【北邮鲁鹏老师计算机视觉课程笔记】04 fitting 拟合

1 拟合的任务

如何从边缘找出真正的线？

存在问题
①噪声
②外点、离群点
③缺失数据

2 最小二乘

存在的问题

3 全最小二乘

度量的是点到直线的距离而不是点在y方向到直线的距离

提示：点到直线的距离公式

归一化后保留分子

4 极大似然估计

5 鲁棒的最小二乘

不直接用点到直线的距离

$\sigma$来控制点到直线距离的影响，太远的点就是噪声点，就不考虑了。r=10的时候，也认为偏离是1，相当于抑制了噪声点

6 RANSAC

对于外点比较多的情况比较合适。
随机采样一致性算法
①选择一个最小的集合：2个点（2点确定一条直线）
②用这个最小的集合拟合一条直线
③剩下的点给这个直线投票，就是看剩下的点到直线的距离之和
④重复上3个步骤

例子：

随机选两个点，确定一条直线

计算剩下的点到直线的距离

重复上述步骤

7 RANSAC算法参数的选择

8 RANSAC的参数

外点率e越高，需要迭代的次数N就越多

9 自适应方法

真实情况下很多时候不知道外点率e

10 RANSAC的应用实例

指纹对应

仿射矩阵有6个参数，需要3对点