OpenCV RANSAC 每次都返回相同的转换答案

【问题标题】：OpenCV RANSAC returns the same transformation everytimeOpenCV RANSAC 每次都返回相同的转换
【发布时间】：2015-11-09 05:48:35
【问题描述】：

我对如何使用 OpenCV findHomography 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等。

【问题讨论】：

RANSAC 方法可以配置为自动选择迭代次数，或者在我们选择“正确”模型的概率足够高时停止迭代。阅读齐瑟曼了解详情。可能 openCV 使用该方法，并且它可能总是在您的数据中找到该模型。

【解决方案1】：

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，使用RANSAC，您将拥有具有最大内点数的模型，而使用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：

关于你的问题。

无论我运行多少次，我都会得到相同的变换矩阵。

可能你的观点足够好，你总是能找到最佳模型。

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，它会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src 和dst 中随机选择4 对点，并使用getPerspectiveTransform。除非您的点是完美的，否则您将获得每个子集的不同矩阵。

【讨论】：

【解决方案2】：

我以为 RANSAC 应该是随机选择一个点的子集来进行拟合，那为什么每次都返回相同的变换矩阵呢？

RANSAC重复选择点的子集，然后基于它们拟合模型，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、可变模型参数集以及构成内点的规则，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（图片from Wikipedia）：

...那么对于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：

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，希望直观地看出它只需要您尝试几次，直到您遇到以下迭代：

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，因为它无法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，那么您最终会以接近 100% 的机会找到最大内点集每次运行 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合，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 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，我们谈论的是尝试通过二维平面中的点拟合一条线，这不是 findHomography 所做的，但原理是一样的；通常仍然会有一个最大的内点集合，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。

但除了纯粹的求知欲之外，通常没有理由这样做；你基本上是在故意告诉 RANSAC 输出一个劣质模型。

【讨论】：