（点）Ransac

1.Ransac（随机采样一致）

参考：RANSAC算法理解

实际上这个算法就是从一堆数据里挑出自己最心仪的数据。所谓心仪当然是有个标准（目标的形式:满足直线方程？满足圆方程？以及能容忍的误差e）。比如平面中确定一条直线需要2点，确定一个圆则需要3点。过程可以理解为

1. 平面中随机找两个点，拟合一条直线，并计算在容忍误差e中有多少点满足这条直线
2. 重新随机选两点，拟合直线，看看这条直线是不是能容忍更多的点，如果是则记此直线为结果
3. 循环迭代
4. 迭代结束，记录当前结果

        显然，只要这个模型在直观上存在，该算法就一定有机会把它找到。优点是噪声可以分布的任意广，噪声可以远大于模型信息。

        这个算法有两个缺点，第一，必须先指定一个合适的容忍误差e。第二，必须指定迭代次数作为收敛条件。

总结：本算法适合从杂乱点云中检测某些具有特殊外形的物体。