ransac

1热度

1回答

我有2个图像，我正在使用SIFT来查找匹配的功能。我选择最佳匹配阈值。做完这些之后，我试图使用RANSAC来有效地确定两张图片之间的仿射变换矩阵。从我的过程（并在互联网上十亿幻灯片）的理解：选3个随机对应（计算仿射变换需要分）。估算A. 计数正常值。对N项试验进行此项操作，并选择产生最小内角的A。我如何具体计算内点数？不幸的是，所有的例子都集中在回归方面（例如找到2个点并通过它们拟

0热度

1回答

为什么RANSAC不能用于我的代码？

我想找到2张图片之间的基本矩阵，然后使用RANSAC对它们进行转换。我先用SIFT检测关键点，然后应用RANSAC： img1 = cv2.imread("im0.png", 0) # queryImage img2 = cv2.imread("im1.png", 0) # trainImage # Initiate SIFT detector sift = sift = cv2.

1热度

1回答

输入点云无数据

我应用了RANSAC并成功地从场景中分割出了需要的部分。问题是，当很长一段时间，所需的部分不存在在投影异常之后崩溃的相机的前面。我怎么可能以最好的方式处理这个异常，因为即使在它一直在寻找它的场景中找不到该对象？ [pcl::SampleConsensusModel::getSamples] Can not select 0 unique points out of 0! [pcl::Rand

0热度

2回答

图像处理：识别图像中相同对象的多个实例

我正在研究一个项目，我必须识别杂货壳中的对象。你可以看到下面的示例图像：我需要找到产品存在的图像内容。结果图像的例子如下所示： OpenCV的工具，如SURF，SIFT，ORB仅检测一个图像中出现的对象。你能建议一些论文或工具来解决这个问题吗？

0热度

1回答

SACSegmentation Linux和Windows不同结果

给定相同的输入和相同的代码，在PC上使用SACSegmentation在Windows上找到与Linux相比较的不同平面模型。举一个例子，Linux上的识别平面的滚动角度为〜7度，其中Windows平面为〜0度。连续的Windows结果与连续的Linux结果相同。这可能与GCC和Visual Studio使用不同大小的类型相关吗？或Windows使用更好的default_random_engine

2热度

1回答

用于3D数据中机器人定位的地平面检测和删除

我正在使用SACSegmentation from PCL segmentation module来滤除地平面。该方法适合3D物体的正面，而不是像下面的第二个pcd文件中所示的那样安装接地面。任何建议我应该怎么做，以适应和过滤地平面点。在此先感谢。 pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);

0热度

1回答

SACSegmentation检测奇数平面模型

我试图将平面模型拟合到点云（具有类似平面的结构）。我遇到的问题是，拟合平面只是云的一小部分，即使距离阈值设置为相对较大的值。这里有结果的一些图片：（白点是模型正常值）你可以看到云在这里有多薄：我调整了SACSegmentation对象的各种参数a甚至尝试了PCL没有运气的多种RANSAC方法。这是显示的点云： https://drive.google.com/file/d/0B0PUIS

1热度

1回答

使用RANSAC进行线条拟合

我正在做一个图像处理项目，基本上是使用图像处理技术的Vectorise手绘图像。我在我的项目中使用RANSAC。我面临的挑战是算法不能按需要执行最佳拟合，但它使用任意两个随机点并绘制一条连线，如下图所示。 RANSAC结果在我的算法Vectorise手绘的图像，我还做了灰度化，图像阈值（图像二值化），并使用形态学算子在骨骼化。我正在为我的项目使用MATLAB。以下是迄今为止我做过 % L

1热度

1回答

带RANSACRegressor多项式限制允许值

我有以下白色像素作为输入数据，并使用sklearn.linear_model.RANSACRegressor来拟合2次（二次）的多项式以避免异常值。在这种情况下，结果显示为红色，是完全正确的：但是，我知道在我的应用程序，二次曲线总会有这个图片的右侧最小值/最大值（但我不知道在哪个高度），并且曲率不能那么强。换句话说：我已经知道我最适合应该像蓝线，其他点是腐败的异常值。有没有办法通过（例如）提供

2热度

1回答

计算三维数据中机器人定位的角点

分割出使用pcl::SACMODEL_LINE RANSAC行分割模块拟合的点云子集。在提取的点云的下一步骤中心点计算使用 pcl::compute3DCentroid(point_cloud, centroid); 其中给出准确中心点直到相机和所提取的线模型对象是相互平行的。在最后一步中，提取的点云的角点（即拟合线）通过在中心点上添加已知距离来计算角点。一旦相机与角度相关，角点计算技术