ITKRANSAC

概述

这是RANSAC算法的C++模板实现及其关联Python包装的源代码。实现是线程并行的。本仓库仅用于点集注册，由于优化，与原始通用实现略有不同。

有关平面和球体估计的实现，请参阅https://github.com/midas-journal/midas-journal-769和相关的Insight Journal文章。

代码遵循“ITK风格”。也就是说，它与官方ITK风格非常相似，但不遵循所有必需的约定。

清单

1. RANSAC {h,txx} - 通用RANSAC算法的线程并行实现。
2. ParametersEstimator.{h,hxx} - 所有可用于RANSAC算法的参数估计对象的超类。这是一个定义接口的抽象类。
3. itkLandmarkRegistrationEstimator.{h,hxx} - 基于地标点集注册的估计代码。
4. 测试/*.cxx - 使用地标点测试点集注册。

Python包装安装

pip install itk-ransac

此处展示了Python中3D点集的示例用法

data = itk.vector[itk.Point[itk.D, 6]]()
agreeData = itk.vector[itk.Point[itk.D, 6]]()
GenerateData(data, agreeData)

transformParameters = itk.vector.D()

TransformType = itk.Similarity3DTransform.D

maximumDistance = inlier_value
RegistrationEstimatorType = itk.Ransac.LandmarkRegistrationEstimator[6, TransformType]
registrationEstimator = RegistrationEstimatorType.New()
registrationEstimator.SetMinimalForEstimate(number_of_ransac_points)
registrationEstimator.SetAgreeData(agreeData)
registrationEstimator.SetDelta(maximumDistance)
registrationEstimator.LeastSquaresEstimate(data, transformParameters)

desiredProbabilityForNoOutliers = 0.99
RANSACType = itk.RANSAC[itk.Point[itk.D, 6], itk.D, TransformType]
ransacEstimator = RANSACType.New()
ransacEstimator.SetData(data)
ransacEstimator.SetAgreeData(agreeData)
ransacEstimator.SetMaxIteration(number_of_iterations)
ransacEstimator.SetNumberOfThreads(8)
ransacEstimator.SetParametersEstimator(registrationEstimator)

percentageOfDataUsed = ransacEstimator.Compute( transformParameters, desiredProbabilityForNoOutliers )
for i in transformParameters:
  print(i)

可以通过执行特征匹配来获取地标。

为此，可以使用ITKFPFH库。