重要新闻

• 我很高兴宣布Graph-Cut RANSAC已被包含在OpenCV中。您可以在此处查看文档。

图割RANSAC

该论文中提出的Graph-Cut RANSAC算法：Daniel Barath and Jiri Matas; Graph-Cut RANSAC, Conference on Computer Vision and Pattern Recognition, 2018。可在http://openaccess.thecvf.com/content_cvpr_2018/papers/Barath_Graph-Cut_RANSAC_CVPR_2018_paper.pdf找到

带有更新空间一致性项和额外实验的期刊论文可在https://ieeexplore.ieee.org/document/9399280找到

在CVPR教程RANSAC in 2020的最新发展中解释了该方法。

在2020年教程中，展示了关于单应性、基本矩阵、本质矩阵和6D姿态估计的实验，可在相应的演示中找到。

使用pip从PyPI安装

有适用于Windows和Linux的预编译轮，您可以使用以下命令安装：Python 3.8 - 3.11

pip install pygcransac

感谢@akaszynski的贡献。

C++安装

要仅构建和安装C++的GraphCutRANSAC，克隆或下载此存储库，然后使用CMAKE构建项目。

$ git clone https://github.com/danini/graph-cut-ransac
$ cd build
$ cmake ..
$ make

安装Python包并编译C++

python3 ./setup.py install

或

pip3 install -e .

示例项目

要构建显示基本矩阵、单应性和本质矩阵拟合的示例的样本项目，在CMAKE创建项目时设置变量CREATE_SAMPLE_PROJECT = ON。然后

$ cd build
$ ./SampleProject

要求

• Eigen 3.0或更高版本
• CMake 2.8.12或更高版本
• OpenCV 3.0或更高版本
• 支持C++17的现代编译器

Python中使用的示例

import pygcransac
h1, w1 = img1.shape
h2, w2 = img2.shape
H, mask = pygcransac.findHomography(src_pts, dst_pts, h1, w1, h2, w2, 3.0)
F, mask = pygcransac.findFundamentalMatrix(src_pts, dst_pts, h1, w1, h2, w2, 3.0)

Jupyter Notebook示例

单应性拟合的示例在：notebook。

基本矩阵拟合的示例在：notebook。

基本矩阵拟合的示例可在以下位置找到： notebook.

假设平面运动的基本矩阵拟合示例可在以下位置找到： notebook.

已知重力下基本矩阵拟合的示例可在以下位置找到： notebook.

基本矩阵拟合的示例可在以下位置找到： notebook.

6D姿态拟合的示例可在以下位置找到： notebook.

比较不同采样器在基本矩阵拟合上的示例： notebook.

Jupyter Notebook示例（仿射和SIFT对应求解器）

到SIFT对应的单应性拟合示例可在以下位置找到： notebook.

到SIFT对应的本质矩阵拟合示例可在以下位置找到： notebook.

到SIFT对应的基本矩阵拟合示例可在以下位置找到： notebook.

到仿射对应的单应性拟合示例可在以下位置找到： notebook.

到仿射对应的本征矩阵拟合示例可在以下位置找到： notebook.

到仿射对应的基本矩阵拟合示例可在以下位置找到： notebook.

要求

• Python 3
• CMake 2.8.12或更高版本
• OpenCV 3.4
• 支持C++11的现代编译器

鸣谢

当使用此算法时，请引用

@inproceedings{GCRansac2018,
	author = {Barath, Daniel and Matas, Jiri},
	title = {Graph-cut {RANSAC}},
	booktitle = {Conference on Computer Vision and Pattern Recognition},
	year = {2018},
}

如果您与Progressive NAPSAC采样或DEGENSAC一起使用，请引用

@inproceedings{PNAPSAC2020,
	author = {Barath, Daniel and Noskova, Jana and Ivashechkin, Maksym and Matas, Jiri},
	title = {{MAGSAC}++, a Fast, Reliable and Accurate Robust Estimator},
	booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
	month = {June},
	year = {2020}
}

@inproceedings{Degensac2005,
	author = {Chum, Ondrej and Werner, Tomas and Matas, Jiri},
	title = {Two-View Geometry Estimation Unaffected by a Dominant Plane},
	booktitle = {Conference on Computer Vision and Pattern Recognition},
	year = {2005},
}

如果您开启了空间分区，请引用

@inproceedings{spaceransac2022,
	author = {Barath, Daniel and Valasek, Gabor},
	title = {Space-Partitioning {RANSAC}},
	journal={European Conference on Computer Vision},
	year = {2022}
}

Python包装部分基于Benjamin Jack的伟大项目 python_cpp_example。