Skimage RANSACRegressor报错：至少需要2个输入点（附复现代码）

环境 #

• scikit-image：0.19.3

复现代码 #

from skimage.measure import LineModelND, ransac
import numpy as np

pts = np.array([[579,298],
 [604,276],
 [354,241],
 [156,240],
 [124,157],
 [625,105]])

model, inliers = ransac(pts, LineModelND, min_samples=4,residual_threshold=2, max_trials=1000)

报错信息 #

At least 2 input points needed.

报错位置：skimage/measure/fit.py 第92行

原因分析 #

这个错误的核心触发逻辑是：RANSAC随机采样min_samples=4个点时，部分采样组合的点集在LineModelND拟合过程中出现数值退化——比如采样点过于接近，导致协方差矩阵秩不足，无法计算有效直线方向向量，进而触发代码中点数检查的断言。你的点集虽有6个点，但部分点坐标差异极小（比如[354,241]和[156,240]的y坐标仅差1），再加上residual_threshold=2设置过低，放大了数值精度问题的影响。

解决方案 #

1. 调大残差阈值
   像素级点集的残差阈值设为2过于严格，适当调高可避免微小数值差异导致的拟合失败：

model, inliers = ransac(pts, LineModelND, min_samples=4, residual_threshold=10, max_trials=1000)

2. 预处理点集去重
   先移除重复或极度接近的点，减少无效采样组合：

# 去重（保留唯一坐标点）
pts = np.unique(pts, axis=0)
model, inliers = ransac(pts, LineModelND, min_samples=4, residual_threshold=2, max_trials=1000)

3. 改用2D专用直线模型
   你的点是2D数据，使用LineModel（专门针对2D直线）比通用的LineModelND更稳定，且可将min_samples设为2（符合2D直线拟合的最少点数要求）：

from skimage.measure import LineModel, ransac
import numpy as np

pts = np.array([[579,298],
 [604,276],
 [354,241],
 [156,240],
 [124,157],
 [625,105]])

model, inliers = ransac(pts, LineModel, min_samples=2, residual_threshold=2, max_trials=1000)

内容的提问来源于stack exchange，提问作者yazan sayed