随机抽样一致性算法（RANSAC）

随机抽样一致性算法（RANSAC）

以下都是个人对于RANSAC的一些认识，可能有比较大的问题，望大家批评指正。

应用的范围：主要在散点图中获得一个已知模型的参数，使得符合这个模型参数的点最多。

                                  

散点图由局内点和局外点之分，当散点在模型上时则是局内点，如果在模型外则为局外点。RANSAC的目标是找寻一个模型参数使得局内点最多。

整个算法可以分为以下几个部分：

1.随机选取最少能够计算模型参数的点，计算获得模型参数

2.根据1中获得的模型参数去判断局内点S1

3.根据S1采用最小二乘等方法计算模型参数。

4.根据3中获得的参数判断局内点S2以及局内点个数n

5.获取S2对应的模型参数。

6.如果n大于之前之前记录的最大的局内点个数，则更新最大的局内点个数，更新对应的参数。

7判断是否达到循环次数，如没有跳到1，否则跳出循环

最大的局内点个数对应的参数就是最终要求的参数。

一些技巧：

在一个项目中，由于需要拟合一个圆，而干扰点较多，就采用了RANSAC去做了拟合。

考虑到2中判断是否为局内点是一个非常粗糙的判断，所以可以在2中放宽判断标准。在4中严格判断标准。

在项目中达到的效果还是比较理想的。

参考资料：

http://www.cnblogs.com/xrwang/archive/2011/03/09/ransac-1.html