一、简介
CGAL中，该方法将一组无法向量的点集作为输入，输出一组指定形状的点云。其中形状是通过ransac类型指定。基本的RANSAC方法重复以下步骤:
- 从输入点随机选取样本;
- 为选定的样本拟合形状;
- 计算形状的内部点数，判断内部点云是否在用户指定的形状误差容限范围内。
步骤1-3重复指定次数的迭代，保留内部点数最多的形状，称为最大形状。
在我们描述中，一个点和一个形状之间的误差是由它的距离和对形状的法向偏差来定义的。随机子集根据我们定义的图元所需要的最小点数(带法线)来进行选择。
对于非常大的点集，在针对输入数据测试所有可能的候选形状以找到最大形状时，原始的RANSAC方法是不实用的。因此CGAL中实现了一种高效RANSAC方法，该方法背后的主要思想是根据输入数据的子集测试候选形状。构造形状候选项，直到错过最大候选项的概率低于用户指定的阈值。重复提取最大的形状，直到没有更多的形状，限制在覆盖最小数量的点，将会被提取。
形状的支撑是指被图元覆盖的点的足迹。为了避免生成