随机抽样一致算法（RANSAC）是一种迭代方法，用于从包含大量外点的数据中估计数学模型的参数。其基本思想是：

  1. 随机从数据中抽取一个最小样本集（通常是拟合模型所需的最小数据点数，例如直线拟合需要2个点）。
  2. 用这个样本集拟合一个模型。
  3. 计算其他数据点与该模型的拟合程度（例如，计算点到直线的距离），并根据预设的阈值将数据点分为内群和外群。
  4. 统计内群的数量（即支持该模型的数据点数）。
  5. 重复上述过程多次，选择内群数量最多的模型作为最佳模型。
  6. 最后，用所有的内群重新拟合模型（可选步骤，以提高精度）。

内点=内群，外点=离群点
RANSAC希望离群点离inliers集中区域的差距大