(61271293) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2016年第28卷第4期

页      码：607-614页

摘      要：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.

主 题 词：参数估计 随机抽样-致性 重抽样优化 模型预检验 损失函数 

学科分类：08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.1003-9775.2016.04.010

馆 藏 号：203130497...