ransac是「random sample consensus（隨機抽樣一致）」的縮寫。它可以從一組包含「局外點」的觀測資料集中，通過迭代方式估計數學模型的引數。它是一種不確定的演算法——它有一定的概率得出乙個合理的結果；為了提高概率必須提高迭代次數。該演算法最早由fischler和bolles於2023年提出。
ransac的基本假設是：
（1）資料由「局內點」組成，例如：資料的分布可以用一些模型引數來解釋；
（2）「局外點」是不能適應該模型的資料；
（3）除此之外的資料屬於雜訊。
局外點產生的原因有：雜訊的極值；錯誤的測量方法；對資料的錯誤假設。
ransac也做了以下假設：給定一組（通常很小的）局內點，存在乙個可以估計模型引數的過程；而該模型能夠解釋或者適用於局內點。
matlab實驗：一組二維點，包含誤差很大的點，如果直接用最小二乘法，求出的模型是不對的。而乙個好的方法就是用ransac演算法剔除誤差較大的點，獲得最大的支援集合，用此最大支援集合求出最佳的模型。
下圖是二維點集合：
如下是用最小二乘法直接求模型的結果(藍線)：
下邊用ransac演算法剔除誤差較大的點(紅線)：
matlab學習筆記（九） RANSAC
隨機抽樣一致演算法 random sample consensus 多檢視幾何p73 1 思想 隨機選擇兩點，定義一條直線，該線的支集由一定距離閾值內的點數目來度量。重複多次這樣的隨機選擇，具有最大支集的線被認為是魯棒擬合，在距離閾值以內的點稱為內點 組成一致集 反之稱為野值。2 演算法框圖 目標乙...
RANSAC演算法詳解
另參考 給定兩個點p1與p2的座標，確定這兩點所構成的直線，要求對於輸入的任意點p3，都可以判斷它是否在該直線上。初中解析幾何知識告訴我們，判斷乙個點在直線上，只需其與直線上任意兩點點斜率都相同即可。實際操作當中，往往會先根據已知的兩點算出直線的表示式 點斜式 截距式等等 然後通過向量計算即可方便地...
RANSAC演算法詳解
另參考 給定兩個點p1與p2的座標，確定這兩點所構成的直線，要求對於輸入的任意點p3，都可以判斷它是否在該直線上。初中解析幾何知識告訴我們，判斷乙個點在直線上，只需其與直線上任意兩點點斜率都相同即可。實際操作當中，往往會先根據已知的兩點算出直線的表示式 點斜式 截距式等等 然後通過向量計算即可方便地...