ransac估计（之二）

一、RANSAC估计

RANSAC（RANdom Sample Consensus）估计方法由Fischler和Bolles提出的一种鲁棒性估计方法。外点（Outliers）存在下的直线估计问题

外点影响最小二乘拟合

方法：为了避免外点的影响，我们需要寻找内点，在最小二乘拟合的时候，只使用内点进行拟合；如果外点用来进行拟合的话，该拟合应该不会得到其他大部分点的支持。

二、RANSAC基本框架

1.RANSAC循环：a)随机选择种子点；b)根据种子点进行数据拟合；c)通过拟合的模型寻找内点；d)如果内点的数量足够多，则根据这些内点重新进行拟合   （保留具有内点数量最多的拟合）

RANSAC直线拟合

最小二乘拟合1）随机选取最小点集

2）推断一个模型3）计算误差函数

4）选择与模型一致的点集

没有受到噪声影响的样本5）重复推断-验证循环

2.RANSAC直线拟合

重复N次---随机选取s个点---用s个点拟合一条直线---从其余的点中选择相对于该条直线的内点，即到直线距离小于t的点---如果内点的数量大于d，则接受该直线并利用所有的内点重新拟合直线

3.RANSAC优缺点

优点：简单且一般化Simple and general，可以应用到不同的问题，非常实用；

缺点：有许多参数需要调整，不适合内点内点比例过低的情况，最小个数的采样通常无法获得好的初值。   （无好的初值）