隨機一致性檢測RANSAC

隨機一致性取樣ransac是一種魯棒的模型擬合

演算法，能夠從有外點的資料中擬合準確的模型。

它的原理很樸素就是從樣本資料中找到具有一致性的資料，用這些資料去建立樣本的數學模型。這個一致性怎麼理解？我的理解是：如果按照聚類處理方式，一致性資料就是可以歸為一類的資料，他們最相近。俗話說：物以類聚，人以群分。非我族類，其心必異。

演算法的詳細原理及說明在維基上很詳細，不贅述。維基上給的是乙個直線隨機一致性檢測，而且還提供了matlab演示**，這個**有幾步關鍵的地方，由於是採用matlab矩陣快速操作風格寫的有點晦澀，當時我看這個**後還做了些註解，後來維基採用了我的那部分註解。

維基隨機一致性演算法**：

下面是我根據演算法原理利用matlab進行直線的隨機一致性檢測，為了直觀沒用採用matlab矩陣化的一些操作，速度上肯定是不太快的呀：

%%2016/11/12 by dq 
clc;
clear ;
close all;

%資料的初始化
m=100;
data=zeros(2,m);
data(1,:)=1:m;
data(2,:)=100+20*rand(1,m);
datalen=length(data);
distthresh=4;
inlierratio=0.3;
mininliernum=round(inlierratio*datalen);
bestpointsnum=0;
maxiteration=200;
iter=0;
x=data(1,:);
y=data(2,:);
%原始散點圖
originalscatterplot=plot(x,y,'*');
grid on;
%matlab 函式polyfit 最小二乘法擬合
p=polyfit(x,y,1);
x1=x;
y1=polyval(p,x);
hold on;
polyfitplot=plot(x1,y1,'b');
%ransac 執行過程，不斷迭代
while iterbestpointsnum)&&(inliernum>=mininliernum)
bestpointsset=zeros(2,datalen);
bestpointsnum=inliernum;
bestpointsset(:,inlierindex)=data(:,inlierindex);
enditer=iter+1;
endbestpointsset(:,bestpointsset(1,:)==0)=;
hold on;
ransacscatterplot=plot(bestpointsset(1,:),bestpointsset(2,:),'ro');
bestparameter = polyfit(bestpointsset(1,:),bestpointsset(2,:),1);
xmin=min(data(1,:));
xmax=max(data(1,:));
x=xmin:0.5:xmax;
%最佳直線方程
y=bestparameter(1)*x+bestparameter(2);
%畫出直線方程
hold on;
ransaclineplot=plot(x,y,'r');
title('ransac find best line fit inlier');
legend([originalscatterplot,polyfitplot,ransacscatterplot,ransaclineplot],'originalscatter','polyfit','ransacscatter','ransacline');

隨機一致性檢測RANSAC

RANSAC 隨機取樣一致性演算法

隨機取樣一致性演算法RANSAC

隨機抽樣一致性演算法（RANSAC）

隨機一致性檢測RANSAC

RANSAC 隨機取樣一致性演算法

隨機取樣一致性演算法RANSAC

隨機抽樣一致性演算法（RANSAC）

相關推薦