RANSAC（Random Sample Consensus，随机采样一致性）是一种鲁棒（抗离群点）模型估计方法：通过反复从数据中随机抽取少量样本来拟合模型，并用“有多少数据点与该模型一致（inliers）”来评估，最终选出最可信的模型。常用于回归、几何拟合、计算机视觉等场景。
/rn.sk/
RANSAC helps fit a line even when some points are wrong.
RANSAC 可以在一些点是错误的情况下仍然拟合出一条直线。
In computer vision, we often use RANSAC to estimate a homography because feature matches usually contain many outliers.
在计算机视觉中，我们常用 RANSAC 来估计单应矩阵（homography），因为特征匹配通常包含大量离群点。
RANSAC 是一个缩略词，来自 Random Sample Consensus。该术语由 Fischler 和 Bolles 在 1981 年提出，用来描述一种“随机抽样 + 一致性检验”的模型拟合范式，核心思想是：只要离群点比例不太极端，就能通过多次随机抽样找到足够“干净”的样本集来得到可靠模型。
Select Language