提出一种新的鲁棒匹配方法。
随机 样本一致性（ PROSAC）算法通过建立
临时对应关系中使用的相似性函数来利用在一组对应关系上定义的线性排序。
与 RANSAC不同，它将所有对应关系 平 等对待，并从整套集合中均匀地抽取
随机样本， PROSAC样本来自逐渐增加的 排序 最高的对应关系集。在一般的
假设下，相似性度量比随机猜测 能够 更好地预测匹配的正确性，我们证明 了
PROSAC可以节省大量的计算量。实验证明，它经常比 RANSAC快得多（高
达一百倍 以上）。对于已抽取的对应关系集的导出大小作为已抽取样本数的函
数， PROSAC在最坏的情况下 接近 于 RANSAC。该方法的强大功能在宽基线
匹配问题上得到验证 。
