RANSAC

RANSAC算法（inlier和outlier）

• 从一组包含“局外点”的观测数据集中（含有噪声的数据集），通过迭代方式估计数学模型的参数。
• 给定的一组局内点可以估计模型参数；模型可以解释局内点。
• 算法流程
  -
• RANSAC在图像匹配里干什么：匹配特征点，也就是建立一个点到点的变换矩阵。RANSAC是找到这个矩阵的方法。RANSAC目的是找到最优的参数矩阵使得满足该矩阵的数据点个数最多，通常令h33=1来归一化矩阵。由于单应性矩阵有8个未知参数，至少需要8个线性方程求解，对应到点位置信息上，一组点对可以列出两个方程，则至少包含4组匹配点对（homography那里学过的）。
  -
• RANSAC算法从匹配数据集中随机抽出4个样本并保证这4个样本之间不共线，计算出单应性矩阵，然后利用这个模型测试所有数据，并计算满足这个模型数据点的个数与投影误差(即代价函数)，若此模型为最优模型，则对应的代价函数最小。
  
• https://www.sohu.com/a/223594989_100007727（单应性矩阵相关知识）
• RANSAC算法步骤