1. 算法

1.1 RANSAC

RANSAC：RANdom SAmple Consensus（随机一致性采样）
用途：主要解决样本中的局外点问题，最多可处理50%的局外点情况
工作原理：
- 从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数
- 是一种不确定的算法：它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数
基本假设：
- 数据由“局内点”组成，例如：数据的分布可以用一些模型参数来解释
- “局外点”是不能适应该模型的数据
- 除此之外的数据属于噪声
基本流程
- 通过反复选择数据中的一组随机子集来达成目标
- 被选取的子集被假设为局内点，并用下述方法进行验证：
  - 1.有一个模型适用于假设的局内点，即所有的未知参数都能从假设的局内点计算得出
  - 2.用1中得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点
  - 3.如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理
  - 4.然后，用所有假设的局内点去重新估计模型，因为它仅仅被初始的假设局内点估计过
  - 5.最后，通过估计局内点与模型的错误率来评估模型
- 这个过程被重复执行固定的次数，每次产生的模型要么因为局内点太少而被舍弃，要么因为它比现有的模型更好而被选用
示例