很难找到一个流行的、轻量级的、通用的RANSAC ++实现。我刚刚在MIT许可下发布了我的通用RANSAC实现。
https://github.com/drsrinathsridhar/GRANSAC
GRANSAC是通用的、模板化的、仅头文件的和多线程的。用户必须实现继承AbstractModel的类。然后可以针对任何类型的模型（例如：2D线、3D平面）。
我已经测试了这只为二维线拟合，但应该工作的其他问题了。会很乐意添加更多的特性（比如自动选择迭代次数等）

一个好看的RANSAC，LMedS，MSAC，MLESAC C实现Windows和Linux在这里：https://github.com/sunglok/rtl。
RTL：RANSAC模板库RANSAC模板库（RTL）是一个开源的鲁棒回归工具，特别是RANSAC家族。RTL旨在提供快速，准确和简单的方法来估计任何受离群值（不正确的数据）污染的数据的模型参数。RTL包括最近的RANSAC变体，其性能评估与合成和真实数据的几个模型。RTL是以通用编程风格（C中的模板）编写的，用于用户定义模型的进一步应用。RTL在Simplified BSD License下分发。
基本类是RANSAC：

template <class Model, class Datum, class Data>
class RANSAC;

其他类继承自它：

template <class Model, class Datum, class Data>
class MLESAC : virtual public RANSAC<Model, Datum, Data>
...

用法很简单（来自README的示例）：

// Find the best model using RANSAC
LineEstimator estimator;
RTL::RANSAC<Line, Point, std::vector<Point> > ransac(&estimator);
Line model;
double loss = ransac.FindBest(model, data, data.size(), 2);

// Determine inliers using the best model if necessary
std::vector<int> inliers = ransac.FindInliers(model, data, data.size());

标签：https://sites.google.com/site/sunglok/files/Choi09_bmvc.pdf?attredirects=0

我正在寻找类似的东西，然后我发现了this。
代码是在C++在底部的一部分。
下面的函数最初是从class中提取的。

cv::Mat ransacTest(const std::vector<cv::DMatch>& matches, const std::vector<cv::KeyPoint>& keypoints1,const std::vector<cv::KeyPoint>& keypoints2, std::vector<cv::DMatch>& outMatches) {

   // Convert keypoints into Point2f
   std::vector<cv::Point2f> points1, points2;
   cv::Mat fundemental;

   for (std::vector<cv::DMatch>::const_iterator it= matches.begin(); it!= matches.end(); ++it) {
       // Get the position of left keypoints
       float x= keypoints1[it->queryIdx].pt.x;
       float y= keypoints1[it->queryIdx].pt.y;
       points1.push_back(cv::Point2f(x,y));
       // Get the position of right keypoints
       x= keypoints2[it->trainIdx].pt.x;
       y= keypoints2[it->trainIdx].pt.y;
       points2.push_back(cv::Point2f(x,y));
   }

   // Compute F matrix using RANSAC
   std::vector<uchar> inliers(points1.size(),0);

   if ( points1.size() > 0 && points2.size() > 0 ){

      cv::Mat fundemental= cv::findFundamentalMat(
            cv::Mat(points1),cv::Mat(points2), // matching points
            inliers,       // match status (inlier or outlier)
            CV_FM_RANSAC,  // RANSAC method
            3.0,           // distance to epipolar line
            0.99);         // confidence probability

      // extract the surviving (inliers) matches
      std::vector<uchar>::const_iterator itIn= inliers.begin();
      std::vector<cv::DMatch>::const_iterator itM= matches.begin();

      // for all matches
      for ( ;itIn!= inliers.end(); ++itIn, ++itM) {
         if (*itIn) { // it is a valid match
            outMatches.push_back(*itM);
         }
      }

      // The F matrix will be recomputed with all accepted matches
      // Convert keypoints into Point2f for final F computation

      points1.clear();
      points2.clear();

      for (std::vector<cv::DMatch>::const_iterator it= outMatches.begin(); it!=outMatches.end(); ++it) {
        // Get the position of left keypoints
        float x= keypoints1[it->queryIdx].pt.x;
        float y= keypoints1[it->queryIdx].pt.y;
        points1.push_back(cv::Point2f(x,y));
        // Get the position of right keypoints
        x= keypoints2[it->trainIdx].pt.x;
        y= keypoints2[it->trainIdx].pt.y;
        points2.push_back(cv::Point2f(x,y));
     }

     // Compute 8-point F from all accepted matches
     if( points1.size() > 0 && points2.size() > 0){
        fundemental= cv::findFundamentalMat(
        cv::Mat(points1),cv::Mat(points2), // matches
        CV_FM_8POINT); // 8-point method
     }

   }

   return fundemental;

}

可能为时已晚，但我发现Theiasfm的RANSAC实现非常高效，编写得很好，易于实现。库的作者还介绍了如何在documentation中包含自己的估计器模块。这可能是一个矫枉过正，以获得整个库为这样一个小的要求，但我张贴在这里，因为它的工作超级好。一件事是它使用Eigen v3.3.7和Ceres v1.14。要了解它是如何工作的，您可以查看作者为RANSAC编写的单元测试。此外，它实现了RANSAC的几个版本，例如：USAC、PROSAC等...