各种拟合算法整理
1. 最小二乘法
2. 霍夫变换
3. RANSAC算法
本篇将介绍最小二乘法(Least Square)、霍夫变换(Hough Transform)和RANSAC(random sample consensus，随机抽样一致性算法)算法的原理、应用和代码。
如果已经知道了一组可靠的点，可以直接使用最小二乘法完成拟合；如果点集中包含少量的噪声，建议使用加强版的最小二乘法，霍夫变换以及RANSAC算法；如果点集中包含大量噪声，推荐使用霍夫变换和RANSAC算法。
1. 最小二乘法
最小二乘法是一种常用的数学方法，用于拟合数据点到一个数学模型，并求解模型的参数，使得拟合数据点与模型之间的误差平方和最小化。基础版本的原理如下:
拟合模型: 假设有一组数据点 ( x i , y i ) \left(x_{i}, y_{i}\right) (x