Ransac算法Matlab

function [results options] = RANSAC（X options）

% [results options] = RANSAC（X options）
%
% DESC:
% estimate the vector of parameters Theta using RANSAC （see source [1]
% [2]）
%
% VERSION:
% 1.1.5
%
% INPUT:
%
% X                 = input data. The data id provided as a matrix that has
%                     dimesnsions 2dxN where d is the data dimensionality
%                     and N is the number of elements
%
% options           = structure containing the following fields:
%
%   sigma               = noise std
%   P_inlier            = Chi squared probability threshold for inliers
%                         （i.e. the probability that an point whose squared
%                          error is less than T_noise_squared is an inlier）
%                         （default = 0.99）
%   T_noise_squared     = Error threshold （overrides sigma）
%   epsilon             = False Alarm Rate （i.e. the probability we never
%                         pick a good minimal sample set） （default = 1e-3）
%   Ps                  = sampling probability （ 1 x size（X 2） ）
%                         （default: uniform i.e. Ps is empty）
%   ind_tabu            = logical array indicating the elements that should
%                         not be considered to construct the MSS （default
%                         is empty）
%   validateMSS_fun     = function that validates a MSS
%                         Should be in the form of:
%
%                         flag = validateMSS_foo（X s）
%
%   validateTheta_fun   = function that validates a parameter vector
%                         Should be in the form of:
%
%                         flag = validateTheta_foo（X Theta s）
%
%   est_fun             = function that estimates Theta.
%                         Should be in the form of:
%
%                         [Theta k] = estimate_foo（X s）
%
%   man_fun             = function that returns the residual error.
%                         Should be in the form of:
%
%                         [E T_noise_squared] = man_fun（Theta X）
%
%   mode                = algorithm flavour
%                         ‘RANSAC‘  -> Fischler & Bolles
%                         ‘MSAC‘    -> Torr & Zisserman
%
%
%   max_iters           = maximum number of iterations  （default = inf）
%   min_iters           = minimum number of iterations  （default = 0）
%   max_no_updates      = maximum number of iterations with no updates
%                         （default = inf）
%   fix_seed            = true to fix the seed of the random number
%                         generator so that the results on the same data
%                         set are repeatable （default = false）
%   reestimate          = true to resestimate the parameter vector using
%                         all the detected inliers
%                         （default = false）
%   verbose             = true for verbose output
%                         （default = true）
%   notify_iters        = if verbose output is on then print some
%