Algorithm RANSAC算法参数设置

RANSAC算法在计算机视觉等工程领域有着广泛的应用。但是，如果我理解得很好，在使用该算法时有两个参数需要设置：一个与迭代次数有关，另一个与估计模型的阈值有关。以线性直线估计问题为例：

图中的蓝色点代表内线，而红色点代表异常值

迭代次数表明，在找到正确的直线模型之前，我们应该尝试多少次。我们越是尝试，就越有可能得到正确的模型。然而，消耗时间也将增加。此外，迭代次数也与数据集中异常值的百分比有关。异常值越少，我们可以期望的迭代就越少

模型的阈值取决于手头的问题。如果设置得太严格，可能适合模型的数据将变得无用，从而导致不准确的估计。此外，严格的模型阈值也可能导致错误的模型。如果设置得太宽松，异常值可能会出现并发挥作用

目前，我对这两个参数设置的解决方案如下： 1） 迭代次数：开始时粗略估计异常值的百分比，如果百分比较高，则需要更多的迭代；否则，迭代次数设置得相对较低。 2） 模型阈值：在开始时设置一个相对较大的阈值保持，然后根据入口与模型的接近程度对入口进行加权。如果异常值碰巧成为内联值，它们将不会显著影响模型估计。

---

我想知道RANSAC参数设置是否存在其他解决方案。谢谢

阅读

过于严格的模型阈值的问题不在于你得到的模型不准确，而是因为你从来没有得到足够大的共识而有可能将几乎所有的解决方案都扔掉。