ransac_fundamental — MATCHREG `featmatch` op

• Datenarten: table → table

• Aufruf: import fullseye as fs; fs.ledger.ransac_fundamental(matches, thresh=1.0, confidence=0.999, max_iters=5000, score='msac', local_optimization=True, min_inliers=15, seed=0) (die Implementierung direkt: import featmatch; featmatch.ransac_fundamental(matches, thresh=1.0, confidence=0.999, max_iters=5000, score='msac', local_optimization=True, min_inliers=15, seed=0); aus dem Register: opsmatchreg.get("ransac_fundamental"))

• GPU: nein (nur CPU-Referenzimplementierung)

Verwendung

Schätzt aus zugeordneten Paaren robust die Fundamentalmatrix F (x2ᵀ F x1 = 0). → table (kind="fundamental").

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

8 点の最小標本を正規化 8 点法(twoview.fundamental_8point、rank 2 を強制)で当てはめ、Sampson 距離(エピポーラ線までの幾何距離の 1 次近似)で採点する。採点・適応回数・局所最適化は ransac_homography と同じ。

限界: 平面の場面や純回転では F は一意に決まらない(ホモグラフィ 1 つで説明できる退化)。その判定はしない —— 姿勢まで欲しいなら twoview.recover_pose(平面を拒む)へ。7 点法は使わない(最小標本は 8)。

Args:

matches: features_match の表。

thresh: 内れ値の Sampson 距離の上限 [px]。

confidence, max_iters, score, local_optimization, seed: ransac_homography と同じ。

min_inliers: これ未満なら失敗(ValueError)。

Returns:

dict(kind="fundamental")。F (3,3)(フロベニウスノルム 1、符号は F[2,2] >= 0)/

inliers / n_inliers / inlier_ratio / rms_px(内れ値の Sampson 距離の rms)/

iterations / score / thresh。

Raises:

ValueError: 表の種類が違う / 8 組未満 / 非有限 / 引数が値域外 / 内れ値が min_inliers 未満。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie matching_registration

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• (noch keine)

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

features_match · ransac_homography · registration_to_flow2d

Gleiche Kategorie (`featmatch`)

features_sift · features_orb · features_match · ransac_homography · features_accuracy_table

*Provenance: featmatch.py — MATCHREG Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

ransac_fundamental — MATCHREG featmatch op