RANSAC

Verwendung von RANSAC zur Schätzung von geometrischen Transformationen beim maschinellen Sehen

Der RANSAC-Algorithmus (Random Sample Consensus) ist ein Iterationsverfahren zur Schätzung eines mathematischen Modells aus einem Datensatz, der Ausreißer enthält. Der RANSAC-Algorithmus funktioniert, indem er die Ausreißer in einem Datensatz findet und das gesuchte Modell mithilfe von Daten schätzt, die keine Ausreißer enthalten.

RANSAC wird mit den folgenden Schritten erreicht

  1. Zufällige Auswahl einer Teilmenge aus dem Datensatz
  2. Anpassung eines Modells auf die ausgewählte Teilmenge
  3. Bestimmung der Anzahl von Ausreißern
  4. Wiederholung der Schritte 1–3 für eine festgelegte Anzahl von Iterationen

Beispielsweise kann die Gleichung einer Geraden, die am besten zu einem Punktesatz passt, mithilfe von RANSAC geschätzt werden.

Datenpunkte sind blau dargestellt, die mit RANSAC geschätzte Gerade der Form y = mx+c ist rot dargestellt

Beim maschinellen Sehen wird RANSAC als stabiler Ansatz zum Schätzen der Fundamentalmatrix beim Stereosehen, zur Suche nach Gemeinsamkeiten zwischen zwei Punktesätzen zur merkmalbasierten Objekterkennung und zur Registrierung von aufeinanderfolgenden Videobildern für die Videostabilisierung verwendet.

Zusammengefügte Videobilder zur Erstellung eines Videomosaiks RANSAC wird verwendet, um die geometrische Transformation zwischen Videobildern zu schätzen (Einzelheiten siehe Beispiel).

Stereoberichtigung mit Merkmalpunktabgleichung RANSAC wird verwendet, um die Fundamentalmatrix zu schätzen ( siehe MATLAB-Code und Erklärung im Beispiel.

Einzelheiten finden Sie unter Computer Vision System Toolbox, die zusammen mit MATLAB und Simulink verwendet wird.

Siehe auch: Computer Vision System Toolbox, Detailextraktion, Stereosehen, Objekterkennung, Objektverfolgung, Bilderkennung, Objekterkennung, Videos zu RANSAC