RANSAC算法MATLAB实验

     RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。该算法最早由Fischler和Bolles于1981年提出。
    RANSAC的基本假设是：
（1）数据由“局内点”组成，例如：数据的分布可以用一些模型参数来解释；
（2）“局外点”是不能适应该模型的数据；
（3）除此之外的数据属于噪声。
    局外点产生的原因有：噪声的极值；错误的测量方法；对数据的错误假设。

    RANSAC也做了以下假设：给定一组（通常很小的）局内点，存在一个可以估计模型参数的过程；而该模型能够解释或者适用于局内点。

MATLAB实验：一组二维点，包含误差很大的点，如果直接用最小二乘法，求出的模型是不对的。而一个好的方法就是用RANSAC算法剔除误差较大的点，获得最大的支持集合，用此最大支持集合求出最佳的模型。

下图是二维点集合：

如下是用最小二乘法直接求模型的结果(蓝线)：

下边用ransac算法剔除误差较大的点(红线)：

code:   http://download.csdn.net/download/chinaswin/9797843

来源： http://blog.csdn.net/freecloud_insky/article/details/44778435