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。