点云平面拟合（基于Ransac），并进行平面重定向

 一、算法原理

        随机样本一致性(Random Sample Consensus RANSAC) 是一种迭代计算方法，用于从包含异常值的观察数据中估计出数学模型参数，因此也可以理解为一种异常值检测方法。RANSAC的一个基本假设是，数据由内点("inliers")和外点("outliers")组成，其中内点是在一定误差范围内可以通过一些模型参数来解释的数据，外点是不符合模型的数据。RANSAC的另一个假设是，随机选取的样本数据都是内点，存在一个可以估计模型参数的过程，该模型可以最佳地解释或拟合该数据。

二、实现步骤

• step1 从原始数据集Q中随机选择子集q，q为假设的内点(子集q一般为最小子集，如：直线选取两个点，圆选择三个点，平面选择三个点)
• step2 依据子集q估计模型参数
• step3 遍历数据集Q中除子集q外的所有数据，如果数据点在给定误差以内，则标记为内点，否则标记为外点
• step4 所有内点组成一致集，如果一致集中点的个数满足给定阈值，则用一致集中所有内点重新估计模型参数