RANSAC拟合算法简单了解

随机采样一致性（Random Sample Consensus，RANSAC）由斯坦福国际研究院的Fischler和Bolles于1981年首次提出。RANSAC算法是一种随机参数估计迭代算法；从一组包含异常数据的样本数据集中，通过迭代的方式，估计已知数学模型的参数，并得到有效样本数据的算法；也可以将其理解为一种点集中离散值的检测方法。

RANSAC存在2个假设：
①数据由“内点”（inliers）和“外点”（outliers）组成。“内点”是参与模型拟合的数据；“外点”是异常数据，不适用于或不符合模型的数据，噪声等。

②给定一组含有较少“内点”的数据，存在一个可以估计模型参数的过程或程序，得到的模型参数可以解释或适用于局内点。

概括：
RANSAC是数理统计规律和几何规律结合的算法，它对粗差有较好的抵抗力；但是，RANSAC是一种不确定的算法，不一定得到最佳结果，为了得到更佳的结果，必须提高迭代次数。RANSAC通过反复选择数据集，估计模型，直到迭代出符合要求的模型。