RANSAC ("RANdom SAmple Consensus") 알고리즘은 측정 노이즈가 심한 원본 데이터로부터 모델 파라미터를 예측하는 방법으로 Fischler 과Bolles에 의해서 제안되었다.
RANSAC은 전체 원본 데이터 중에서 모델 파라미터를 결정하는데 필요한 최소의 데이터를 랜덤하게 샘플링하면서 반복적으로 해를 계산함으로써 최적의 해를 찾는다. 이 방법은 전통적인 통계적 방법과는 반대의 개념을 가진다. 즉, 대부분의 방법들이 초기의 해를 획득하기 위해서 가능한 많은 데이터를 사용하고 그 결과로부터 유효하지 않은 데이터를 제거한다. 반면에 이 방법은 가능한 적은 양의 초기 데이터를 사용해서 일관된 데이터의 집합(consensus set)을 확장시켜가는 방식을 사용한다.
내용:
수식들 때문에 블로그로 적기 어려운 점이 있습니다. 정리한 내용을 pdf로 첨부합니다. 그리고 VS2008로 컴파일 가능한 소스코드도 첨부합니다.
RANSAC.pdf
0.17MB
RANSAC_LineFitting.zip
0.08MB
2011.6.24 RANSAC 알고리즘에서 샘플을 취하는 방식을 수정하였습니다. 모집합에서 무작위로 샘플을 취하게 되면 중복되는 샘플이 선택될 수 있습니다. 수정된 소스에서는 중복된 샘플이 선택되지 않도록 검사하는 코드가 추가되었습니다.