摘要
目前关于拟合的算法已经相当成熟,例如最小二乘法已经被人们熟知熟用,然而对于含有野点的数据最小二乘法表现却一般,一般会产生误差较大的结果,于是人们提出了对含有噪声点、野点的数据进行拟合的RANSAC算法。本文主要对RANSAC算法进行分析,首先详细阐述了RANSAC算法的流程以及算法的细节,并对RANSAC算法进行了matlab程序的实现。其次通过对于RANSAC算法进行优缺点分析我们发现RANSAC算法通过随机数据点进行拟合,通过多次迭代选出最优解,进而避免了噪声点和野点对于数据拟合的影响。然而正是由于其随机的选取造成了一定的时间成本,迭代次数的浪费,影响了程序的运行效率,进而提出了改进RANSAC算法。改进RANSAC算法主要结合聚类算法,对于数据进行分类,然后再在每一类中进行随机的选取样本点,再进行数据拟合,选取其中的最优解。改进RANSAC主要通过对数据进行分类,进而在随机选取点的时候能够选取不同类中的点,减少RANSAC算法迭代次数的浪费,大大减少了RANSAC的循环次数,提高了算法的效率。
出处
《西部皮革》
2020年第8期56-57,共2页
West Leather