基于概率抽样一致性的基础矩阵估计算法

随机抽样一致性算法是应用最广泛的鲁棒性基础矩阵估计算法之一. 针对随机抽样一致性算法效率低的问 题, 提出一种基于概率分析的随机抽样一致性算法. 该算法减少首次抽样的次数, 利用预检验技术确定一个较优的模 型子集, 通过定义样本属于该较优模型的概率来选择内点概率大的样本子集, 并通过多次迭代得到一个只包含内点 样本的子集. 模拟数据和真实数据的基础矩阵估计实验表明, 算法在计算效率和精度上均优于随机抽样一致性算法.