We refine the 2D transformation est

We refine the 2D transformation estimate using RANSAC. RANSAC has the ad- vantage that it is largely insensitive to outliers, but it will fail if the fraction of outliers is too great. This is why we use Hough transform clustering as a first step. See figure 4.
If the scene is 3-dimensional, we first select inliers which are loosely consistent with a 2D transformation using the above methods, using a large error tolerance. This will hopefully find a dominant plane in the image, with the error tolerance allowing for parallax due to displacement from the plane. Then, given a set of points with relatively few outliers, we compute the fundamental matrix. This is used to find a final set of feature matches which is consistent with the epipolar geometry (figure 5).

Results (Thai) 1:

เราคัดสรรประเมินแปลง 2D โดยใช้ RANSAC RANSAC โฆษณา-vantage ที่เป็นใหญ่ซ้อนกับ outliers แต่มันจะล้มเหลวถ้าเศษของ outliers เป็นปัญหาใหญ่ได้ นี่คือเหตุผลที่เราใช้แปลง Hough คลัสเตอร์เป็นขั้นตอนแรก ดูรูป 4.
ถ้าฉากเป็น 3 มิติ เราเลือก inliers ที่ซึ่งสอดคล้องกับการแปลง 2D โดยใช้วิธีการข้างต้น ใช้การยอมรับข้อผิดพลาดขนาดใหญ่ หวังว่านี้จะพบเครื่องบินหลักในภาพ มีการยอมรับข้อผิดพลาดที่สามารถพารัลแลกซ์เนื่องจากปริมาณกระบอกสูบจากเครื่องบิน แล้ว ให้ชุดของจุด มีค่อนข้างน้อย outliers คำนวณเมตริกซ์พื้นฐาน ใช้ในการค้นหาชุดสุดท้ายของตรงกับคุณลักษณะที่สอดคล้องกับเรขาคณิต epipolar (5 รูป)

Results (Thai) 2:

เราปรับประมาณการการเปลี่ยนแปลง 2D ใช้ RANSAC RANSAC มีโฆษณาได้เปรียบที่ว่ามันเป็นส่วนใหญ่ความรู้สึกที่ผิดปกติ แต่มันจะล้มเหลวถ้าส่วนของค่าผิดปกติมากเกินไป นี่คือเหตุผลที่เราใช้ในการจัดกลุ่ม Hough เปลี่ยนเป็นขั้นตอนแรก ดูรูปที่ 4
หากเกิดเหตุเป็น 3 มิติครั้งแรกที่เราเลือก inliers ซึ่งเป็นอิสระสอดคล้องกับการเปลี่ยนแปลง 2D โดยใช้วิธีการดังกล่าวข้างต้นโดยใช้ความอดทนข้อผิดพลาดขนาดใหญ่ นี้หวังว่าจะได้พบกับเครื่องบินที่โดดเด่นในภาพที่มีความทนทานต่อความผิดพลาดเพื่อให้สามารถ parallax เนื่องจากการเคลื่อนที่จากเครื่องบิน จากนั้นได้รับชุดของจุดที่มีค่อนข้างน้อยผิดปกติเราคำนวณเมทริกซ์พื้นฐาน นี้จะใช้เพื่อหาชุดสุดท้ายของการแข่งขันคุณสมบัติที่สอดคล้องกับรูปทรงเรขาคณิต epipolar (รูปที่ 5)

Results (Thai) 3:

เราปรับประมาณการโดยใช้การแปลง 2D ransac . ransac มีโฆษณา - Vantage มันเป็นส่วนใหญ่กระแสผิดปกติได้ แต่มันก็ล้มเหลว ถ้าสัดส่วนของค่าผิดปกติมาก นี่คือเหตุผลที่เราใช้ Hough แปลงข้อมูลเป็นขั้นตอนแรก เห็นรูปที่ 4 .
ถ้าฉากเป็น 3 มิติแรกที่เราเลือก inliers ซึ่งสอดคล้องกับการเปลี่ยนแปลงหลวม 2D ใช้วิธีการข้างต้นใช้ความอดทนความผิดพลาดใหญ่ นี้หวังว่าจะหาเครื่องบินเด่นในภาพมีข้อผิดพลาด parallax ความอดทนให้เนื่องจากการกระจัดจากเครื่องบิน แล้วได้รับชุดของจุดที่มีค่อนข้างน้อยผิดปกติ เราหาเมตริกซ์เบื้องต้น นี้จะใช้ในการค้นหาชุดสุดท้ายที่ตรงกับคุณสมบัติที่สอดคล้องกับ epipolar เรขาคณิต ( รูปที่ 5 )