在OpenCV中使用RANSAC

OpenCV中的[solvePnPRansac](https://github.com/opencv/opencv/blob/master/modules/calib3d/src/solvepnp.cpp)函数和[findHomography](https://github.com/opencv/opencv/blob/master/modules/calib3d/src/fundam.cpp)函数都具有RANSAC特性，该特性使算法对少量的错误数据鲁棒。这两个函数利用RANSACPointSetRegistrator类实现RANSAC算法，但这个类并没有对外开放，因此只能通过阅读OpenCV源代码学习RANSAC算法的实现和使用。
类的实现在[ptsetreg.cpp](https://github.com/opencv/opencv/blob/master/modules/calib3d/src/ptsetreg.cpp)中，可通过调用[precomp.hpp](https://github.com/opencv/opencv/blob/master/modules/flann/src/precomp.hpp)文件中的createRANSACPointSetRegistrator函数使用。此外，该文件还提供了createLMeDSPointSetRegistrator“函数调用最小中值算法。
关于RANSAC的介绍详见这篇博客

createRANSACPointSetRegistrator函数的原型为

Ptr<PointSetRegistrator> createRANSACPointSetRegistrator(const Ptr<PointSetRegistrator::Callback>& cb,
        int modelPoints, double threshold,
        double confidence = 0.99, int maxIters = 1000);

参数cb类型为PointSetRegistrator::Callback，是要传入的被包装的估计算法对象，被RANSAC类调用以进行试探的估计过程；参数modelPoints 设定计算模型需要的最少数据点；参数threshold设定区分内点和外点的阈值；参数confidence设定返回正确值的概率（决定抽样次数）；参数maxIters设定最大走样次数。后三个参数与solvePnPRansac函数中的意义相同。

其中PointSetRegistrator::Callback类的声明为

        class CV_EXPORTS Callback
        {
        public:
            virtual ~Callback() {}
            virtual int runKernel(InputArray m1, InputArray m2, OutputArray model) const = 0;
            virtual void computeError(InputArray m1, InputArray m2, InputArray model, OutputArray err) const = 0;
            virtual bool checkSubset(InputArray, InputArray, int) const { return true; }
        };

使用时，需要继承该类，并至少实现其中的前两个函数。
runKernel函数需要根据输入的数据集m1 m2，计算并输出模型model，函数返回输出模型的个数，一般都返回1。左右数据均按行排列。为什么这里有两个输入参数呢，因为OpenCV中的RANSAC算法最初设计是用来求解2D-3D变换的，所以这两个参数分别对应源数据点集和目标数据点集。即便某算法只需要一个参数m1，也必须传入同样大小的m2以避免运行错误。
computerError函数需要根据输入的数据集m1 m2，模型model，计算并输出各数据点的残差err。输出残差为列向量，每行对应一个输入数据点， 由于RANSACPointSetRegistratorerr内部的实现，err的类型必须为float否则出现指针错误。
checkSubset(非必须)函数需要根据输入的数据，初步验证其是否为可行的子集。若不可行，返回false，这样可以提前剔除一些错误的子集。

由于OpenCV中并没有开放RANSACPointSetRegistrator的头文件，故需要自己编写以下头文件包含在工程中，方可使用createRANSACPointSetRegistrator函数

//cvRANSAC.h
#include <opencv2/core.hpp>
#include <opencv2/calib3d.hpp>

namespace cv
{
class CV_EXPORTS PointSetRegistrator : public Algorithm
    {
    public:
        class CV_EXPORTS Callback
        {
        public:
            virtual ~Callback() {}
            virtual int runKernel(InputArray m1, InputArray m2, OutputArray model) const = 0;
            virtual void computeError(InputArray m1, InputArray m2, InputArray model, OutputArray err) const = 0;
            virtual bool checkSubset(InputArray, InputArray, int) const { return true; }
        };

        virtual void setCallback(const Ptr<PointSetRegistrator::Callback>& cb) = 0;
        virtual bool run(InputArray m1, InputArray m2, OutputArray model, OutputArray mask) const = 0;
    };

    CV_EXPORTS Ptr<PointSetRegistrator> createRANSACPointSetRegistrator(const Ptr<PointSetRegistrator::Callback>& cb,
        int modelPoints, double threshold,
        double confidence = 0.99, int maxIters = 1000);

    CV_EXPORTS Ptr<PointSetRegistrator> createLMeDSPointSetRegistrator(const Ptr<PointSetRegistrator::Callback>& cb,
        int modelPoints, double confidence = 0.99, int maxIters = 1000);
}

使用时，调用bool result = createRANSACPointSetRegistrator(cb, modelPoints, threshold, confidence, maxIters)->run(m1, m2, model, mask); 即可运行RANSAC算法，返回是否成功。

---

RANSACPointSetRegistrator类的实现

RANSACPointSetRegistrator类实现了RANSAC算法，主要由以下成员函数组成

//在给定数据集``m1 m2``中，利用随机数发生器``rng``，生成样本集``ms1 ms2``
bool getSubset(const Mat& m1, const Mat& m2, Mat& ms1, Mat& ms2, RNG& rng, int maxAttempts = 1000) const

//根据已拟合出的模型model，给定的thresh阈值，调用computeError函数计算残差err，并返回内外点掩码mask向量，返回内点的个数
int findInliers(const Mat& m1, const Mat& m2, const Mat& model, Mat& err, Mat& mask, double thresh) const

//根据期望正确概率和内点比例，确定迭代次数
int RANSACUpdateNumIters(double p, double ep, int modelPoints, int maxIters);

//运行RANSAC估计 先调用getSubset采样样本，然后调用runKernel执行拟合，调用findInliers判断内点数量，取最大，并调用RANSACUpdateNumIters更新采样次数。到达采样次数后，返回内点数最多的
bool run(InputArray _m1, InputArray _m2, OutputArray _model, OutputArray _mask) const