RANSAC（随机抽样一致）

定义

RANSAC（Random Sample Consensus，随机抽样一致）是 Fischler 和 Bolles 于 1981 年提出的鲁棒模型估计算法，能在包含大量外点（outlier）的数据中拟合出正确的数学模型。

原理

算法迭代执行以下过程：从数据中随机抽取拟合模型所需的最小样本集，估计模型参数；统计与该模型误差小于阈值的内点数量；重复多次后，选择内点最多的模型，并用全部内点重新精化参数。迭代次数可根据期望置信度与外点比例估算。

应用

在计算机视觉中，RANSAC 常与特征匹配配合使用，用于估计单应矩阵、基础矩阵、相机位姿等，是图像拼接、三维重建和 SLAM 流程中剔除误匹配的标准手段。

优缺点

优点是对高比例外点仍然稳健、实现简单；缺点是结果具有随机性，阈值需人工设定，外点比例过高时迭代代价显著上升。