- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
TL;DR:是否有 RANSAC 或其他可自由用于任意二维点集的稳健对应算法的 C++ 实现?
我知道存在许多包含或使用对应算法(例如 RANSAC(随机抽样共识))的实现。它们通常用于计算机视觉应用程序,并可在 OpenCV 等库中找到。 , PCL等。通用算法是众所周知的,各种网站lists不同的步骤。
现在,我发现的所有“高级”实现(为 OpenCV、PCL 等完成)都是针对具有一组基本假设的特定类型的问题。在 OpenCV 中,您想要找到第一张图像和第二张图像的一部分之间的单应矩阵 (this example)。在 PCL 中,您处于 3D 点云领域,并且(据我所知)您只能匹配特定的、已定义的形状 (a line, a sphere, etc.)。
我“简单地”想做的是获取一组任意的二维点(可能包含一些噪声)并在更大的一组二维点(其中也包含一些噪声和其他点)中找到对应关系。除了输入两组点之外,它不需要任何特定的模型训练。我正在用 C++ 自己实现它,但是:
我绝不是一个经验丰富的程序员,我需要整个过程执行得相当快;之前由我自己完成的众所周知的算法(边缘检测、高斯模糊等)的实现已被证明比已验证的实现慢得多(>10 倍)。
事实证明,简单地窃取一个已经存在的开源实现(例如 OpenCV 的)超出了我目前的能力范围(太多的依赖和虚拟实现模板等等......)
因此,如果有人知道我错过的可免费使用(类似 BSD)且经过验证的 C++ 实现...
最佳答案
很难找到流行的、轻量级的、通用的 RANSAC C++ 实现。我刚刚在 MIT 许可下发布了我的通用 RANSAC 实现。
https://github.com/drsrinathsridhar/GRANSAC
GRANSAC 是通用的、模板化的、仅 header 的和多线程的。用户必须实现一个继承 AbstractModel 的类。然后可以对任何类型的模型(例如:2D 线、3D 平面)进行 RANSAC 估计。
我只针对 2D 线拟合测试了它,但也应该适用于其他问题。很乐意添加更多功能(例如自动选择迭代次数等)
关于c++ - 任意二维集的类 RANSAC 实现,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29777238/
我想知道是否有任何方法可以创建一个可用于 RANSAC 方案的模型,其中可以从嘈杂的 3D 点云确定样条线或多段线。 我拥有的是一个在每个 XY 平面上包含一组点的体积,例如在 Z 方向上有 400
我对如何使用 OpenCV findHomography 方法计算最佳变换感到困惑。 我的使用方式如下: cv::Mat h = cv::findHomography(src, dst, CV_RAN
我正在使用 RANSAC 作为我的稳健回归方法。我找到了一个整洁的工具箱 here它执行 Marco Zuliani 的 RANSAC。我看到有直线和平面的例子,但是如果像多元回归那样有很多自变量怎么
paper Fischler 和 Bolles 为 RANSAC 定义了 3 个未指定的参数。其中之一是 the threshold t, which is the number of compati
我已经能够在 3D 点云上为常用模型(即球体、线、平面)成功实现 RANSAC。然而,我很难思考如何为一个长方体做这件事,特别是一个 3d 盒子。我不确定如何使用点来参数化框。 理想情况下,我希望获得
我正在尝试使用 sklearn 的 RANSAC: RANdom SAmple Consensus 来拟合没有截距的线性模型(强制截距为 0)算法。在 LinearRegression可以很容易地设置
我正在使用 2D 激光雷达,并以相对于激光雷达位置的角度和距离的形式获取数据。我必须使用激光雷达创建平面图,下面给出的数据代表一个房间。我想使用 RANSAC 算法来查找房间的墙壁。如果我能装上 RA
我研究了如何使用 rand()%n(其中 n 是样本总数)生成两个随机整数,但它们似乎通常有偏差。 有没有更好(最好是更简单)的方法来生成 0 到 n(样本数)之间的随机数? n 是从包含数据点列表的
RANSAC 用于查找与两个图像相关的单应性矩阵。为了计算矩阵,我们需要至少 4 个对应关系。同形矩阵是描述任何透视变换的通用 3*3 矩阵。如果我们只给出3个对应关系,那么如何计算同源矩阵?由于两幅
我一直认为机器学习结果有所不同,因为数据每次都会预先随机洗牌,从而导致不同的训练集。因此,当没有随机播放时,每次的结果应该是相同的。与 sklearn.linear_model.LinearRegre
我有一个矩阵( vector 的 vector ),其中有几个点(来自传感器的测量值)应该代表墙壁。所有的墙都是平行/垂直的。 我想将这些点安装到各自的墙上。我想过使用 ransac,但我找不到一种简
我正在使用 SIFT 特征检测器和描述符。我正在匹配两个图像之间的点。我正在使用 OpenCV 的 findHomography() 函数和 RANSAC 方法。 当我读到 RANSAC 算法时,据说
matches = sorted(matches, key = lambda x: x.distance) src_pts = np.float32([ kp1[m.queryIdx].pt for
我有一组点,需要使用它们与相应正弦线的邻近度进行分组。我尝试使用标准霍夫变换来确定线条,但这并没有解决问题(只检测到几条线条)。 我想测试 RANSAC 是否能更好地检测各种 sin 曲线。你有类似算
我已经阅读了维基百科的文章并观看了一些关于 RANSAC 的视频。 如果我没理解错的话,优化RANSAC的方法之一如下: 根据 wikipedia ,它的最大迭代次数: 根据这个website ,在查
我正在使用 features2d(ORB、SIFT 等)进行一些对象检测 我正在使用 RANSAC 进一步研究单应性。我发现很多好的点被错误地标记为异常值。 对象(书)内部有很多不应该是异常值的异常值
TL;DR:是否有 RANSAC 或其他可自由用于任意二维点集的稳健对应算法的 C++ 实现? 我知道存在许多包含或使用对应算法(例如 RANSAC(随机抽样共识))的实现。它们通常用于计算机视觉应用
据我所知,OpenCV 使用 RANSAC 来解决 findHomography 的问题,它返回一些有用的参数,例如 homograph_mask。 但是,如果我只想估计 2D 变换,这意味着仿射矩阵
当使用 findHomography 时使用 OpenCV Features2D + Homography Documentation ,它调用 CV_RANSAC 作为它的第三个参数: Mat H
我有一组 3D 点。 Points_[x,y,z]% n*3 where n is number of points 我想安装一个平面(它是地板)并检查平面的高度。我认为这是二维问题。 z=bo+b1
我是一名优秀的程序员,十分优秀!