RANSAC - 随机采样一致性算法

RANSAC范例的正式描述如下：

首先，要给定：

         1一个模型，该模型需要最少n个数据点去实例化它的自由参数；

         2一组数据点P，P中包含数据点的数量#(P)大于n。

然后，

从P中随机地选择n个点（组成P的一个子集S1）并实例化这个模型（构造成M1）。

接下来，

         利用实例化的模型M1去测定P中点的某个子集S1*，这些点相对于M1的错误被限制在一个给定的阈值下，其中S1*被称作S1的一致性集合。

         或者：

         利用实例化的模型M1去逐个测定P中的其它点，舍掉那些偏离M1较大的点，保留那些偏离M1较小的点并组成一个集合S1*，该集合被称作S1的一致性集合。

接下来的步骤要对S1*中点的数量#(S1*)进行条件判定：

         if( #(S1*) >= t )         // t是一个阈值，是P中离群点（相对于M1）数量的估计函数

         {

                   利用S1*（+S1）去计算一个新的模型M1*；// 例如用最小二乘法

         }

         if( #(S1*) < t )

         {

                   随机地选择一个新的子集S2，并重复以上过程；

                   如果，

在几次预定义的实验次数之后，找到的一致性集合含有点的数量总是小于t；

                   那么，

要么使用已经找到的最大的一致性集合去解决这个模型；

                              要么以失败来终结掉这个算法。

}