RANSAC算法已广泛应用于计算机视觉等工程领域。但是，如果我理解得很好，使用该算法时需要设置两个参数：一个与迭代次数有关，另一个与估计模型的阈值有关。以线性线估计问题为例：
图片中的蓝点代表离群点，而红点代表离群点。
迭代次数表明我们应该尝试多少次才能找到正确的线模型。我们尝试的越多，就越有可能获得正确的模型。但是，消耗时间也会增加。此外，迭代次数还与数据集中异常值的百分比有关。存在的异常值越少，我们可以预期的迭代就越少。
模型的阈值取决于手头的问题。如果设置得太严格，可以拟合模型的数据将变得无用，从而导致估计不准确。此外，严格的模型阈值也可能导致错误的模型。如果设置得太松，异常值可能会发挥作用。
暂时我对这两个参数的设置方案如下： 1）迭代次数：开始时粗略估计异常值的百分比，如果百分比高，则需要更多的迭代；否则，迭代次数设置相对较低。2）模型阈值：一开始设置一个比较大的阈值保持，然后根据它们与模型的接近程度给内点一个权重。如果异常值碰巧变成了异常值，它们不会显着影响模型估计。我想知道 RANSAC 参数设置是否存在其他解决方案。谢谢！