1.一种基于邻域一致和残差排序的指导性数据采样方法,其特征在于，所述方法应用于计算机视觉任务，所述计算机视觉任务包括视频编码变换估计、增强现实、3D刚性配准和平面检测；所述方法包括以下步骤：步骤S1:从输入图像数据中随机选取一个数据，然后通过计算选定数据点的邻域一致信息来判断该数据点是否为内点；如果选定的数据点是内点，则将选择该数据点作为种子数据,否则，重复执行步骤S1，直到选择一个内点或达到最大重复次数,如果在迭代执行上述步骤后未找到一个内点，则随机选择一个数据点作为种子数据；

步骤S2:选定种子数据后，通过残差索引来计算种子数据和输入数据的采样权重；

步骤S3利用采样权重从除种子数据以外的输入数据中选取数据子集的其它数据；

所述残差索引，具体为：

(1)把第i个数据点xi与Θ中包含的N个模型假设的残差向量记为其中 是xi与第j个模型假设的残差；

(2)非降序地排列ri中的元素，得到残差索引向量

(3)由残差索引向量，计算不同数据间相关性，相关性值越大，越可能来自同一结构，xi与xj的相关性计算如下 其中 表示κi中的前h个元素，而 表示和 相同的索引个数。

2.根据权利要求1所述的基于邻域一致和残差排序的指导性数据采样方法,其特征在于，所述步骤S1具体为：(1)：给定输入数据X，采样次数Z，初始模型假设的个数L，马尔可夫链蒙特卡罗的参数β，种子数据选择最大次数G和批次大小b；

(2)：判断当前采样次数τ是否小于等于Z，如果小于，那么执行步骤(3)至步骤(8)；否则，结束程序；

(3)：判断当前采样次数τ是否小于L，如果小于，那么执行步骤(4)；否则，执行步骤(5)；

(4)：用随机采样算法从输入数据中采样一个最小数据子集Sτ；

(5)：判断生成的随机数是否小于β，如果小于，那么执行步骤(6)；否则，执行步骤(7)；

(6)：使用参数G和领域一致信息尝试选择数据子集的第一个数据，即种子数据；

(7)：判断是否找到种子数据，如果没有，那么执行步骤(8)；

(8)：随机选择一个数据作为种子数据。

3.根据权利要求2所述的基于邻域一致和残差排序的指导性数据采样方法,其特征在于，所述步骤(6)，具体为：步骤S61：从输入数据中随机选择一个数据xi＝{ui,vi}；

步骤S62：用式(1)判断xi是否为内点

其中α是尺度个数，Kj是领居个数， 表示和特征点ui最近的Kj邻居的索引，而表示特征点ui和vi的相同特邻居个数；若pi大于指定阈值，判定xi为内点；否则，为离群点；

步骤S63：若xi为内点，把xi设为种子数据并结束子程序；否则，重新执行步骤S61至步骤S63。

4.一种基于邻域一致和残差排序的指导性数据采样系统，其特征在于，包括处理器、存储器以及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时，具体执行如权利要求1‑3任一项所述的基于邻域一致和残差排序的指导性数据采样方法中的步骤。