matlab ransac 去除误匹配点

RANSAC（Random Sample Consensus）是一种经典的算法，可以用于去除误匹配点。它的基本思想是从一组数据中随机选取一些数据，然后用这些数据拟合模型，并计算其他数据与该模型的误差，如果误差小于某个阈值，则将这些数据标记为内点。然后，重复执行此过程，直到找到了最佳的模型。

在Matlab中，可以使用ransacfit函数来实现RANSAC算法。该函数需要输入两个参数：数据集和模型函数。其中，数据集是一个矩阵，每行表示一个数据点，模型函数接受数据集中的一部分数据，并返回一个模型参数。例如，如果要拟合一个二次曲线模型，则模型函数可以定义为：

function [a,b,c] = fit_quad(data)
x = data(:,1);
y = data(:,2);
A = [x.^2 x ones(size(x))];
p = A\y;
a = p(1);
b = p(2);
c = p(3);
end

然后，可以调用ransacfit函数来进行RANSAC计算：

[inliers, model] = ransacfit(data, @fit_quad, 10, 0.1);

其中，第三个参数10表示每次随机选择的数据点数目，第四个参数0.1表示误差的阈值。函数的输出是一个逻辑向量inliers，表示哪些数据点被标记为内点，以及一个模型参数model。可以使用inliers来去除误匹配点：

data_clean = data(inliers,:);

这样，data_clean就是去除误匹配点后的数据集。