随机采样一致性

Random Sample ConsensusRANSAC进阶

反复随机抽少量数据拟合模型，留下最多数据支持的那个，以剔除异常值。

随机采样一致性（RANSAC）由 SRI 的 Fischler 和 Bolles 于 1981 年提出。真实数据里常混着大量错误点（外点），直接用最小二乘拟合会被带偏。RANSAC 的做法是：随机抽取拟合所需的最少样本（比如拟合平面取 3 个点）算出一个模型；统计有多少数据落在误差阈值内（内点）；重复多次，保留内点最多的模型，最后用全部内点再精修一次。它是计算机视觉的基础工具，常用于特征匹配后估计单应性矩阵和基础矩阵、配合 PnP 求相机位姿、给点云配准做粗对齐。在机器人桌面场景里，常先用它拟合出桌面平面并删掉，剩下的点就是桌上的物体。