从 3D 定位到图像处理的 CLAP 通用化：与 RANSAC 与 Hough 变换的联系
计算机视觉与模式识别
2025-09-18 v1 机器人学
摘要
在之前的工作中，我们引入了一种称为 CLAP 的 2D 定位算法，聚类穿越 n 种可能性，以在 RoboCup 2024 这一国际自主人类足球比赛中获冠。CLAP 以其对离群值的鲁棒性而著称，其中采用聚类来抑制噪声并减轻错误特征匹配的影响。这种基于聚类的策略为传统离群值拒绝方案（如 RANSAC）提供了一种替代方案，后者通过对所有数据点的重投影误差来验证候选者。在本文中，我们将 CLAP 扩展到超越 2D 定位的更通用框架，具体为 3D 定位和图像拼接。我们还展示了 CLAP、RANSAC 和 Hough 变换之间的关系。CLAP 的这种通用化可应用于许多不同领域，可作为处理噪声和不确定性的有用工具。
引用
@article{arxiv.2509.13605,
title = {A Generalization of CLAP from 3D Localization to Image Processing, A Connection With RANSAC & Hough Transforms},
author = {Ruochen Hou and Gabriel I. Fernandez and Alex Xu and Dennis W. Hong},
journal= {arXiv preprint arXiv:2509.13605},
year = {2025}
}