本页采用了机器翻译。点击此处可查看英文原文。

ransac

对噪声数据进行建模

全页折叠

语法

[model,inlierIdx] = ransac(data,fitFcn,distFcn,sampleSize,maxDistance)
[___] = ransac(___,Name,Value)

说明

[model,inlierIdx] = ransac(data,fitFcn,distFcn,sampleSize,maxDistance) 使用 M-估计量样本共识 (MSAC) 算法（即随机样本共识 (RANSAC) 算法的一种变体）对带噪声的数据进行建模。

请指定用于拟合模型的函数 fitFcn，以及用于计算数据与模型之间距离的函数 distFcn。ransac 函数使用 sampleSize 从您的 data 中提取随机样本，并利用 fit 函数使 maxDistance 中的有效数据点数量最大化。

示例

[___] = ransac(___,Name,Value) 还指定了一个或多个 Name,Value 参量。

示例

全部折叠

打开实时脚本

加载并绘制一组带噪声的二维点。

load pointsForLineFitting.mat
plot(points(:,1),points(:,2),'o');
hold on

Figure contains an axes object. The axes contains a line object which displays its values using only markers.

使用线性最小二乘法拟合一条直线。由于存在离群值，该直线拟合效果不佳。

modelLeastSquares = polyfit(points(:,1),points(:,2),1);
x = [min(points(:,1)) max(points(:,1))];
y = modelLeastSquares(1)*x + modelLeastSquares(2);
plot(x,y,'r-')

Figure contains an axes object. The axes object contains 2 objects of type line. One or more of the lines displays its values using only markers

使用 MSAC 算法对这些点拟合一条直线。定义样本大小、内点最大距离、拟合函数以及距离评估函数。调用 ransac 来运行 MSAC 算法。

sampleSize = 2; % number of points to sample per trial
maxDistance = 2; % max allowable distance for inliers

% Define the fit function using polyfit.
fitLineFcn = @(points)polyfit(points(:,1),points(:,2),1);

% Define the distance function to classify each point as an inlier or outlier
% based on the maxDistance threshold.
distLineFcn = @(model,points)(points(:, 2) - polyval(model, points(:,1))).^2;

[modelRANSAC,inlierIdx] = ransac(points,fitLineFcn,distLineFcn, ...
  sampleSize,maxDistance);

使用 polyfit 函数对内点重新拟合一条直线。

modelInliers = polyfit(points(inlierIdx,1),points(inlierIdx,2),1);

显示最终拟合线。该模型对 ransac 所识别并忽略的异常值具有稳健性。

inlierPts = points(inlierIdx,:);
x = [min(inlierPts(:,1)) max(inlierPts(:,1))];
y = modelInliers(1)*x + modelInliers(2);
plot(x, y, 'g-')
legend('Noisy points','Least squares fit','Robust fit');
hold off

Figure contains an axes object. The axes object contains 3 objects of type line. One or more of the lines displays its values using only markers These objects represent Noisy points, Least squares fit, Robust fit.

输入参数

全部折叠

待建模的数据，指定为一个 m 行 n 列的矩阵。每一行对应待建模数据集中的一个数据点。例如，要对一组二维点进行建模，请将点数据指定为一个 m 行 2 列的矩阵。

数据类型: single | double

用于拟合 data 子集的函数，以函数句柄的形式指定。该函数必须采用以下形式：

model = fitFcn(data)

如果可以对数据进行多模型拟合，那么 fitFcn 会将模型参数作为元胞数组返回。

用于计算模型与数据之间距离的函数，以函数句柄的形式指定。该函数必须采用以下形式：

distances = distFcn(model,data)

如果 model 是一个 n-元素数组，那么 distances 必须是一个 m-行 n-列的矩阵。否则，distances 必须是一个比 m 少 1 个元素的向量。

data 提供的、fitFcn 所需的最小样本量，指定为一个正标量整数。

拟合曲线到内点之间的最大距离，指定为一个正标量。任何距离超过该距离的点均被视为离群点。该距离由 distFcn 定义。RANSAC 算法基于一小部分样本点生成拟合曲线，但会尽量使内点数量最大化。缩小最大距离通过为内点设定更严格的公差，从而改善了拟合效果。

名称-值参数

全部折叠

将可选参量对组指定为 Name1=Value1,...,NameN=ValueN，其中 Name 是参量名称，Value 是对应的值。名称-值参量必须出现在其他参量之后，但对各个参量对组的顺序没有要求。

如果使用的是 R2021a 之前的版本，请使用逗号分隔每个名称和值，并用引号将 Name 引起来。

示例: 'MaxNumTrials',2000

用于验证模型的函数，指定为由 'ValidateModelFcn' 和一个函数句柄组成的以逗号分隔的元组。如果模型根据该函数中定义的标准被接受，则该函数返回 true。使用此函数可拒绝特定的拟合结果。该函数必须采用以下形式：

isValid = validateModelFcn(model,varargin)

如果未指定函数，则假定所有模型均有效。

查找可生成有效模型的样本的最大尝试次数，指定为由 'MaxSamplingAttempts' 和一个整数组成的以逗号分隔的元组。

随机试验的最大次数，指定为由 'MaxNumTrials' 和一个数值组成的以逗号分隔的元组。单次试验使用来自 data 的最少数量的随机点来拟合模型。然后，该检验会检查模型中 maxDistance 内的内点数量。在所有测试结束后，将选择内点数量最多的模型。增加试验次数可以提高输出结果的稳健性，但会增加计算量。

对“最终解”能为模型拟合找到最大内点数的信心程度，指定为由 'Confidence' 和一个介于 0 到 100 之间的标量组成的逗号分隔对。增加该值可以提高输出的稳健性，但会增加计算量。

输出参量

全部折叠

最佳拟合模型，返回值为 fitFcn 输入中定义的参数。该模型旨在从所有采样尝试中最大化内点数量。

内点，以逻辑向量的形式返回。该向量的长度与 data 相同，每个元素表示该点是否属于基于 maxDistance 进行的模型拟合的内点。

参考

[1] Torr, P. H. S., and A. Zisserman. "MLESAC: A New Robust Estimator with Application to Estimating Image Geometry." Computer Vision and Image Understanding. Vol. 18, Issue 1, April 2000, pp. 138–156.

扩展功能

全部展开

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

版本历史记录

在 R2017a 中推出

另请参阅

| |