ransac_homography — MATCHREG `featmatch` op

• 데이터 종류: table → table

• 호출: import fullseye as fs; fs.ledger.ransac_homography(matches, thresh=2.0, confidence=0.999, max_iters=5000, score='msac', local_optimization=True, min_inliers=8, seed=0, model='projective')(구현을 직접 호출하려면 import featmatch; featmatch.ransac_homography(matches, thresh=2.0, confidence=0.999, max_iters=5000, score='msac', local_optimization=True, min_inliers=8, seed=0, model='projective'), 원장에서 가져오려면 opsmatchreg.get("ransac_homography"))

• GPU: 없음(CPU 참조 구현만)

사용법

대응 쌍에서 호모그래피(pts1 → pts2, (x, y)의 동차 좌표)를 강건하게 추정한다. → table(kind="homography").

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

4 点の最小標本を引き、前向きの転送誤差 |H p1 - p2| で採点する。既定の採点は MSAC (打ち切り二乗 min(r², thresh²) の和、Torr & Zisserman 2000)で、内れ値の数だけ数える素の RANSAC(score="ransac")より閾値の近くの点の扱いが滑らか。必要な試行回数は内れ値の割合から都度見積もり(confidence)、良い仮説が出るたびに内れ値で当てはめ直す(local_optimization、LO-RANSAC)。行列の当てはめは正規化 DLT(twoview._homography_dlt、Hartley の正規化)を再利用し、退化した標本(3 点が一直線)は捨てる。

★既存の mosaic.proj_match_points_ransac は (row, col) の点・正規化なしの DLT・固定回数で、これは (x, y)・正規化 DLT・適応回数・MSAC・LO。座標の順が逆なので混ぜないこと。

★自由度の少ない模型(model="translation" 1 点 / "similarity" 2 点 / "affine" 3 点)を選べる。返りはどれも 3×3。正しい組が狭い帯にしか無い(貼り合わせの重なりが細い)とき、8 自由度の射影はその帯の組には合うのに帯の外へ大きく外挿を外す(examples/poc_part_locate_features.py の 5 節: 重なり 80 px・正しい組 9 で、射影は原点の並進を 15 px 外し、相似は 0.1 px 以内)。

Args:

matches: features_match の表。

thresh: 内れ値の転送誤差の上限 [px]。

confidence: 外れ値を含まない標本を少なくとも 1 回引く確率(< 1)。

max_iters: 試行回数の上限。

score: "msac" / "ransac"。

local_optimization: 内れ値で当てはめ直すか。

min_inliers: これ未満の内れ値しか集まらなければ失敗(ValueError)。

seed: 標本の乱数の種(同じ種で同じ結果)。

model: "projective"(既定、8 自由度)/ "affine" / "similarity" / "translation"。

Returns:

dict(kind="homography")。H (3,3)(H[2,2] = 1)/ model / inliers (M,) bool /

n_inliers / inlier_ratio / rms_px(内れ値の転送誤差の rms)/ iterations /

score / thresh / image_shape1 / image_shape2。

Raises:

ValueError: 表の種類が違う / 模型の最小標本より少ない / 非有限 / 引数が値域外 / 内れ値が min_inliers 未満

(「いちばんましな H」を成功として返さない)。

자세한 사용 가이드

• matching_registration 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• poc_part_locate_features — py -3.11 examples/poc_part_locate_features.py

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

features_match · ransac_fundamental · registration_to_flow2d

같은 카테고리(`featmatch`)

features_sift · features_orb · features_match · ransac_fundamental · features_accuracy_table

*Provenance: featmatch.py — MATCHREG 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

ransac_homography — MATCHREG featmatch op

사용법