[发明专利]一种快速且确定性的一致集最大化算法

说明书

一种近似求解数据集的一致集最大化(“CSM”)问题的方法，包括：将所述CSM问题的最大拟合残差约束松弛为以平均误差为边界的约束(401)；定义与松弛后CSM问题相关的多个判定问题(402)；通过定义优化问题求解每一判定问题(403)；以及根据各判定问题的解，选择所述CSM问题的一致集大小(404)。

技术领域

本发明涉及智能机器和计算机视觉，尤其涉及一种从大规模数据集中提取最大一致集的方法。

背景技术

如今，随着虚拟现实(VR)、增强现实(AR)及机器人技术的蓬勃发展，从大规模破损数据中有效地提取最大一致集变成一项重要的挑战。然而，现有方法往往注重优化，鲜少关注运行时间。

发明内容

为了解决现有技术中的问题，本公开内容实施方式提供一种从含破损数据的大规模数据集中提取最大一致集的方法。

在一个方面，提供一种近似求解数据集的一致集最大化(“CSM”)问题的方法，该方法包括：将该CSM问题的最大拟合残差约束松弛为以平均误差为边界的约束；定义与松弛后CSM问题相关的多个判定问题；通过定义优化问题求解每一判定问题；以及根据各判定问题的解，选择所述CSM问题的一致集大小。

在一些实施方式中，所述CSM问题包括确定所述数据集中支持具有多个模型参数(θ)的共同模型的一致集的最大大小。

在一些实施方式中，所述最大拟合残差约束包括所述数据集中每一项的模型拟合残差不大于内点阈值∈。

在一些实施方式中，所述以平均误差为边界的约束包括所述一致集中的平均拟合误差不大于内点阈值∈。

在一些实施方式中，每一所述判定问题包括确定指示变量(u)，从而所述平均拟合误差不大于所述内点阈值∈与一致集(k)大小的相乘结果。

在一些实施方式中，每一所述判定问题的求解包括确定指示变量(u)，从而使稳健残差函数(||P||₁)的L₁范数最小化的最优值不大于所述内点阈值∈与一致集(k)大小的相乘结果。

在一些实施方式中，该方法还包括将各判定问题的一致集(k)大小中的最大值选择为所述CSM问题的一致集大小。

在一些实施方式中，该方法用于超平面估算，所述共同模型由模型函数定义，其中，残差度量为

在一些实施方式中，该方法用于单应矩阵估算，所述共同模型由模型函数定义，其中，参考视角下的点的位置定义为移动视角下的相应点位置定义为其中，且

在一些实施方式中，所述数据集包括VGG(视觉几何组)数据集。

在另一方面，提供一种非暂时性计算机可读介质，其上存有计算机可执行指令，该计算机可执行指令包括一种近似求解数据集的一致集最大化(“CSM”)问题的方法，该方法包括：将该CSM问题的最大拟合残差约束松弛为以平均误差为边界的约束；定义与松弛后CSM问题相关的多个判定问题；通过定义优化问题求解每一判定问题；以及根据各判定问题的解，选择所述CSM问题的一致集大小。

附图说明

为了更好地说明本公开内容实施方式的技术特征，以下将结合附图，简要描述本发明的各种实施方式。

图1为根据本公开内容各种实施方式重复100次独立超平面回归试验例示示意图，其中，外点分布为U(0,10)。

图2为根据本公开内容各种实施方式重复100次的独立超平面回归试验例示示意图，其中，外点分布为U(0,100)。

图3为根据本公开内容各种实施方式例如VGG数据集的单应矩阵估算方法结果例示示意图，其中，红线和绿线分别表示外点和内点。