ducha-aiki/pydegensac

解决的问题

提供一种从图像间的稀疏对应关系中稳健估计单应性矩阵和基础矩阵的方法，特别解决了标准 RANSAC 实现中常见的异常值和退化配置问题。

工作原理

该项目是 LO-RANSAC（局部优化 RANSAC）和 DEGENSAC 的 C++ 实现的 Python 封装。它使用局部优化来改进估计结果，并包含退化性检查，确保即使数据中存在主导平面或其他退化结构，生成的矩阵依然可靠。

适用人群

从事图像匹配、3D 重建和两视图几何估计的计算机视觉工程师和研究人员。

主要亮点

• 高精度：在基础矩阵估计方面，性能可与最先进估计器相媲美。
• 高性能：通常比原生 OpenCV RANSAC 实现更快且更准确。
• 鲁棒性强：实现了 DEGENSAC，可处理可能导致结果偏差的退化情况。
• 跨平台支持：支持 Windows、macOS 和 Linux。