当前位置：
首页 资源下载
搜索资源 - ransac point match
搜索资源列表
-
1下载：
ransac是常用的稳健计算机视觉的方法，可用于两幅影像的配准。本源代码用仿摄模型模拟两影像的几何变形，用ransac算法来剔除错误匹配点，得到最终的仿摄参数。-ransac is commonly used in computer vision of a stable, two images can be used for the registration. Imitating source code model perturbation two images of the geometric
-
-
1下载：
C++实现RANSAC,成功消除错误的匹配点-C++ implementation RANSAC, a successful match point to eliminate errors
-
-
0下载：
可以在harris角点检测和ncc粗匹配之后实现精确准确的角点匹配，为下一步配准做准备-Can the Harris corner detection and NCC coarse matching after achieve precise accurate angular point matching, preparing for the next registration
-
-
0下载：
一种全自动稳健的图像拼接融合算 提出了一种全自动稳健的图像拼接融合算法。此算法采用Harris角检测算子进行特征点提取,使提取的
精度达到了亚像素级,然后以特征点邻域灰度互相关法进行特征点匹配得到了初步的伪匹配集合,并运用稳健的
RANSAC算法将伪匹配点集合划分为内点和外点,在内点域上运用LM优化算法精确地估计出了图像间的点变
换关系,最后采用颜色插值对交接处进行颜色过渡。整个算法自动完成,它对有较大误差或错误的特征点数据迭代
过滤,并用提纯后的数据来做模型估计
-A ro
-
-
0下载：
本文提出了一种基于特征点的全自动无缝图像拼接方法。该方法采用对于尺度具有鲁棒性的SIFT 算法进行特征点的提取与匹配，并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度，使用稳健的RANSAC 算法求出图像间变换矩阵H 的初值并使用LM 非线性迭代算法精炼H，最终使用加权平滑算法完成了图像的无缝拼接。整个处理过程完全自动地实现了对一组图像的无缝拼接，克服了传统图像拼接方法在尺度和光照变化条件下的局限性。实验结果验证了方法的有效性。-This paper presents a feature
-
-
1下载：
用opencv2.3.1+vs2008实现PROSAC算法。PROSAC是比ransac算法更快的剔除无匹配算法。前提是，这种策略的前提是假定匹配度高的特征是内点的概率比匹配度低的特征要高。 -With opencv2.3.1+ vs2008 realize PROSAC algorithm. PROSAC is faster than ransac algorithm of eliminate no matching algorithms. Premise is, this strategy
-
-
0下载：
针对常见的几何形状匹配算法对目标遮挡较为敏感, 提出了一种基于角点匹配的几何形
状定位。 该方法首先根据边缘曲率提取图像的角点, 然后采用基于改进的投票策略的角点匹配算法对检测图与模板图进行匹配, 最后通过 Ransac算法去除错匹配。 实验表明, 该算法定位效果良好,有效地解决了目标部分遮挡问题。-A noval geometry shape position algo rithm based on point feature matching is proposed to solve t
-
-
0下载：
RANSAC为RANdom SAmple Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由Fischler和Bolles最先提出[1]。
RANSAC算法经常用于计算机视觉中。例如，在立体视觉领域中同时解决一对相机的匹配点问题及基本矩阵的计算。
RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(Outliers，偏离正常范围很远、无法适应数学模型的数据)
-
