задача определения местоположенияRANSACавтоматический анализ изображенийрешения по минимальному числу ориентировробастная подгонка модели
Figures from the paper
Abstract (AI)
Представлена новая парадигма, согласие случайной выборки (Random Sample Consensus, RANSAC), для подгонки модели к экспериментальным данным. RANSAC способен интерпретировать и сглаживать данные, содержащие значительную долю грубых ошибок, и поэтому идеально подходит для приложений автоматизированного анализа изображений, в которых интерпретация основывается на данных, предоставляемых детекторами признаков, подверженными ошибкам. Значительная часть статьи посвящена применению RANSAC к задаче определения местоположения (Location Determination Problem, LDP): по изображению, на котором представлены ориентиры с известными местоположениями, требуется определить точку в пространстве, из которой было получено это изображение. В связи с требованиями RANSAC получены новые результаты о минимальном числе ориентиров, необходимых для получения решения, и представлены алгоритмы вычисления таких решений по минимальному числу ориентиров в замкнутой форме. Эти результаты служат основой автоматической системы, способной решать задачу определения местоположения в условиях сложного наблюдения
Key Findings
1
Метод применён к задаче определения местоположения: оценке положения наблюдателя в пространстве по изображению ориентиров с известными координатами.
2
Получены новые результаты о минимальном числе ориентиров, необходимом для определения местоположения, и разработаны алгоритмы вычисления таких решений в замкнутой форме.
3
Предложена новая парадигма подгонки моделей — Random Sample Consensus (RANSAC), способная обрабатывать и сглаживать данные со значительной долей грубых ошибок.
4
RANSAC особенно подходит для автоматизированного анализа изображений, поскольку устойчив к ошибкам детекторов признаков.
5
Эти результаты служат основой автоматической системы, способной решать задачу определения местоположения в сложных условиях наблюдения.
Research Object
Алгоритм Random Sample Consensus (RANSAC) для аппроксимации модели и его применение к задаче определения положения (Location Determination Problem, LDP)
Research Subject
Устойчивая подгонка моделей и определение местоположения при наличии значительной доли грубых ошибок, включая требования к минимальному числу ориентиров и алгоритмы вычисления решений в замкнутой форме
Publication Details
Publication Date
1981-06-01
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest