随机采样一致性(RANdom SAmpleConsensus),是 指从一组包含 “局外点”的数据集中,通过迭代方法估算数学模型的参数。
RANSAC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,为了提高概率必须增加迭代次数。
来看这样一个简单样例,假设我们想拟合一条直线:
可以看到,图中 红色的点是 “局外点”,蓝色的为 “内部点”,很明显,我们想通过不断随机抽取的方式,使得我们选中的点恰好为蓝色点,因为在这种情况下,拟合得到的模型误差最小。
RANSAC 算法思路非常简单,在模型确定以及最大迭代次数允许的情况下,RANSAC总是能找到最优解。对于包含50%以上误差的数据集,RANSAC的效果远优于直接的最小二乘法。
RANSAC 应用最多的场景是图片的拼接,基于得到的特征点进行 随机采样匹配:
关于图片拼接这