A sample RANSAC design
输入： 模型model，观测值data 确定模型最少需要多少个数据 n 算法迭代的次数 k 判断内点的阈值 t 判定模型是否适用于数据集的数目 d 输出： best_model , best fit model parameters , if fail return nullptr
best_consensus_set , inliners
best_error
iterations = 0; best_model = null best_consensus_set = T_MAX;
while(iterations++ < k){ guess_datas = 随机选择n 个点；
guess_model = 根据gussdatas生成模型；设计成类方法
guess_consensus_set = gusstatas 设计成类方法
for(除了guess_datas以外的点){
if(？？如果点适合guess_model？？ , 误差小于t){
加入到guess_consensus_set;
}
}
if(guess_consensus_set的数量大于d){
已经找到了模型，测试现在的模型有多好
better_model = 适合于guess_consensus_set中所有点的模型；
temp_error = better_model的误差
if(temp_error<best_error){
best_model = better_model;
best_consensus_set = guess_consensus_set;
best_error = temp_eror
}
}
}