Není k dispozici

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F05%3A03114017" target="_blank" >RIV/68407700:21230/05:03114017 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Randomized RANSAC with Sequential Probability Ratio Test

Popis výsledku v původním jazyce

A randomized model verification strategy for RANSAC is presented. The proposed method finds, like RANSAC, a solution that is optimal with user-controllable probability. A provably optimal model verification strategy is designed for the situation when thecontamination of data by outliers is known, i.e. the algorithm is the fastest possible (on average) of all randomized RANSAC algorithms guaranteeing confidence in the solution. The derivation of the optimality property is based on Wald.s theory of sequential decision making. The R-RANSAC with SPRT, which does not require the a priori knowledge of the fraction of outliers and has results close to the optimal strategy, is introduced. We show experimentally that on standard test data the method is 2 to 10times faster than the standard RANSAC and up to 4 times faster than previously published methods.

Název v anglickém jazyce

Randomized RANSAC with Sequential Probability Ratio Test

Popis výsledku anglicky

A randomized model verification strategy for RANSAC is presented. The proposed method finds, like RANSAC, a solution that is optimal with user-controllable probability. A provably optimal model verification strategy is designed for the situation when thecontamination of data by outliers is known, i.e. the algorithm is the fastest possible (on average) of all randomized RANSAC algorithms guaranteeing confidence in the solution. The derivation of the optimality property is based on Wald.s theory of sequential decision making. The R-RANSAC with SPRT, which does not require the a priori knowledge of the fraction of outliers and has results close to the optimal strategy, is introduced. We show experimentally that on standard test data the method is 2 to 10times faster than the standard RANSAC and up to 4 times faster than previously published methods.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/1M0567" target="_blank" >1M0567: Centrum aplikované kybernetiky</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2005

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of IEEE International Conference on Computer Vision (ICCV)

ISBN

0-7695-2334-X

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

1727-1732

Název nakladatele

IEEE Computer Society Press

Místo vydání

New York

Místo konání akce

Bejing

Datum konání akce

15. 10. 2005

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—