基于预检验的快速随机抽样一致性算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Fast RANSAC with Preview Model Parameters Evaluation
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    随机抽样一致性算法MNSAC(random sample consensus)是在计算机视觉领域内应用最广泛的Robust 估计算法之一,但是MNSAC算法计算效率较低.提出一种基于模型参数预检验的快速MNSAC算法(preview model parameters evaluation MNSAC,简称PEMNSAC).算法在RANSAC算法模型参数检验前,加入预检验过程,在保证计算结果置信概率不变的前提下,过滤掉大量偏差较大的模型参数,提高了MNSAC算法的整体效率.模拟数据和真实图像数据实验结果表明,此算法和MNSAC算法计算精度保持一致,计算速度高于MNSAC算法.

    Abstract:

    RANSAC algorithm is one of the most widely used robust estimator in the field of computer vision, but, it’s efficiency is low. The paper gives a preview model parameters evaluation RANSAC algorithm (PERANSAC): a preview model parameters evaluation selection is added to the RANSAC algorithm. With guaranteeing the same confidence of the solution as RANSAC, a very large number of erroneous model parameters obtained from the contaminated samples are discarded in the preview evaluation selection. PERANSAC algorithm is evaluated on both synthetic data and real-world images, a significant increase in speed is shown, and the solutions are the same as RANSAC’s.

    参考文献
    相似文献
    引证文献
引用本文

陈付幸,王润生.基于预检验的快速随机抽样一致性算法.软件学报,2005,16(8):1431-1437

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2004-01-09
  • 最后修改日期:2005-02-04
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号