学习OpenCV：RANSAC算法

步骤：

1. 随机从数据集中随机抽出4个样本数据 (此4个样本之间不能共线)，计算出变换矩阵H，记为模型M；

2. 计算数据集中所有数据与模型M的投影误差，若误差小于阈值，加入内点集 I，第一次迭代等于I_best ；

3. 如果当前内点集 I 元素个数大于最优内点集 I_best , 则更新 I_best = I，同时更新迭代次数k ;

4. 如果迭代次数大于k,则退出 ; 否则迭代次数加1，并重复上述步骤；

应用：求单应性矩阵。

vector<Point2f> vecPointObj;
vector<Point2f> vecPointScene;
Mat H = findHomography(vecPointObj, vecPointScene, RANSAC);//计算透视变换

根据个人简单理解

与最小二乘法相同点是：都是通过数据集求解一个相对合适的模型；区别是：很糟糕的数据不会影响RANSAC的结果，而最小二乘法的最终结果需要考虑所有数据；

最小二乘法：https://blog.csdn.net/ccnt_2012/article/details/81127117