RANSAC（Matlab版直线拟合+平面拟合）
1.二维直线拟合
% clc;clear all;close all;
%
% %%%二维直线拟合
% %%%生成随机数据
% %内点
% mu=[0 0]; %均值
% S=[1 2.5;2.5 8]; %协方差
% data1=mvnrnd(mu,S,200); %产生200个高斯分布数据
% %外点
% mu=[2 2];
% S=[8 0;0 8];
% data2=mvnrnd(mu,S,100); %产生100个噪声数据
% %合并数据
% data=[data1',data2'];
% iter = 100;
%
% %%% 绘制数据点
% figure;plot(data(1,:),data(2,:),'o');hold on; % 显示数据点
% number = size(data,2); % 总点数
% bestParameter1=0; bestParameter2=0; % 最佳匹配的参数
% sigma = 1;
% pretotal=0; %符合拟合模型的数据的个数
%
% for i=1:iter
% %%% 随机选择两个点
% idx = randperm(number,2);
% sample = data(:,idx);
%
% %%%拟合直线方程 y=kx+b
% line = zeros(1,3);
% x = sample(:, 1);
% y = sample(:, 2);
%
% k=(y(1)-y(2))/(x(1)-x(2)); %直线斜率
% b = y(1) - k*x(1);
% line = [k -1 b];
%
% mask=abs(line*[data; ones(1,size(data,2))]); %求每个数据到拟合直线的距离
% total=sum(maskpretotal %找到符合拟合直线数据最多的拟合直线
% pretotal=total;
% bestline=line %找到最好的拟合直线
% end
% end
% %显示符合最佳拟合的数据
% mask=abs(bestline*[data; ones(1,size(data,2))]) 2.%%%三维平面拟合
clc;clear all;close all;
%%%三维平面拟合
%%%生成随机数据
%内点
mu=[0 0 0]; %均值
S=[2 0 4;0 4 0;4 0 8]; %协方差
data1=mvnrnd(mu,S,300); %产生200个高斯分布数据
%外点
mu=[2 2 2];
S=[8 1 4;1 8 2;4 2 8]; %协方差
data2=mvnrnd(mu,S,100); %产生100个噪声数据
%合并数据
data=[data1',data2'];
iter = 1000;
%%% 绘制数据点
figure;plot3(data(1,:),data(2,:),data(3,:),'o');hold on; % 显示数据点
number = size(data,2); % 总点数
bestParameter1=0; bestParameter2=0; bestParameter3=0; % 最佳匹配的参数
sigma = 1;
pretotal=0; %符合拟合模型的数据的个数
for i=1:iter
%%% 随机选择三个点
idx = randperm(number,3);
sample = data(:,idx);
%%%拟合直线方程 z=ax+by+c
plane = zeros(1,3);
x = sample(:, 1);
y = sample(:, 2);
z = sample(:, 3);
a = ((z(1)-z(2))*(y(1)-y(3)) - (z(1)-z(3))*(y(1)-y(2)))/((x(1)-x(2))*(y(1)-y(3)) - (x(1)-x(3))*(y(1)-y(2)));
b = ((z(1) - z(3)) - a * (x(1) - x(3)))/(y(1)-y(3));
c = z(1) - a * x(1) - b * y(1);
plane = [a b -1 c]
mask=abs(plane*[data; ones(1,size(data,2))]); %求每个数据到拟合平面的距离
total=sum(maskpretotal %找到符合拟合平面数据最多的拟合平面
pretotal=total;
bestplane=plane; %找到最好的拟合平面
end
end
%显示符合最佳拟合的数据
mask=abs(bestplane*[data; ones(1,size(data,2))])