RANSAC Spline Fitting
在车道线检测中,通过一系列的点可以拟合出曲线,这儿介绍一下比较常用的随机抽样一致性方法进行三次样条曲线拟合的方法。
三次样条曲线可以通过四个点来定义,分别选取始末点为P0、P3,通过P1、P2控制曲线的形状。如图:
算法步骤如下:
随机抽样一致性算法是最小二乘法的一种改进,通过随机抽样与增加一定的迭代次数,减少了噪声点对结果的干扰。先随机选取n个点,通过离始末点的距离来获取各点t的值,t∈[0,1]。各点t的计算公式如下:
三阶贝塞尔函数曲线可以定义为:
其中,
Q为随机抽样的各点坐标,n*2的矩阵;T为n*4的矩阵,M为4*4的矩阵,P为4*2的矩阵。已知Q、T、M可求得P。
车道线检测步骤中,一般情况检测到直线需要对直线进行kalman filter tracking,跟踪变量为直线方程中和。三阶贝塞尔曲线中可以通过P0、P3获取和,同时加上图1中的和,共跟踪四个变量。
下面贴下拟合三阶贝塞尔函数的代码。曲线可以通过四个点来定义,结构体如下:
typedef struct Spline
{///degree of splineint degree;///points in spline_Point2D32f points[4];///score of splinefloat score;
} Spline;
曲线拟合代码如下:
/** This function fits a Bezier spline to the passed input points
*
* \param points the input points
* \param degree the required spline degree
* \return spline the returned spline
*/
Spline mcvFitBezierSpline(MatrixX2f &points, int degree)
{//set the degreeSpline spline;spline.degree = degree;//get number of pointsint n = points.rows();//float step = 1./(n-1);//sort the pointamcvSortPoints(points, points, 1, 0);//get first point and distance between points_Point2D32f p0 = _Point2D32f(points(0, 0),points(0, 1));float diff = 0.f;float *us = new float[points.rows()];us[0] = 0;for (int i = 1; i<points.rows(); ++i){float dx = points(i, 0) -points(i - 1, 0);float dy = points(i, 1) -points( i - 1, 1);us[i] = (float)sqrt(dx*dx + dy*dy) + us[i - 1];// diff += us[i];;}diff = us[points.rows() - 1];//M matrix for BezierMatrix4f M(4, 4);M << -1, 3, -3, 1,3, -6, 3, 0,-3, 3, 0, 0,1, 0, 0, 0 ;//Basis matrixMatrix4Xf B(n,4);//u value for points to create the basis matrixfloat u = 0.f;for (int i = 0; i<B.rows(); i++) //, u+=step){//get u as ratio of y-coordinateu = us[i] / diff;B(i, 3) = 1; //1B(i, 2) = u; //uB(i, 1) = u*u; //u^2B(i, 0) = u*u*u; //u^2}//multiply B by MB = B*M;//return the required control points by LSMatrixX2f sp(degree+1,2);sp = B.colPivHouseholderQr().solve(points);//put back into splinefor (int j = 0; j < degree + 1; j++){spline.points[j].x = sp(j,0);spline.points[j].y = sp(j,1);}//cleardelete[] us;//returnreturn spline;
}
RANSAC Spline Fitting相关推荐
- Udacity机器人软件工程师课程笔记(二十) - 感知 - 校准,过滤, 分段, RANSAC
校准,过滤, 分段, RANSAC 首先,我们将讨论传感器校准,也就是说,从几何形状,失真和噪声方面校准相机如何看待周围的世界.了解相机的校准对于了解测量数据如何代表实际物理环境至关重要. 之后,我们 ...
- 车道线检测(opencv)
بسم الله الرحمن الرحيم MOHAMED ALY California Institute of Technology 1200 E. California Blvd MC 136 ...
- Python小白的数学建模课-22.插值方法
Python小白的数学建模课-22.插值方法 插值.拟合.回归和预测,都是数学建模中经常提到的概念,也经常被混淆. 插值,是在离散数据的基础上补插连续函数,使得插值函数通过全部给定的离散数据点,多用于 ...
- Python小白的数学建模课-23.数据拟合全集
拟合是用一个连续函数(曲线)靠近给定的离散数据,使其与给定的数据相吻合. 数据拟合的算法相对比较简单,但调用不同工具和方法时的函数定义和参数设置有所差异,往往使小白感到困惑. 本文基于 Scipy 工 ...
- 数学建模中的插值问题
目录 1 概述 1.1 数学建模常见问题 1.2 预测类问题 1.3 插值预测 2 Scipy一维插值方法 2.1 直接法--splrep&splev 代码实现 (包含画图的模板库) 2.2 ...
- 《Deep Surface Light Fields》论文调研
0<Deep Surface Light Fields> 摘要:A surface light field represents the radiance of rays originat ...
- ROS和RRT的一些资料
ROS和RRT结合的示例比较多,之前博文提过两次(1和2),本文做一些汇总和整理,大部分都在roswiki和GitHub上有具体说明.需要认真阅读源码和说明文件,才能使用顺利. 01. RRT for ...
- SLAM之特征匹配(二)————RANSAC--------翻译以及经典RANSAC以及其相关的改进的算法小结
本文翻译自维基百科,英文原文地址是:http://en.wikipedia.org/wiki/ransac RANSAC是"RANdom SAmple Consensus(随机抽样一 ...
- efficientransac_【泡泡图灵智库】基于图割优化的RANSAC算法(CVPR)
主要贡献 本文提出了一种使用局部优化算法改进RANSCA精度的方法,其主要贡献为: 1.提出了一种考虑空间一致性的内点判断方法,从而改进了RANSCA算法的精度: 2.采用图割算法解决内点判断的优化问 ...
最新文章
- 你真的看懂招聘要求了?
- R语言ggplot2可视化使用geom_ribbon()函数向ggplot2图添加置信度带(Confidence Band、Confidence Interval)
- plsql programming 10 日期和时间戳
- 【Linux 内核】进程管理 task_struct 结构体 ② ( state 字段 | stack 字段 | pid 字段 | tgid 字段 | pid_links 字段 )
- 【转】Ubuntu Vi编辑器中文乱码问题的解决
- ibm aix_IBM AIX:Java进程大小监视
- scala 判断字段 是不是 日期类型_scala 使用指南,降低新手入门难度
- 服务器是什么?本机服务器的查询。
- 自由测试人Jarod的一天
- gps高斯utm_高斯-克吕格投影与UTM投影
- win10安装MinGW
- SAP中生产返工中单独的作业返冲处理分析测试
- 小程序发布成功后搜索不到怎么办?
- 第6章 项目整体管理
- 面试了37位数据分析师,发现厉害的人都有这4个特质
- Java常见面试题_理论+实践
- ctfshow-29-170
- Msfvenom使用指南
- EXCEL中条件格式中如果为真则停止的设置
- 合适虚拟商品付费下载主题_一款比付费主题更像付费wordpress主题
热门文章
- 管理者如何正确激励员工、调动其工作积极性?
- JAVA的三个版本,JSE,JEE,JME三者之间的区别
- Rust交叉编译开发环境的搭建
- GNSS数据下载脚本(Perl+Python)
- 汉字转html实体符号js_HTML字符实体(Character Entities),转义字符串(Escape Sequence) 转...
- 前端面试知识点大全——浏览器篇
- Tensorflow 从bin文件中读取数据并
- docker镜像操作
- Keil、uVision、RealView、MDK、Keil C51之间的区别
- 学习单片机的几点经验之谈