[发明专利]基于迭代和贪婪搜索的内点尺度估计方法

权利要求书

1.一种基于迭代和贪婪搜索的内点尺度估计方法，其特征在于，包括以下步骤：

步骤S1:给定输入数据S,并设定数据中模型实例的个数H,令S'＝S和h＝0；

步骤S2:从S'中获取初始化模型假设的数据子集Ω，并设k＝p，其中p是Ω中的数据点个数；

步骤S3:用Ω生成一个模型假设θ_ι，并根据S'和θ_ι的残差选取新的数据子集Ω′；

步骤S4:判断模型假设θ_ι是否为有效的模型假设，如果θ_ι是有效的，则更新k的值；否则，θ_ι是一个无效的模型假设，k的值就不会被更新；

步骤S5:计算θ_ι的代价函数f(θ_ι)和停止标准F_stop,若f(θ_ι)的值是所有已生成模型假设代价函数中值最小的，那么θ_ι即是所有已生成模型假设中最准确的模型假设并且让θ_best＝θ_l；

步骤S6:判断F_stop是否为真，若F_stop为真，表示已采样到了准确的模型假设，那么用估计得到的内点噪声尺度来识别θ_best的内点，并把这些内点从S'中移除且h＝h+1；反之，重新执行步骤S3-S5；

步骤S7:如果当前采样次数h小于H，那么执行步骤S2至S6；否则即完成内点尺度估计，并输出H个模型实例生成的参数及内点噪声尺度；

所述步骤S3具体为：

步骤S31:基于Ω生成一个模型假设θ_ι；

步骤S32:计算S'与θ_ι的残差并记为r′(θ_ι)＝[r₁′(θ_ι),r′₂(θ_ι),...,r′_N′(θ_ι)]，其中N’是S'中的数据点个数；

步骤S33:非降序地排列残差r′(θ_ι)，得到排序残差集

其中[x₁,x₂,...,x_N′]是S'中索引[1,2,...,N']的重排列；

步骤S34:根据已排序的残差索引来采样新的数据子集

2.根据权利要求1所述的基于迭代和贪婪搜索的内点尺度估计方法，其特征在于：所述给定输入数据S具体为：其包含N个特征匹配对，N为自然数。

3.根据权利要求1所述的基于迭代和贪婪搜索的内点尺度估计方法，其特征在于：所述步骤S4具体为：

步骤S41:判断θ_ι是否是有效的模型假设；

步骤S42:若θ_ι是有效的，则θ_ι的排序残差满足：

使用k和MSSE来估计θ_ι的内点噪声尺度，然后根据估计得到的内点噪声尺度来估计得到的内点噪声尺度来更新k的值；

步骤S43:若θ_ι是一个无效的模型假设，k的值就不会被更新。