ransac演算法
隨機取樣一致性：
1.建立初始化模型。確定未知的引數。以單應矩陣為例。
單應矩陣是乙個旋轉位移矩陣，二維上的某點到某點的矩陣。
2.確定矩陣引數。要確定單應矩陣，要求解八個未知引數（因為歸一化後，必有乙個係數為1，所以又八個，而不是九個），共需要八個線性方程，對於影象而言，就是需要四個點對。
3.驗證模型。再次隨機取樣，若有足夠多的樣能被納入該模型，證明該模型是正確的。否則，就要拋棄該模型，從步驟2重新開始直至通過驗證。
隨機取樣一致性的演算法一般與sift結合使用，通常認為該演算法迭代次數會十分多，耗時長，而且會陷入區域性最優解。
2d slam演算法
icp演算法：
迭代最近點(iterative closest points, icp)演算法包括兩部分：對應點搜尋和位姿求解。它的目的是尋求點集之間的匹配關係，求解的結果是兩點集之間的平移及旋轉量。假設m、p是兩個點集，p為待配準點集，m為基準資料點集（可以理解為兩個不同座標系中的點集），其基本原理如下：
1、搜尋最近點：取p中一點p（i），在m中找出距離p（i）最近的m（i），則（pi，mi）就構成了一組對應點對集，但是p（i）與m（i）之間存在著某種旋轉和平移關係（r，t），這也就是我們要求的。
2、求解變換關係（r，t）：n對點（pi，mi）對於n個方程組，那麼就一定能運用數學方法求解得出（r，t），但是為了求解更加精確的變換關係，採用了迭代演算法。
3、應用變換：對點集p中的每乙個點pi運用變換關係得到點集p2，定義函式e，
根據精度要求，定義終止迭代的條件，即e小於乙個具體值時終止迭代。（可以把e理解為經過變換後的p2中每個點與m點集中對應點的距離和）。
4、重複迭代：如果某次迭代滿足要求，則終止迭代，輸出最優（r，t），否則繼續迭代，但是要注意一點：在每一次迭代開始時都要重新尋找對應點集。也就是說要把結果變換的pn帶入函式e中繼續迭代。
奇異值分解
幾何意義：
最近看的電影
父親在世時 東京物語 蜘蛛巢城 生之慾 前兩部是小津安二郎作品，後二部是黑澤明作品。the gold rush the great dictator city lights 眾所周知，這三部都是卓別林的作品。黑暗中的 惡魔之眼 魔術師 這三部是英格瑪.柏格曼作品。上面的 都是老片，統統是黑白片，卓別...
最近看的書
重構 改善既有 的設計 delphi物件導向程式設計思想 前一本講的都是重構的技巧，從函式到類到框架。對維護公升級軟體來說，是相當實用的工具書。後面一本之前沒有好好的讀完過。前段時候維護一程式,其間按鈕等事件都 是資料庫讀寫，感覺很難下手。就準備搞搞分層，從網上找到了這本書的第 八章，作者專門講解分...
最近的總結
一 想問題的時候盡量把邏輯屢清楚 二 有前台傳遞的值，一定需要校驗，非空的問題，容易跑出nullpointerexception 三 service處理大量的邏輯，使用高效查詢，避免頻繁的訪問資料庫，極大的增加了查詢時間，盡量將方法的可用率提高，這樣可以降低查詢的時間，也能減少重複的方法 四 重複 ...