ransac演算法檢視multiple view geometry in computer vision 4.7robust estimation
之前對ransac的理解是概率統計上的，一直想辦法把幾個噪點除去。跟老闆討論之後，才發現原來ransac真他媽博大精深。
廣義上，ransac是先取幾個資料點，選擇一種模型，用這幾個點求出模型，再用模型去驗證剩下的點。不停地更換選擇的資料點，直至選出一種模型使得容忍域裡面的資料最多。則區域裡的點就是置信點。
在這裡，可以用fundamental矩陣作模型，每次選擇八個點，直至選出容忍資料最多的f矩陣，這樣，就可以直接得到f矩陣。我本來就是為了得到f矩陣，所以就可以不用考慮哪些點是雜訊點了，因為我已經得到最好的f矩陣。
閱讀opencv 2 computer vision ap cookbook第九章 之後發現opencv 自帶的函式cv::findfundamentalmat()可以自動進行ransac降噪。
書中給出了去除surf噪點的幾個步驟：
步驟1：（1）找到每個特徵點distance最小的兩個匹配點（另一幅影象中）
（2）求兩個distance的比值（比值越**明越匹配）
（3）若比值小於給定閾值，則認為匹配
步驟2：對稱匹配
若兩幅的對應同一實體點的特徵點互相匹配，則認為匹配，否則剔除。
步驟3：ransac
Perl獲取匹配行之後的後幾行
usr bin perl open f,d excel while lines next if line control 0 next後面的不執行，直接跳到迴圈開始的地方，相當於python中contiue print lines if grep line number.line number 10...
字串匹配之後綴樹
試想有這樣乙個問題，有乙個長度為n的字串a n值很大 還有乙個模式串b，b的長度為m n m很大，說明b只是乙個小片段 此時需要判斷b是否是a的字串。如果我們使用kmp演算法的話，那麼複雜度為o n 對a串進行k次模式匹配的話就是ko n 此時為了降低複雜度，我們可以考慮預處理長字串a，是的，如果我...
背叛之後的心碎
年少的時候，我總以為只要自己肯奮鬥肯努力，就會有出頭的一天。我以為憑藉自己的力量就可以改變生存環境，就可以改變整個世界。如果在nba裡評選乙個出生最苦的球員，那麼本 華萊士即使不是家庭最差的乙個，也是最差的其中之一。作為家中11個孩子 8個兄弟，3個姐妹 裡最小的乙個，華萊士全家人僅僅住在三間小屋裡...