RANSAC算法的输入是一组观测数据，一个可以解释或者适应于观测数据的参数化模型，一些可信的参数。
　　RANSAC通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证：
　　1.有一个模型适应于假设的局内点，即所有的未知参数都能从假设的局内点计算得出。
　　2.用1中得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点。
　　3.如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理。
　　4.然后，用所有假设的局内点去重新估计模型，因为它仅仅被初始的假设局内点估计过。
　　5.最后，通过估计局内点与模型的错误率来评估模型。
　　这个过程被重复执行固定的次数，每次产生的模型要么因为局内点太少而被舍弃，要么因为比现有的模型更好而被选用。(The input of the RANSAC algorithm is a set of observational data, a parameterized model that can be interpreted or adapted to the observation data, and some trusted parameters.
RANSAC achieves the goal by repeatedly selecting a set of random subsets in the data. The selected subset is assumed to be a local point and is verified by the following method:)