RANSAC学习笔记

RANSAC 是“Random Sample Consensus” 的缩写。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。是一种不确定的算法，由于迭代次数，可能得到的结果不一定最优。

以下摘抄自：https://blog.csdn.net/fandq1223/article/details/53175964

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”是不能适应改模型的数据；

3.除此之外的数据属于噪声。

局外点产生的原因有：噪声的极致；错误的测量方法；对数据的错误假设。

一.概述

小例子：

从一组观测图像中找出合适的2维直线。假设观测数据中包含局内点和局外点，其中局内点近似的被直线所通过，而局外点远离于直线。简单的最小二乘法不能找到适应于局内点的直线，原因是最小二乘法尽量去适应包括局外点在内的所有点。相反，RANSAC能得出一个仅仅用局内点计算出模型，并且概率还足够高。但是，RANSAC并不能保证结果一定准确，为了保证算法有足够高的合理概率，必须小心选择算法的参数。