=================================================
博主github：https://github.com/MichaelBeechan
博主CSDN：https://blog.csdn.net/u011344545

=================================================
?

塵世冰封的專欄_MJ卡爾曼的魚_CSDN博客-衛(wèi)星導航,程序語言設(shè)計（C語言、C++、Matlab等）,MATLAB之計算機視覺與深度學習領(lǐng)域博主

RASAC——Wikipedia （Random sampleconsensus）

RASAC算法是一種學習技術(shù)，通過隨機觀察樣本數(shù)據(jù)估計模型參數(shù)。給定一個數(shù)據(jù)集包含內(nèi)點和外點，RASAC使用投票方案找到優(yōu)化的擬合結(jié)果。數(shù)據(jù)集中的數(shù)據(jù)元素被用來投票給一個或多個模型。這個投票方案的實施基于兩個假設(shè)：噪聲特征不會對任何單一模型(少數(shù)異常值)進行一致性投票；有足夠的特征得到好的模型(丟失數(shù)據(jù)少)。

RASAC算法主要由兩個步驟組成：

?????? 1.從輸入數(shù)據(jù)集中隨機抽取包含最小數(shù)據(jù)項的樣本子集。一個擬合模型和相應(yīng)的模型參數(shù)僅使用該樣本子集的元素來計算。樣本子集的基數(shù)足夠確定模型參數(shù)的最小值。

?????? 2.算法檢查整個數(shù)據(jù)集的那些元素和第一步獲得的模型參數(shù)所實例化的模型相一致。如果一個數(shù)據(jù)元素不符合由估計模型參數(shù)集合所實例化的擬合模型，那么它將被認為是一個異常值，該模型參數(shù)在一個誤差閾值內(nèi)，定義了由噪聲影響引起的最大偏差。

?????? 擬合模型獲得的內(nèi)點集稱為一致集。RASAC反復迭代上述兩步，直到某些迭代中獲得足夠的內(nèi)點(一致集)。RASAC算法的輸入是一組觀測數(shù)據(jù)值。一種將某種模型擬合到觀測值的方法，以及一些置信參數(shù)。其通過重復以下步驟達到目標：

?????? 1.隨機選擇原始數(shù)據(jù)的一個子集，這個子集稱為假設(shè)內(nèi)點；

?????? 2.用一個模型擬合這個子集；

?????? 3.然后用這個模型測試所有的其他數(shù)據(jù)，根據(jù)一些特定模型的損失函數(shù)，這些點擬合了一個非常好的估計模型，而這些點被認為是一致集的一部分。

?????? 4.如果有足夠多的點被歸類為一致集的一部分，那么這個估計模型就相當不錯。

?????? 5.然后，使用一致集的所有元素重新估計，來改進模型。

這個過程重復固定的次數(shù)，每次都產(chǎn)生一個被拒絕的模型，因為太少的點是一致集的一部分，或者是一個改進的模型和其相應(yīng)的一致集的大小的原因。在后一種情況下，如果它的一致集比先前保存的模型大，我們就保留了這個改進的模型。

MATLAB實現(xiàn)過程

function [bestParameter1,bestParameter2]= ransac_demo(data,num,iter,threshDist,inlierRatio)

?% data: a 2xn dataset with #n data points

?% num: the minimum number of points. Forline fitting problem, num=2

?% iter: the number of iterations

?% threshDist: the threshold of thedistances between points and the fitting line

?% inlierRatio: the threshold of the numberof inliers

?%% Plot the data points

?figure;plot(data(1,:),data(2,:),'o');hold on;

?number = size(data,2); % Total number ofpoints

?bestInNum = 0; % Best fitting line withlargest number of inliers

?bestParameter1=0;bestParameter2=0; %parameters for best fitting line

?for i=1:iter

?%% Randomly select 2 points

???? idx = randperm(number,num); sample = data(:,idx);??

?%% Compute the distances between all pointswith the fitting line

???? kLine = sample(:,2)-sample(:,1);% twopoints relative distance

???? kLineNorm = kLine/norm(kLine);

???? normVector = [-kLineNorm(2),kLineNorm(1)];%Ax+By+C=0A=-kLineNorm(2),B=kLineNorm(1)

???? distance = normVector*(data - repmat(sample(:,1),1,number));

?%% Compute the inliers with distancessmaller than the threshold

???? inlierIdx = find(abs(distance)<=threshDist);

???? inlierNum = length(inlierIdx);

?%% Update the number of inliers and fittingmodel if better model is found????

???? if inlierNum>=round(inlierRatio*number)&& inlierNum>bestInNum

???????? bestInNum = inlierNum;

???????? parameter1 = (sample(2,2)-sample(2,1))/(sample(1,2)-sample(1,1));

???????? parameter2 = sample(2,1)-parameter1*sample(1,1);

???????? bestParameter1=parameter1; bestParameter2=parameter2;

???? end

?end

?%% Plot the best fitting line

?xAxis = -number/2:number/2;

?yAxis = bestParameter1*xAxis + bestParameter2;

?plot(xAxis,yAxis,'r-','LineWidth',2);

RASAC的缺點是：

?????? 1.時間沒有上限

?????? 2.閾值設(shè)置問題(要求設(shè)置特定的閾值)

總結(jié)

以上是生活随笔為你收集整理的算法 | RASAC 入门的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。