纳帕萨克

NAPSAC:高噪声,高维稳健估计-它在袋子里。一组最强大的鲁棒估计算法,如RANSAC、MimPrand和LMS,H在选择随机最小数据集以实例化假设的基础上。然而,它们的性能在更高维空间中降级,这是由于采样完全由内点组成的集合的指数降低概率。为了克服这一点,而不是随机拾取集合,提出了一种新的策略,它改变样本的方式,假设内点趋向于彼此比离群点更近。在此基础上,导出了NAPSAC(N邻接点样本一致性)算法,并在高噪声和高维空间中表现出优于RANSAC的性能。