Предлагается новый итерационный метод робастной оценки параметров модели преобразования изображений, основанный на оптимизации роем частиц. Главное отличие метода от метода случайного поиска RANSAC, часто применяемого для решения задач робастной оценки параметров в задачах компьютерного зрения, состоит в том, что на новых итерациях тестовые выборки генерируются не случайно, а с учетом информации о качестве модели, построенной но выборкам на всех предыдущих итерациях. Правила, по которым выборки уточняются, заимствованы из поведения роевых (стайных) живых существ. Эффективность нового алгоритма SwarmSAC иллюстрируется на примере задачи стереоотождествления двух изображений в присутствии ошибок сопоставления ("выбросов"). Результаты сравнения алгоритма с методом RANSAC демонстрируют преимущества нового алгоритма при решении задачи привязки изображений. Новый метод носит общий характер и может быть применен к разнообразным задачам робастной оценки параметров и отсеивания посторонних данных.
