ransac算法筛选特征点python代码

以下是使用RANSAC算法筛选特征点的Python代码示例：

import numpy as np
from sklearn.linear_model import LinearRegression, RANSACRegressor

# 生成随机数据
np.random.seed(0)
n_samples = 1000
X = np.random.normal(size=n_samples)
y = X * 3 + np.random.normal(size=n_samples)

# 添加噪声
X[:100] += 10
X[100:200] -= 10
y[:50] += 20
y[950:] -= 20

# 转换为二维数组
X = X.reshape(-1, 1)
y = y.reshape(-1, 1)

# 使用普通最小二乘法拟合直线
lr = LinearRegression()
lr.fit(X, y)

# 使用RANSAC算法拟合直线
ransac = RANSACRegressor()
ransac.fit(X, y)

# 绘制图形
import matplotlib.pyplot as plt
line_X = np.arange(X.min(), X.max())[:, np.newaxis]
line_y = lr.predict(line_X)
line_y_ransac = ransac.predict(line_X)

plt.scatter(X, y, s=2)
plt.plot(line_X, line_y, color='red', linewidth=1, label='Linear Regression')
plt.plot(line_X, line_y_ransac, color='green', linewidth=1, label='RANSAC Regression')
plt.legend()
plt.show()

在上述代码中，我们使用了`numpy`和`Scikit-Learn`库来生成随机数据，并使用普通最小二乘法和RANSAC算法拟合直线。最后，我们使用`matplotlib`库将结果可视化。

注意，上述代码中的随机数据是一维的，实际应用中可能需要使用更高维度的数据。另外，RANSAC算法的参数需要根据具体应用场景进行调整。