cv算法是什么呀？

cv算法是计算机视觉算法。是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所 指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。

定义：

计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。

计算机视觉是一门关于如何运用照相机和计算机来获取我们所需的，被拍摄对象的数据与信息的学问。形象地说，就是给计算机安装上眼睛（照相机）和大脑（算法），让计算机能够感知环境。

我们中国人的成语"眼见为实"和西方人常说的"One picture is worth ten thousand words"表达了视觉对人类的重要性。不难想象，具有视觉的机器的应用前景能有多么地宽广。

RANSAC 主要是用于处理 外点数 (outline) 比较多情况下来搜索一条直线或进行模型参数拟合。从 RANSAC 全名字面意思是随机采样一致性。是一种非常简单且有效估计模型参数的方法。不仅限于直线模型的参数，在 SLAM 通过对比前后量帧图像上特征点间关系可以计算出摄像机的外参数，从而计算运动轨迹并生成稀疏点云。

对于RANSAC算法来说一个基本的假设就是数据是由 内点 和 外点 组成的。

同时 RANSAC 假设：在给定一组含有少部分 内点 的数据，存在一个程序可以估计出符合 内点 的模型。

通常会有如下几个步骤

如图

到此算完成一次迭代，重复上面的迭代记录小每次迭代选择点后绘制所得到的投票数，投票数最大所对应的直线模型就是我们要找到的直线

从上面求解过程，可以发现迭代次数 N 和内点率 t 或者理解为外点率 e 都可以这些参数确定是比较困难的，可以感觉经验进行来设置这些参数，

通常我们还会设定一个阈值，这个阈值是关于投票数的阈值，也就是最少投票数值，计算出直线中投票数最大的直线的投票数量还需要大于这个最少投票数才可以。其实 RANSAC 输出一个一条投票数最多且大于事先设定好阈值的直线模型参数，也可以是多条投票数大于最小投票(阈值)的多条直线。

通常我们对这些点的外点率是一无所知的，那么在这种情况下应该如何处理呢?

首先将迭代次数 N 设置无穷大，因为现在对外点率一无所知，所以也就没办法设置 N。所以真实迭代次数 sample_count 通常都会比 N 小

接下来就是将 sample_count 增加 1 然后重复上面步骤，在下一次迭代中 N 就不再是无穷大而是用 N1 来 如果在下一次迭代中计算 d 内点数量要比上一次高就保留本次 d 以及计算得到 N1 而舍弃上一次的计算得到 N1 。

图像配准就是找到一幅图像像素到另一幅图像像素间的空间映射关系。这些图像可以是不同时间(多时间配准)，不同传感器在不同地方拍摄（多模式配准）。这些图像之间的空间关系可以是刚性 (平移和旋转)，仿射(例如剪切），单应性(或复杂的大变形模型）。

这是一个三维重建必用的算法，如果在三维重建不用 RANSAC 就说明你做的还不算好。帮助我们排序一些噪音点还是outline 的点。我们以拟合直线为例讲解 RANSAC 我们随机地挑选两个点作为模型，然后看有多少点 inline，我们在随意找两个点来作为模型，我们通过评估（投票形式）来找出最优模型，但是这本模型并不是最优模型而是我们要，随意选择最少 x 个样本，x 个数取决于你要拟合模型，如果是直线就是 2 个点，平面需要3 点。然后计算有多少点和模型拟合。直到找到一个模型其中 inline 样本点是最多的。然后在拟合一次就可以得到我们想要点。

计算机视觉算法。

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所 指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。

因为感知可以看作是从感官信号中提 取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。

计算机视觉应用的实例包括用于系统：

（1）控制过程，比如，一个工业机器人 。

（2）导航，例如，通过自主汽车或移动机器人。

（3）检测的事件，如，对视频监控和人数统计。

（4）组织信息，例如，对于图像和图像序列的索引数据库。

（5）造型对象或环境，如，医学图像分析系统或地形模型。

（6）相互作用，例如，当输入到一个装置，用于计算机人的交互。

（7）自动检测，例如，在制造业的应用程序。

---