https://zhuanlan.zhihu.com/p/62175983
在VSLAM中，我们首先构造3D-3D、3D-2D、2D-2D匹配，然后据此去估计相机的运动。完美估计需要完美的匹配，但实际的匹配中往往存在很多错误。如何消除或者降低错误匹配的影响呢？一种方法是选择那些正确的匹配进行估计（RANSAC），另一种是降低那些错误匹配的权重（鲁棒核函数），下面分别介绍。
1. RANSAC随机采样一致算法
这种方法的目的是，从所有数据中选择正确的数据，用于估计。为了方便，先给几个定义。
点：每一个数据，SLAM里指的是匹配的点对
野值/外点：错误的点
内点：正确的点
内点集：内点的集合
外点集：外点的集合
模型：带估计的参数
标签：RANSAC,匹配,鲁棒核,模型,估计,STEP,鲁棒,内点 From： https://www.cnblogs.com/gooutlook/p/18357798