随机抽样一致性算法（RANSAC）

RANSAC概念

RANSAC（Random sample consensus）指随机抽样一致性算法。
RANSAC是一种对带有外点的数据拟合参数模型的迭代方法。

RANSAC的迭代步骤

RANSAC基础版本的每次迭代包括5个步骤：

1.在原始数据中随机选取一个（最小）子集作为假设内点；
2.根据假设的内点拟合一个模型；
3.判断剩余的原始数据是否符合拟合的模型，将其分为内点和外点。如果内点过少则标记为无效迭代；
4.根据假设的内点和上一步划分的内点重新拟合模型；
5.计算所有内点的残差，根据残差和或者错误率重新评估模型。

迭代以上步骤，把具有最小残差和的或是最多内点数的模型作为最佳模型。

最小迭代次数的计算

RANSAC是一种概率算法，想要效果足够好，就要内点选的越多，外点排除越多。也就是需要进行很多次迭代试验。那么我在给定条件下，最少需要试验的次数时多少呢？
这就引出了一个数学问题：

问题：
设 $w$ 为给定某个点，它是内点的概率；
$p$ 是经过 $k$ 次迭代后，选择的点都是内点的概率（只要迭代过程中，有一次迭代全是内点，它就是成功的）；
$n$ 是当前数据得到的内点总个数；
给定了上面的条件，则对应一个 $p$ ，$k$ 也就确定了，求 $p$ 与