RandomSampleConsensus 可设置的参数以及对应的函数

RandomSampleConsensus (RANSAC) 是一种常用的参数估计方法，主要用于从数据集中找出最佳模型并剔除异常值。在使用 RANSAC 进行模型拟合时，以下是常见的可设置参数及对应的函数：

1. 最大迭代次数（max_iterations）：决定 RANSAC 迭代的最大次数，即执行 RANSAC 的最长时间。

2. 拟合模型时所需的最小样本数量（sample_size）：决定每次迭代所选取的样本数量。

3. 判定模型是否为内点的阈值（threshold）：用于判定样本点是否为内点。通常情况下，内点应该接近于模型计算出来的值，而异常值则偏离该值较远。因此，可以设置一个阈值，将偏离值超过该阈值的样本点视为异常值。

4. 拟合模型的函数（model_function）：用于计算拟合模型的函数。

5. 评估模型的函数（eval_function）：用于评估模型的函数。

6. 随机数生成器（rng）：用于产生随机数的生成器，以便在每次迭代中随机选择样本。

以上参数均可使用 RANSAC 的构造函数进行设置。例如：

pcl::RandomSampleConsensus<pcl::PointXYZ> ransac (model);
ransac.setMaxIterations (1000);
ransac.setSampleSize (3);
ransac.setDistanceThreshold (0.01);
ransac.setProbability (0.99);
ransac.computeModel ();

其中，setProbability() 函数用于设置 RANSAC 算法中选取的样本点均为内点的概率。