MATLAB 随机抽样一致RANSAC

 1 close all;clear all;clc;
 2 
 3 %真实的数据
 4 mu=[0 0];  %均值
 5 S=[1 2.5;2.5 8];  %协方差
 6 data1=mvnrnd(mu,S,200);   %产生200个高斯分布数据
 7 
 8 %噪声数据
 9 mu=[2 2];
10 S=[8 0;0 8];
11 data2=mvnrnd(mu,S,100);     %产生100个噪声数据
12 
13 data=[data1;data2];
14 plot(data(:,1),data(:,2),'ro');     %显示全部数据
15 
16 K=100;          %设置最大迭代次数
17 sigma=1;        %设置拟合直线与数据距离的偏差
18 pretotal=0;     %符合拟合模型的数据的个数
19 k=1;
20 while pretotal < size(data,1)*2/3 &&  k<K      %有2/3的数据符合拟合模型或达到最大迭代次数就可以退出了
21     SampIndex=floor(1+(size(data,1)-1)*rand(2,1));  %产生两个随机索引，找样本用，floor向下取整
22     
23     samp1=data(SampIndex(1),:);     %对原数据随机抽样两个样本
24     samp2=data(SampIndex(2),:);
25     
26     line=Mytls([samp1;samp2]);      %对两个数据拟合出直线，或其他变种拟合方法
27     mask=abs(line*[data ones(size(data,1),1)]');    %求每个数据到拟合直线的距离
28     total=sum(mask<sigma);              %计算数据距离直线小于一定阈值的数据的个数
29     
30     if total>pretotal            %找到符合拟合直线数据最多的拟合直线
31         pretotal=total;
32         bestline=line;          %找到最好的拟合直线
33     end  
34     k=k+1;
35 end
36 
37 %显示符合最佳拟合的数据
38 mask=abs(bestline*[data ones(size(data,1),1)]')<sigma;    
39 hold on;
40 for i=1:length(mask)
41     if mask(i)
42         plot(data(i,1),data(i,2),'+');
43     end
44 end

 1 %这里是解如下三个方程的方程组
 2 %a*x1+b*y1+c=0
 3 %a*x2+b*y2+c=0
 4 %a^2+b^2=1
 5 %返回系数[a b c]
 6 function line=Mytls(data)
 7     x = data(1, :);
 8     y = data(2, :);
 9 
10     k=(y(1)-y(2))/(x(1)-x(2));      %直线斜率，有些情况肯定需要个别判断，这里忽略了
11     a=sqrt(1-1/(1+k^2));
12     b=sqrt(1-a^2);
13 
14     if k>0          %如果斜率大于0，a,b异号
15        b=-b; 
16     end
17     
18     c=-a*x(1)-b*y(1);
19     line=[a b c];
20 end