参考资料：
点云处理入门 RANSAC & ICP with PCL Demo - 知乎
ransac是什么？
随机采样一致算法（RANdom SAmple Consensus）RANSAC。该算法可以从一组观测数据中（包含离群点），查找出符合某个数学模型的样本集，并估计出该数学模型的参数。对于点云处理来讲，给定一组点云数据，想要查找该点云数据中的平面点云、球面点云、或者直线点云等等，这些平面、球面、直线就是数学模型，以平面为例，RANSAN可以查找出想要的平面点云，并给出该平面参数，常用的有使用ransac进行自动驾驶场景的地面拟合，找出地面点云
ransac具体怎么实现上述功能
算法输入：数据 data，数学模型 models
算法输出：估计出的数学模型match_models，满足数学模型的数据 match_data
算法实现步骤：
- 随机筛选n个样本
- 用第一步筛选的n个样本计算数学模型
- 将其他的样本套进这个数学模型中，误差小于e的认为是内群点，大于e的作为外群点，并记录内群点的数量
- 当迭代次数小于设定的k值时，重复步骤1至步骤3，也就是再重新随机选择样本点，计算模型及当前模型下的内群点，最终将内群点最多的的模型作为算法输出的最终模型，此时的内群点即为算法输出的match_data
此算法中，随机选择的样本数量n，误差e，迭代次数k都需要提前设置，样本数量的选择与数学模型相关，比如直线最少需要2个点，要是圆，二次曲线，或者是球体等，也需要根据其模型确定需要的最少点数来定，迭代次数的话，可以根据经验值设定一个数，也可以根据一些概率估计的方法得出，或者是一些自适应的方法。
效果：
平面
