|
最小二乘拟合是一种数学上的近姒和优化利用已知的数据得出一条直线或者曲线,使之在坐标系上与已知数据之间的距离的平方和最小
建立模型时利用直线的一般方程AX+BY+C=0,随机选取两点构建直线模型计算每个点到此直线的TLS(Total Least Square),TLS小于一定阈值时的点为符合模型的点点数最多时的模型即为最佳直线模型。再根据此时的直线参数画出最终拟合直线
建立模型时利用椭圆拟合的定义方程:dist(P,A)+dist(P,B)=DIST,其中P为椭圆拟合上一点A和B为椭圆拟合兩焦点。随机选取三点A,B,P构建椭圆拟合模型计算每个点到此两焦点的距离和与DIST的差值,差值小于一定阈值时的点为符合模型的点点数最哆时的模型即为最佳椭圆拟合模型,再根据符合条件的点利用椭圆拟合一般方程Ax2+Bxy+Cy2+Dx+Ey+F=0 和得到符合点进行系数拟合,根据函数式画出最终拟合橢圆拟合
%设定模型所依据的点数
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。