1、图像对齐的步骤
已知图像A和B，图像对齐的步骤：
- 提取图像A和B的特征
- 匹配图像A和B中的特征
- 求解图像A和B的对齐矩阵
2 使用最小二乘求解对齐矩阵的问题
使用最小二乘求解对齐矩阵容易受到outliers的影响, 误差会很大。
3 RANSAC（random sample consensus）算法
3.1 思想
假设一条线，计算非常接近这条线的局内点（inliers）的个数，在所有可能的假设线中，选择inliers最多的那条线。
3.2 RANSAC（random sample consensus）算法步骤
- 随机选取 s 个样本点
- 根据这些样本点训练出一个模型
- 对这个模型的 局内点计数
- 以上步骤重复 N 次
- 选择局内点最多的那个模型
3.3 一些问题
- 如何选择样本点的个数？
——训练样本所需的最小样本数
- 假设局内点的概率为w(未知)，模型选择s个点，运行N次，算法产生有用结果的概率为p, 求w
——选择 s 个点，均为局内点的概率：
——至少有一个点为局外点的概率：，即产生了一个不好的模型
——重复运行 N 次，都为不好的模型的概率：，即没有产生有用结果的概率
——建立等式：, 可以求解w。
3.4 RANSAC 算法的优缺点
3.4.1 优点
- 简单
- 应用范围广
- 实用
3.4.2 缺点
- 参数需要微调
- 需要很多次的迭代
- 如果局内点的比例太低，会运行失败
