RANSAC算法MATLAB實驗

    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”的觀測數據集中，通過迭代方式估計數學模型的參數。它是一種不確定的算法——它有一定的概率得出一個合理的結果；爲了提高概率必須提高迭代次數。該算法最早由Fischler和Bolles於1981年提出。
    RANSAC的基本假設是：
（1）數據由“局內點”組成，例如：數據的分佈可以用一些模型參數來解釋；
（2）“局外點”是不能適應該模型的數據；
（3）除此之外的數據屬於噪聲。
    局外點產生的原因有：噪聲的極值；錯誤的測量方法；對數據的錯誤假設。

    RANSAC也做了以下假設：給定一組（通常很小的）局內點，存在一個可以估計模型參數的過程；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。而一個好的方法就是用RANSAC算法剔除誤差較大的點，獲得最大的支持集合，用此最大支持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算法剔除誤差較大的點(紅線)：

源代碼連接：http://download.csdn.net/detail/freecloud_insky/8550179；