RANSAC点滴
RANSAC是一个非常鲁棒的模型估计算法。主要用来从一堆包含一坨外点（outlier）的数据中估计出一个预先定义好的模型出来。
关于RANSAC有三点不可不知：
1：与直觉相反的是，在每次迭代过程中，最好的策略是选择最小的数据集（比如，拟合直线，就用两个点，拟合homography就用4个点）来做模型估计。
2：最大迭代次数并非是固定不变的，一般是用上次迭代得到的内点比例，来更新最大迭代次数。
3：当迭代结束后，需要用所有的内点来重新估计模型。
RANSAC是一个非常鲁棒的模型估计算法。主要用来从一堆包含一坨外点（outlier）的数据中估计出一个预先定义好的模型出来。
关于RANSAC有三点不可不知：
1：与直觉相反的是，在每次迭代过程中，最好的策略是选择最小的数据集（比如，拟合直线，就用两个点，拟合homography就用4个点）来做模型估计。
2：最大迭代次数并非是固定不变的，一般是用上次迭代得到的内点比例，来更新最大迭代次数。
3：当迭代结束后，需要用所有的内点来重新估计模型。
在每次迭代过程中，最好的策略是选择最小的数据集
这个是为什么？有什么出处么
有。参考这本书里的Ransac相关内容。http://product.dangdang.com/product.aspx?product_id=20241667
@cvchina
多谢！
RANSAC计算基本矩阵，心中的痛。。。
喜欢RANSAC!
晕，竟然是吴福朝的书，这个~~~有机会看看再说！
咋了。。。你跟他很熟？
不熟，帮他搬过家，汗！
四两拨千斤，随机算法的典范，很不错