RANSAC算法——RANDOM SAMPLE CONSENSUS

功能：采用迭代的方法去估计样本的拟合模型

应用：剔除错误点、直线拟合、平面拟合、估计图像或点云间的变换矩阵、估计基础矩阵

思路：一组较大的样本点，假设包括外点（离群点，噪声）和内点。根据大数定律，假设随机抽样得到的数据都是内点，从样本随机抽样得到的模型可以近似作为整体模型。去计算其他点的到此抽样模型的距离，设定一个距离允许误差阈值，找到所有允许误差阈值范围内的点，作为抽样模型的评分。继续抽样，最后评分最高的就是模型的近似

算法步骤：

（1）要得到一个直线模型，需要两个点唯一确定一个直线方程。所以第一步随机选择两个点。
（2）通过这两个点，可以计算出这两个点所表示的模型方程y=ax+b。
（3）将所有的数据点套到这个模型中计算误差。
（4）找到所有满足误差阈值的点。
（5）然后我们再重复（1）~（4）这个过程，直到达到一定迭代次数后，选出那个被支持的最多的模型，作为问题的解。