一种融合拟合-移除和两阶段框架优点的拟合方法技术

本发明专利技术涉及一种融合拟合‑移除和两阶段框架优点的拟合方法，首先给定包含

【技术实现步骤摘要】
一种融合拟合-移除和两阶段框架优点的拟合方法
本专利技术涉及计算机视觉领域，特别是一种融合拟合-移除和两阶段框架优点的拟合方法。
技术介绍
模型拟合已被广泛地应用于众多计算机视觉领域中，比如：离群点移除、可视化跟踪，室内导航和运动分割等领域。模型拟合是指，给定一种模型类别(比如直线、圆、单应矩阵或基础矩阵)，从输入数据中估计出所有模型实例的模型参数，并把属于不同模型实例的数据以及离群点分割开。根据模型拟合方法所采用的框架，传统的拟合方法可以分为两类：针对单模型实例数据和针对多模型实例数据的拟合方法；针对单模型实例数据的拟合方法：Fischler和Bolles1981年提出的RANSAC[M.A.FischlerandR.C.Bolles,“Randomsampleconsensus:Aparadigmformodelfittingwithapplicationstoimageanalysisandautomatedcartography,”Commun.ACM.,vol.24,no.6,pp.381–395,1981]是这类方法中的经典。由于执行一次针对单模型实例数据的拟合方法只能拟合多模型实例数据中一个模型实例的模型参数，这就需要在“拟合-移除”(fit-and-remove)框架中反复地执行这类方法，最终这类方法才能拟合多模型实例数据。然而，拟合-移除框架存在如下缺陷：若一个模型实例的模型参数估计不准确，将很可能导致数据中剩余模型实例的模型参数被错误地估计(即，拟合错误累积)。为了改进这个缺陷，多种针对多模型实例的拟合方法(比如AKSWH[H.Wang,T.-J.ChinandD.Suter,Simultaneouslyfittingandsegmentingmultiple-structuredatawithoutliers.IEEETransactionsonPatternAnalysisandMachineIntelligence.2012,34(6):1177–1192])被提出，它们能够同时拟合多模型实例数据中所有模型实例的模型参数。针对多模型实例数据的拟合方法：该类方法(比如AKSWH,CBS[R.Tennakoon,A.Sadri,R.Hoseinnezhad,etal.,Effectivesampling:Fastsegmentationusingrobustgeometricmodelfitting.IEEETransactionsonImageProcessing.2018,27(9):4182-4194.])先执行数据采样以生成一组模型假设，然后在已生成的模型假设上执行拟合，下文简称其为两阶段(two-stage)方法(框架)。这类方法的不足在于，它们需要在数据采样步就为数据中的所有模型实例都生成有效的模型假设，否则这类方法将失败。然而，实际任务中要为数据中内点比例低的模型实例生成一个有效的模型假设是相当困难的。现有的传统拟合方法只能较好地拟合含模型实例数小于等于5的多模型实例数据，而在含模型实例数大于5的多模型实例数据上，现有较先进的拟合方法所获得的准确率也欠佳，尤其是针对同一种应用使用相同的输入参数时。这是因为，模型实例数越多拟合的困难就越大：对于基于拟合-移除框架的拟合方法，模型实例数越多拟合的错误累积就越严重；对于基于两阶段框架的拟合方法，模型实例数越多内点的比例越低，生成有效的模型假设就越困难。
技术实现思路
有鉴于此，本专利技术的目的是提出一种融合拟合-移除和两阶段框架优点的拟合方法，可用于含模型实例数大于5的多模型实例数据的拟合。本专利技术采用以下方案实现：一种融合拟合-移除和两阶段框架优点的拟合方法，具体包括以下步骤：给定包含N个数据的图像输入数据其中N为自然数；指定图像输入数据中所包含的模型实例个数k并且令S'＝S；使用两阶段框架来同时地拟合S'中的多个模型实例的模型参数；把已拟合的多个模型参数的内点从S'中移除；重复上述步骤，直至已拟合的模型实例个数大于或等于k，从而从输入的图像数据中估计出k个模型实例的模型参数。进一步地，所述使用两阶段框架来同时地拟合S'中的多个模型实例的模型参数具体包括以下步骤：S11：令S*＝S'；设置第一阈值b，第二阈值M以及内点比例阈值τ；S12：在S*上执行一次基于贪婪搜索的数据采样以生成一个模型假设θ；S13：判断当前的采样次数c是否小于第一阈值b或模型假设θ的内点比例是否大于内点比例阈值τ；若是，则将θ的内点从S*中移除；否则重置S*，令S*＝S'；S14：判断当前的采样次数c是否小于第二阈值M，若是则返回S12，否则用所有已生成的模型假设进行拟合。本专利技术还提供了一种融合拟合-移除和两阶段框架优点的拟合系统，包括存储器与处理器，所述存储器上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，实现如上文所述的方法步骤。与现有技术相比，本专利技术有以下有益效果：本专利技术迭代地执行拟合和移除过程来完成多结构数据的拟合。该框架融合了已有框架的优点，减轻或克服了它们的缺点。该框架能高效地为模型实例数大于5的多模型实例数据鲁棒地拟合模型参数。本专利技术提出的拟合方法可应用于平面分割、可视化跟踪、三维重建和运动分割等多个领域。附图说明图1为本专利技术实施例的方法步骤示意图。图2为本专利技术实施例的使用两阶段框架来同时地拟合S'中的多个模型实例的模型参数步骤示意图。图3为采用本实施例方法进行多平面分割的示意图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。如图1所示，本实施例提供了一种融合拟合-移除和两阶段框架优点的拟合方法，具体包括以下步骤：给定包含N个数据的图像输入数据其中N为自然数；指定图像输入数据中所包含的模型实例个数k并且令S'＝S；使用两阶段框架来同时地拟合S'中的多个模型实例的模型参数；把已拟合的多个模型参数的内点从S'中移除；重复上述步骤，直至已拟合的模型实例个数大于或等于k，从而从输入的图像数据中估计出k个模型实例的模型参数，并把属于不同模型实例的数据以及离群点分割开。如图2所示，在本实施例中，所述使用两阶段框架来同时地拟合S'中的多个模型实例的模型参数具体包括以下步骤：S11：令S*＝S'；设置第一阈值b，第二阈值M以及内点比例阈值τ；本文档来自技高网...

【技术保护点】
1.一种融合拟合-移除和两阶段框架优点的拟合方法，其特征在于，包括以下步骤：/n给定包含N个数据的图像输入数据

【技术特征摘要】
1.一种融合拟合-移除和两阶段框架优点的拟合方法，其特征在于，包括以下步骤：
给定包含N个数据的图像输入数据其中N为自然数；指定图像输入数据中所包含的模型实例个数k并且令S'＝S；
使用两阶段框架来同时地拟合S'中的多个模型实例的模型参数；
把已拟合的多个模型参数的内点从S'中移除；
重复上述步骤，直至已拟合的模型实例个数大于或等于k，从而从输入的图像数据中估计出k个模型实例的模型参数。


2.根据权利要求1所述的一种融合拟合-移除和两阶段框架优点的拟合方法，其特征在于，所述使用两阶段框架来同时地拟合S'中的多个模型实例的模型参数具体包括以下步骤：
S11：令S*＝S'...

【专利技术属性】
技术研发人员：赖桃桃，曾坤，李佐勇，肖国宝，
申请(专利权)人：闽江学院，
类型：发明
国别省市：福建;35