Zufallsstichproben-Konsens

Ein neues Paradigma, Random Sample Consensus (RANSAC), zur Anpassung eines Modells an experimentelle Daten wird eingeführt. RANSAC ist in der Lage, Daten zu interpretieren/glätten, die einen signifikanten Anteil an groben Fehlern enthalten, und eignet sich daher ideal für Anwendungen in der automatisierten Bildanalyse, bei denen die Interpretation auf den von fehleranfälligen Merkmalsdetektoren gelieferten Daten basiert. Ein großer Teil dieses Papiers beschreibt die Anwendung von RANSAC auf das Problem der Standortbestimmung (LDP): Gegeben ist ein Bild, das eine Reihe von Landmarken mit bekannten Positionen zeigt; es soll der Punkt im Raum bestimmt werden, von dem aus das Bild aufgenommen wurde. Als Antwort auf eine RANSAC-Anforderung werden neue Ergebnisse zur minimalen Anzahl der Landmarken, die zur Lösung benötigt werden, abgeleitet und Algorithmen vorgestellt, mit denen diese Lösungen mit minimaler Landmarkenanzahl in geschlossener Form berechnet werden können. Diese Ergebnisse bilden die Grundlage für ein automatisches System, das das LDP unter schwierigen Sichtverhältnissen lösen kann.