arcmap重采样_ipproto_raw

arcmap重采样_ipproto_raw参考文献:AcceleratedHypothesisGenerationforMulti-structureRobustFitting假设Input:{xi}i=1N\{x_i\}_{i=1}^N{xi​}i=1N​代表输入的N组数据,由N组数据随机采样生成了M个模型θ1,θ2,…θM{\theta_1,\theta_2,…\theta_M}θ1​,θ2​,…θM​,对于每一个个输入数据xix_ixi​,我们计算模型的残差得到该模型的分数r(i)=[r1(i),r2(i)…rM

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

参考文献:
Accelerated Hypothesis Generation for Multi-structure Robust Fitting

APAP中的采样算法不同于opencv的RANSAC算法。

假设Input: { x i } i = 1 N \{x_i\}_{i=1}^N {
xi}i=1N
代表输入的N组数据,由N组数据随机采样生成了M个模型 θ 1 , θ 2 , . . . θ M {\theta_1,\theta_2,…\theta_M} θ1,θ2,...θM,对于每一个个输入数据 x i x_i xi,我们计算模型的残差得到该模型的分数 r ( i ) = [ r 1 ( i ) , r 2 ( i ) . . . r M ( i ) ] r^{(i)}=[r_1^{(i)},r_2^{(i)}…r_M^{(i)}] r(i)=[r1(i),r2(i)...rM(i)],对这M个模型的残差评分进行排序,产生 a i = [ a 1 ( i ) , a 2 ( i ) , . . . a M ( i ) ] a^{i}=[a^{(i)}_1,a^{(i)}_2,…a^{(i)}_M] ai=[a1(i),a2(i),...aM(i)]
其中 a i a_i ai代表排序后索引值即 r a p ( i ) ( i ) < r a q ( i ) ( i ) 当 p < q 时 r_{a^{(i)}_p}^{(i)}<r_{a^{(i)}_q}^{(i)} 当p<q时 rap(i)(i)<raq(i)(i)p<q,即评分由小到大排列的索引序列。如果假设模型的残差越低,排名越高代表这个模型可能是该点的最终模型。

对于两组数据 x i , x j x_i,x_j xi,xj产生的两个模型的索引 a ( i ) 和 a ( j ) a^{(i)}和a^{(j)} a(i)a(j),它们如何来自同一个模型的内层的话,这于 x i , x j x_i,x_j xi,xj是否存在同一个模型,是与该模型有较高的关键点匹配分数无关。

我们假设 a 1 : h ( i ) 代 表 a ( i ) 中 1 − h 个 元 素 组 成 的 向 量 a^{(i)}_{1:h}代表a^{(i)}中1-h个元素组成的向量 a1:h(i)a(i)1h,于是我们定义一下函数“intersection”,在 x i , x j x_i,x_j xi,xj中交集为
f ( x i , x j ) = 1 / h ∗ ∣ a 1 : h ( i ) ∩ a 1 : h ( j ) ∣ f(x_i,x_j)=1/h*|a^{(i)}_{1:h}∩a^{(j)}_{1:h}| f(xi,xj)=1/ha1:h(i)a1:h(j)
其中1<=h<=M 指定主导假设的个数,交集代表1:h中共有的模型假设个数

假设M=100,产生100个模型,然后每一个模型计算其符合全局点的偏差共N个,即N个点,然后每选取一个点,与剩余点计算假设模型的交集,组成NxN的交集权重矩阵K

对于一个最小子集
S = { s k } k = 1 p S=\{s_k\}^p_{k=1} S={
sk}k=1p

其中p为4 代表该模型最少的拟合个数 。
给定第一个数据 s 1 s_1 s1这个数是随机选取的 。
定义另一个点 x j x_j xj其权重函数是 w ( x i , x j ) = f ( x i , x j ) w(x_i, x_j) = f(x_i,x_j) w(xi,xj)=f(xi,xj)
x i x_i xi不等于 x j x_j xj x j x_j xj x i x_i xi的交集比例
w ( x i , x m ) > = w ( x i , x n ) w(x_i,x_m) >= w(x_i, x_n) w(xi,xm)>=w(xi,xn) 推出来 P ( x m ∣ x i ) > = p ( x n ∣ x 1 ) P(x_m|x_i) >= p(x_n|x_1) P(xmxi)>=p(xnx1)
在这里插入图片描述
输入点集合D(D=100个点对),设产生T(T=10)个单应性假设,且每个单应性假设需要4个点(p=5),交集定义的块大小为b=4,代表考虑4个单应性假设。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/190862.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • Eclipse中代码字体背景变红/变黄/变绿

    Eclipse中代码字体背景变红/变黄/变绿如图所示:运行之后,突然这样。到底是什么原因导致的呢?:经过查找资料可知:因为Eclipse中有覆盖代码功能(绿色表示代码被执行到,红色表示代码没有被执行到,黄色表示代码部分执行到)怎么解决这个问题:Remove All Sessions就是点击下图红色框中的部分。                            或者点击window–&gt;Show view –&gt; Other …

  • Linux curl 命令模拟 POST/GET 请求「建议收藏」

    Linux curl 命令模拟 POST/GET 请求「建议收藏」curl命令,是一个利用URL规则在命令行下工作的文件传输工具。curl支持文件的上传和下载,所以是综合传输工具,但按传统,习惯称curl为下载工具。作为一款强力工具,curl支持包括HTTP、HTTPS、FTP等众多协议,还支持GET、POST、cookies、认证、从指定偏移处下载部分文件、用户代理字符串、限速、文件大小、进度条等特征,还可以做网页处理流程和数据检索自动化。 …

  • 十:Java之泛型

    十:Java之泛型

  • 最火的C语言编程软件,适合编写C语言代码的编程软件有哪些

    最火的C语言编程软件,适合编写C语言代码的编程软件有哪些C语言基本上是大学计算机及其相关专业在大一上学期就会开的一门课程,但是很多学生就是在大一上学期期末的时候很着急,因为自己完全没有学好C语言,感觉一学期白学了,其实究其主要原因,还是因为你在上课认真听了,也做了课堂作业,但是却没有在课后好好的自己去主动敲代码,笔者不能让你有多主动去自己实践,但是笔者可以给你介绍几款更好的写代码的软件(手机电脑都可以)。C语言作为一门起源比较早的编程语言,可以编程的手…

  • 乌班图pycharm激活码2022年_在线激活2022.02.12

    (乌班图pycharm激活码2022年)最近有小伙伴私信我,问我这边有没有免费的intellijIdea的激活码,然后我将全栈君台教程分享给他了。激活成功之后他一直表示感谢,哈哈~IntelliJ2021最新激活注册码,破解教程可免费永久激活,亲测有效,下面是详细链接哦~https://javaforall.cn/100143.html4K…

  • Oracle拼接字符串——‘||’[通俗易懂]

    Oracle拼接字符串——‘||’[通俗易懂]目录‘||’用法示例‘||’用法示例示例1:在SUM值前添加‘3MCON’原数据:updatetestsetsum=’3MCON’||sum修改后数据:

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号