ransac_fundamental — MATCHREG `featmatch` op

• 資料種類:table → table

• 呼叫: 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)(要直接呼叫實作,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);從台帳取用則 opsmatchreg.get("ransac_fundamental"))

• GPU:無(僅 CPU 參考實作)

用法

從匹配對穩健地估計基礎矩陣 F(x2ᵀ F x1 = 0)。→ table(kind="fundamental")。

> 以下的詳細說明為原文 —— 摘要與標題已翻譯。

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。

詳細使用指南

• matching_registration 族使用指南

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• (尚無)

型別可銜接的下一個運算子(可接受 `table` 作為輸入)

features_match · ransac_homography · registration_to_flow2d

同類別(`featmatch`)

features_sift · features_orb · features_match · ransac_homography · features_accuracy_table

*Provenance: featmatch.py — MATCHREG 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

ransac_fundamental — MATCHREG featmatch op

用法