基于最小割算法的点云分割
计算机图形学课两个课题之一，我的第一个选题其实就已经把第二次选题（图形分割）做完了，老师问我，那你还用第一次选题的RANSAC算法吧，结果脑子一热装了把逼“不不，我做最小割算法分割吧，学习新知识嘛”。
1.与其他分割算法的不同：
目标：不是将点云分成多个部分，而是将前景对象从背景点中分离出来
特点：
- 不关心细粒度特征例如曲率，而是只依赖点间距和点密度来分割。
分类： 图形学
使用RANSAC进行平面模型分割
RANSAC
- RANSAC（Random Sample Consensus），即随机采样一致性算法。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。该算法最早由Fischler和Bolles于1981年提出。
- 输入：一个数据集（点云），一个适用的模型（平面模型），一个可靠性参数（距离阈值）