改进RANSAC算法在直线拟合中的应用.pdfVIP

· l24 · 组合机床与 自动化加工技术 第1期 1．1 RANSAC算法的基本思想 抽样 ； (2)当通过样本子集 s估计 出总体模型 后，可 利用迭代的方法不断从模型中随机抽取样本集， 以只利用剩余点巾的一部分而不是全部点来检验模型 寻求包含更多支持内点、更优的模型参数，再用模型的 余集来检验抽取出的样本，通过一定次数的迭代，最后 的正确性 ，可设定一个阈值 D，若通过剩余点检验 得到的模型 正确的点数小于 D，则直接舍弃此模 当选取出的样本集接近合理解的概率为最大时，即将 型，反之则对所有的剩余点进行检验。 其当做最接近合理解的样本集 ，最后用样本余集来支 撑得到的参数解的正确性 ]。 2．3 改进的RANSAC算法步骤 1．2 RANSAC算法的参数确定 针对样本抽取的方法，可用如下方式进行 ：对于含 有 n个元素的点组，从中随机抽取一个点，与点组最后 根据 RANSAC算法的基本思想可设总体模型为 ， 最小抽样集 P的样本数为 n，预先设定容忍阈值 一 个点调换位置，再从前n一1个点中随机抽取一个点 与倒数第二个点调换位置 ，以此类推打乱点组，再进行 t，当余集中的元素在容忍阈值范围内，则将其算作一 随机抽样。 致集 Js 内的元素，通过一定次数的迭代 ，最后计算一 在样本抽取方法的基础上 ，改进 RANSAC算法 的 致集内的元素个数 (即一致集大小)来判断抽样集 JP 步骤为： 是否为模型 的最合理解。 (1)利用式 (1)确定置信概率 P和预估数据错误 通过上述分析可见 ，抽样过程 中所需确定的参数 率s，计算抽样的数量M ； 有 ： (2)考虑每次随机抽取点的个数增加一到两个 ， (1)误差容忍阈值 t，用来判断样本是否为满足模 利用抽取得到点中的两个来拟合 一条直线 ； 型的正确解 ； (3)再计算另外两个点到这条直线 的距离，如果 (2)迭代次数，即随机抽取样本集的次数； 距离在误差容忍阈值 D范同内，则令这条直线为候选 (3)表征正确模型的一致集的大小 Ⅳ_4。 直线 ；如果不在范围内，则直接放弃这条直线重复第 2 基于预检验的RANSAC改进算法 (2)步。 (4)计算该样本对应的直线模型参数； 2．1 RANSAC算法的效率分析 (5)用全体点检验计算 出来的直线参数，获取 内 在RANSAC算法计算过程中，需要选取足够多的抽