ransac

1熱度

1回答

我有2個圖像，我正在使用SIFT來查找匹配的功能。我選擇最佳匹配閾值。做完這些之後，我試圖使用RANSAC來有效地確定兩張圖片之間的仿射變換矩陣。從我的過程（並在互聯網上十億幻燈片）的理解：選3個隨機對應（計算仿射變換需要分）。估算A. 計數正常值。對N項試驗進行此項操作，並選擇產生最小內角的A。我如何具體計算內點數？不幸的是，所有的例子都集中在迴歸方面（例如找到2個點並通過它們擬

0熱度

1回答

爲什麼RANSAC不能用於我的代碼？

我想找到2張圖片之間的基本矩陣，然後使用RANSAC對它們進行轉換。我先用SIFT檢測關鍵點，然後應用RANSAC： img1 = cv2.imread("im0.png", 0) # queryImage img2 = cv2.imread("im1.png", 0) # trainImage # Initiate SIFT detector sift = sift = cv2.

1熱度

1回答

輸入點雲無數據

我應用了RANSAC併成功地從場景中分割出了需要的部分。問題是，當很長一段時間，所需的部分不存在在投影異常之後崩潰的相機的前面。我怎麼可能以最好的方式處理這個異常，因爲即使在它一直在尋找它的場景中找不到該對象？ [pcl::SampleConsensusModel::getSamples] Can not select 0 unique points out of 0! [pcl::Rand

0熱度

2回答

圖像處理：識別圖像中相同對象的多個實例

我正在研究一個項目，我必須識別雜貨殼中的對象。你可以看到下面的示例圖像：我需要找到產品存在的圖像內容。結果圖像的例子如下所示： OpenCV的工具，如SURF，SIFT，ORB僅檢測一個圖像中出現的對象。你能建議一些論文或工具來解決這個問題嗎？

0熱度

1回答

SACSegmentation Linux和Windows不同結果

給定相同的輸入和相同的代碼，在PC上使用SACSegmentation在Windows上找到與Linux相比較的不同平面模型。舉一個例子，Linux上的識別平面的滾動角度爲〜7度，其中Windows平面爲〜0度。連續的Windows結果與連續的Linux結果相同。這可能與GCC和Visual Studio使用不同大小的類型相關嗎？或Windows使用更好的default_random_engine

2熱度

1回答

用於3D數據中機器人定位的地平面檢測和刪除

我正在使用SACSegmentation from PCL segmentation module來濾除地平面。該方法適合3D物體的正面，而不是像下面的第二個pcd文件中所示的那樣安裝接地面。任何建議我應該怎麼做，以適應和過濾地平面點。在此先感謝。 pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);

0熱度

1回答

SACSegmentation檢測奇數平面模型

我試圖將平面模型擬合到點雲（具有類似平面的結構）。我遇到的問題是，擬合平面只是雲的一小部分，即使距離閾值設置爲相對較大的值。這裏有結果的一些圖片：（白點是模型正常值）你可以看到雲在這裏有多薄：我調整了SACSegmentation對象的各種參數a甚至嘗試了PCL沒有運氣的多種RANSAC方法。這是顯示的點雲： https://drive.google.com/file/d/0B0PUIS

1熱度

1回答

使用RANSAC進行線條擬合

我正在做一個圖像處理項目，基本上是使用圖像處理技術的Vectorise手繪圖像。我在我的項目中使用RANSAC。我面臨的挑戰是算法不能按需要執行最佳擬合，但它使用任意兩個隨機點並繪製一條連線，如下圖所示。 RANSAC結果在我的算法Vectorise手繪的圖像，我還做了灰度化，圖像閾值（圖像二值化），並使用形態學算子在骨骼化。我正在爲我的項目使用MATLAB。以下是迄今爲止我做過 % L

1熱度

1回答

帶RANSACRegressor多項式限制允許值

我有以下白色像素作爲輸入數據，並使用sklearn.linear_model.RANSACRegressor來擬合2次（二次）的多項式以避免異常值。在這種情況下，結果顯示爲紅色，是完全正確的：但是，我知道在我的應用程序，二次曲線總會有這個圖片的右側最小值/最大值（但我不知道在哪個高度），並且曲率不能那麼強。換句話說：我已經知道我最適合應該像藍線，其他點是腐敗的異常值。有沒有辦法通過（例如）提供

2熱度

1回答

計算三維數據中機器人定位的角點

分割出使用pcl::SACMODEL_LINE RANSAC行分割模塊擬合的點雲子集。在提取的點雲的下一步驟中心點計算使用 pcl::compute3DCentroid(point_cloud, centroid); 其中給出準確中心點直到相機和所提取的線模型對象是相互平行的。在最後一步中，提取的點雲的角點（即擬合線）通過在中心點上添加已知距離來計算角點。一旦相機與角度相關，角點計算技術