RANSAC(Random Sample Consensus)，翻译为随机抽样一致算法。
算法思路：从所有观测中随机找到几个尽可能少的点去拟合模型，拟合后依次计算模型和所有观测数据的残差，当残差小于给定的阈值时，就将其判断为内点，大于给定的阈值时，就判断为外点，并统计内点的数量，然后再次随机选取几个点拟合模型迭代。如果本次拟合内点数量大于先前的模型，就将旧模型迭代为新的模型。
做过AMCL算法的同学是不是秒懂了，感觉就是一个低配版的粒子滤波。
直接上代码，以我正在做的项目中的一环进行代码分享（三维平面的拟合）。
#include<Eigen/Dense>#include<cmath>#include<iostream>#include<limits>#include<random>#include<vector>#include"opencv2/highgui.hpp"#include"opencv2/imgproc.hpp"usingnamespacestd;usingnamespacecv;usingnamespaceEigen;structPoint3D{doublex,y,z;};doubledistance(constPoint3D&p1,constPoint3D&p2){returnstd::sqrt(std::pow(p1.x-p2.x,