2

我对如何使用 OpenCVfindHomography方法来计算最佳变换感到困惑。

我的使用方式如下：

cv::Mat h = cv::findHomography(src, dst, CV_RANSAC, 5.f);

无论我运行多少次，我都会得到相同的转换矩阵。我认为 RANSAC 应该随机选择一个点子集来进行拟合，那为什么每次都返回相同的变换矩阵呢？它与一些随机数初始化有关吗？我怎样才能使这种行为实际上是随机的？

其次，如何调整此设置中的 RANSAC 迭代次数？通常迭代次数基于内部比率和类似的东西。

4

2 回答 2

3

我认为 RANSAC 应该随机选择一个点子集来进行拟合，那为什么每次都返回相同的变换矩阵呢？

RANSAC反复选择点的子集，然后根据它们拟合模型，然后检查数据集中有多少数据点是给定拟合模型的内点。一旦完成了很多次，它就会选择具有最多内点的拟合模型，并将模型重新拟合到这些内点。

对于任何给定的数据集、变量模型参数集和构成内点的规则，将存在一个或多个（但通常恰好是一个）最大可能的“内点”集。例如，给定这个数据集（来自维基百科的图片）：

显示一条直线的图，周围散布着一堆随机异常值

...然后通过对异常值的某种合理定义，任何线性模型可以具有的最大可能的内部值集是下面蓝色的那个：

与以前相同的图像，但内点为蓝色，异常点为红色，以及通过内点的最佳拟合蓝线

让我们称上面的蓝点集 - 最大可能的内点集 - I。

如果您随机选择少量点（例如两个或三个）并通过它们绘制一条最适合的线，那么直观地希望它只需要您尝试几次，直到您遇到迭代，其中：

  • 您选择的所有随机选择的点都来自I，所以
  • 通过这些点的最佳拟合线大致等于上图中的最佳拟合线，因此
  • 在该迭代中发现的一组内点正是I

从那次迭代开始，所有进一步的迭代都是浪费，不可能进一步改进模型（尽管 RANSAC 无法知道这一点，因为它不能神奇地知道何时找到最大的内点集）。

如果相对于数据集的大小，您有足够多的迭代次数，并且有足够大比例的数据集是内点，那么您最终将找到最大的内点集，每次您都有接近 100% 的机会运行 RANSAC。因此，RANSAC 将（几乎）总是输出完全相同的模型。

这是一件好事！通常，您希望RANSAC 找到绝对最大的内点集，并且不想满足于任何更少的东西。如果在这种情况下每次运行 RANSAC 时都得到不同的结果，则表明您希望增加迭代次数。

（当然，在上面的例子中，我们谈论的是试图通过二维平面中的点拟合一条线，这不是什么findHomography，但原理是一样的；通常仍然会有一个最大的内点集最终RANSAC会找到它。）

我怎样才能使这种行为实际上是随机的？

减少迭代次数 ( maxIters) 以便 RANSAC 有时无法找到最大内点集。

但是除了纯粹的求知欲之外，通常没有理由这样做。您基本上会故意告诉 RANSAC 输出劣质模型。

于 2019-03-31T14:10:33.533 回答
3

findHomography已经为您提供了最佳转换。真正的问题是关于最佳的含义。

例如，RANSAC您将拥有具有最大内点数的模型，而LMEDS您将拥有具有最小中值误差的模型。

您可以通过以下方式修改默认行为：

  • RANSAC通过设置更改迭代次数maxIters（允许的最大次数为 2000）
  • 减少（增加）ransacReprojThreshold用于验证异常值和异常值（通常在 1 到 10 之间）的值。

关于你的问题。

无论我运行多少次，我都会得到相同的转换矩阵。

可能您的观点已经足够好，以至于您始终可以找到最佳模型。

我认为 RANSAC 应该随机选择一个点子集来进行拟合

RANSAC（RANdom SAmple Consensus）首先选择一个随机子集，检查用这些点构建的模型是否足够好。如果不是，它选择另一个随机子集。

我怎样才能使这种行为实际上是随机的？

我无法想象这会有用的场景，但您可以从srcand中随机选择 4 对点dst，然后使用getPerspectiveTransform。除非你的观点是完美的，否则你会为每个子集得到一个不同的矩阵。

于 2015-08-16T16:01:35.473 回答