引言：随机采样一致算法属于传统算法，在一些图像特征匹配算法中常常会看到此函数的身影，到底此函数是弄啥的呢？下面一起来看看吧！！！
1.介绍：
随机采样一致算法RANSAC 的英文名称（RANdom SAmple Consensus），对于此算法的粗暴理解，小琼认为是模型估计算法，类似于最小二次法、，只不过最小二乘法采用所有的数据样本值来拟合模型，然而随机采用一致算法只采用一部分样本值作为数据的内点（inliers），然后使用这些内点来拟合模型。
2.RANSAC算法样本划分
此算法的数据样本划分为三类：
1》内点（inliers，在群点）
2》外点（outliers，离群点）
3》噪点（杂乱无章的点）
3.算法描述
随机采用一致算法采用数据集样本中的一部分样本作为数据的内点（inliers），剩余点暂时看作为离群点（outliers，外点），然后使用这些内点来拟合模型，然后将此模型数据样本逐步扩张，检验其他的点（离群点）是否满足此模型，如果满足则将此点归为内点，一次反复，当样本达到一定程度，，则进行模型更新，从新利用内点进行模型拟合（相当于从新建立数据模型），当精度满足一定要求才停止，没有确定的迭代次数
通俗解释：先采用部分数据，建立数据模型，然后利用此模型吸收能够满足此模型的点，扩大内点样本集，当内点样本集达到一定程度，根据内点样本重新建立数据模型，如法炮制，直到满足相应的指标，才算迭代完成，此算法没有固定的迭代次数。
4.应用
此算法可用于模型优化问题：例如：特征匹配点的优化、基于最小二次的模型优化问题。
补充：
单应性矩阵概念：（查看这位博客）
单应性（Homography）变换。可以简单的理解为它用来描述物体在世界坐标系和像素坐标系之间的位置映射关系。对应的变换矩阵称为单应性矩阵。
#
5.结束
GAME OVER
如果理解错误，欢迎大家批评，及时纠正小琼的错误哦，真心感谢你的纠正！！！
如果小伙伴梦有疑问欢迎在评论区留言哦！！！
如果感觉不错的话！点个赞呗，不用客气！（O(∩_∩)O哈哈~）
欢迎和小伙伴梦一起学习，共同努力，加油！！！
