修正 RANSAC 停止准则
计算机视觉与模式识别
2025-03-12 v1
摘要
几十年来，RANSAC 一直是计算机视觉及相关领域中许多问题最常用的鲁棒估计算法之一。本文的主要贡献在于解决一个长期存在的错误，该错误被嵌入到几乎所有基于 RANSAC 算法的系统之中。自 Fischler 和 Bolles 于 1981 年提出该算法以来，许多 RANSAC 变体都基于同一核心思想提出，即随机采样从最小测量子集中生成良好假设的概率很高。最初在 1981 年的论文中推导出的采样概率近似值被用于自适应停止 RANSAC，因此被当今绝大多数 RANSAC 变体与实现所使用。这一近似值的影响此后未被任何后续工作质疑或深入研究。正如我们在本论文中从理论上推导并实际验证的那样，该近似值会导致严重的欠采样，从而无法找到良好模型。在内点较少且模型复杂度较高的挑战性场景中，这种差异尤为显著。计算精确概率的实现出乎意料地简单，却极为有效，可能对大量计算机视觉系统产生深远影响。
引用
@article{arxiv.2503.07829,
title = {Fixing the RANSAC Stopping Criterion},
author = {Johannes Schönberger and Viktor Larsson and Marc Pollefeys},
journal= {arXiv preprint arXiv:2503.07829},
year = {2025}
}