顧及噪聲密度函數差異的自適應回歸算法及其在人工標靶提取中的應用

作者：賈象陽,黃先鋒,牛文淵,張帆,高云龍,楊沖

摘要：儀器、周圍環境和人為操作等往往會造成點云中包含大量的噪聲,導致模型回歸精度低等問題。RANSAC算法憑借其簡單實現、穩健的優勢廣泛應用于解決模型回歸的問題。但是,針對不同的場景,RANSAC算法需要不斷地調整參數來估計最優模型解。本文考慮到RANSAC及其現有改進算法的不足,以及內群點與噪聲之間往往存在密度分布差異性,首先利用密度加權導向采樣的方式優化初始假設模型,然后提出了一種空間密度函數以用于最優模型評價和迭代次數計算,整個過程不需要任何先驗知識。本文方法能夠解決內群點比率大于10%的模型回歸問題。通過與已有方法的試驗對比,本文方法能夠在無先驗信息的情況下具有較高的精度和穩健性。

發文機構：武漢大學測繪遙感信息工程國家重點實驗室

關鍵詞：隨機采樣一致性加權采樣空間密度函數密度差異性自適應閾值random sample consensus(RANSAC)weighted samplespace density functiondensity differenceself-adaptive threshold

分類號：