论文部分内容阅读
在计算机视觉中，模型参数的鲁棒性估计是一个核心问题．虽然人们在这方面做了大量的研究，但是至今仍没有一个鲁棒性估计方法可以做到完全消除外点对模型估计的影响当数据中外点比例很大的时候，传统随机抽样一致性（RANSAC）算法就需要大量的采样样本，这在实际运行时会降低算法效率，为了解决这个问题，提出了一个有效的基于采样的算法，利用射影变换下共线4点的交比不变性，对含有大量外点的数据进行筛选，剔除其中可能的外点数据，从而充分减少模型估计时的迭代次数．实验结果表明，当200个对应匹配中含有90％外点时，使用交比不变性