问题标签 [ransac]

在 PCL 中进行 ransac 后，您如何实际获得 (a,b,c,d) 平面模型？

PCL：从 pcl::SampleConsensusModelPlane / pcl::RandomSampleConsensus 获取平面模型

这些示例仅演示如何提取内点列表。我花了一些时间阅读头文件和 DOxygen 参考，但无法弄清楚。直觉上，我希望 RandomSampleConsensus 返回一个包含平面参数的 SampleConsensusModelPlane，但该类似乎不包含任何数据成员，更不用说一个明显的访问器来获取它们而无需重新计算任何东西。

我觉得我错过了一些非常明显的东西。

是否有任何 API 可以实现我自己的 RANSAC 模型？即，OpenCV 是否有一个我可以继承的通用 RANSAC 引擎，或者我可以在哪里编码我自己的观察模型？

如果没有，依赖重用某些 RANSAC OpenCV 代码的最简单方法是什么？

Fischler 和 Bolles的论文为 RANSAC 定义了 3 个未指定的参数。其中之一是

阈值 t，它是用于暗示已找到正确模型的兼容点的数量。

但是，他们没有定义可接受的共识集大小的下限。可接受的共识集大小的下限是多少？

我想应用 Lucas Kanade 算法，然后将其结果用于应用 RANSAC 算法。可以同时申请吗？我在 MATLAB 中编码。

在图像匹配中，使用 Matlab，我使用 Lucas-Kanade 算法找到了两个图像的对应向量，现在我必须使用 RANSAC 估计单应矩阵。有什么简单的方法吗？提前致谢。

我最近一直在做一个项目，我必须在 3D 网格中检测墙壁、地板和天花板。在做了一些研究之后，我已经能够使用 RANSAC 算法检测到地板和墙壁的某些部分。我只是想知道是否有人能够解释平面拟合和平面分割之间的区别，因为它们似乎都导致包含地板的点云？

我想在 Matlab 下测试 ransac 框架内基本矩阵估计的算法。输入是筛选对应，并执行几次 Ransac 迭代以从异常值中选择内点（错误对应）。我想用不同的噪声水平测试算法的效率。我应该只随机地将不匹配引入一定数量的对应关系吗？或者如何添加噪音来筛选对应关系（公式）？

我使用 SIFT 来检测、描述两个图像中的特征点如下。

在上面的代码中，我使用findFundamentalMat()了去除异常值，但是在结果img1和img2中仍然有一些错误的匹配。在图像中，每条绿线连接匹配的特征点对。请忽略红色标记。我找不到任何问题，谁能给我一些提示？提前致谢。

从基本矩阵分解中，我们获得反射矩阵对的旋转和平移。这导致(Rc,c', tc,c')每个特征三角剖分有 4 个可能的对。我正在使用 RANSAC 中的基本矩阵估计来检测异常值。因此，在每次 Ransac 迭代中，我都会执行以下操作：

1. 使用五点算法估计基本矩阵。
2. 分解导致 4 个可能的基本矩阵(Rc,c', tc,c')。
3. 计算与数据集的每个 3D 点的预先计算阈值以下的重投影误差相对应的内点数。

我的问题是，我应该对 3D 点的 4 种可能性重复计算重投影误差，还是可以在计算整个数据集的重投影误差之前执行消歧并仅获得一个 3D 点？

如果可以事先进行消歧，我们将需要 3 个 3D 点，如何确保这些点是内点而不是内点？

我有这个代码：

轴和 epsAngle 似乎什么都不做——当传感器足够接近墙壁时，点云仍然会拾取墙壁，以至于墙壁的点比地面多。我从 xyz 点数据显式构建点云，因此可能未设置诸如 sensor_origin_ 和 sensor_orientation_ 之类的 PointCloud 成员变量（除非 PointCloud 将它们默认为某些东西）。这可能是我问题的根源吗？还是我做错了什么？

我在这个问题上看到的其他帖子都建议设置 eps 角度，我已经在这样做了。我感谢您的帮助！