对极约束、三角化、RANSAC算法（误匹配剔除）

• 对极约束
  
  将坐标统一在$C_0$坐标系下：
  
  
• 三角测量
  
• RANSAC
  • 最小二乘：
    
    最小二乘可以用来估计上述曲线的模型：$y=ax+b$;
    但是有错误数据时曲线最小二乘会失效：
    
    解决方法——RANSAC：
    1、从观测数据中随机选择一个子集，称之为hypothetical inliers；
    2、估计出适合于这些个hypothetical inliers的模型；
    3、用这个模型测试其他的数据，根据损失函数，得到符合这个模型的点，称为一致性集合：consensus set；
    4、如果足够多的数据都被归类于一致性集合，那么说明这个估计的模型是正确的；如果这个集合中的数据太少，那么说明模型不合适，弃之，返回第一步；
    5、最后，根据一致性集合中的数据（可以认为是可靠的数据了），用最小二乘的方法重新估计模型。

SLAM中采用的模型：单应矩阵$H$、或者基本矩阵$E$。