最小二乘法圆拟合范例.doc_第1页
最小二乘法圆拟合范例.doc_第2页
最小二乘法圆拟合范例.doc_第3页
最小二乘法圆拟合范例.doc_第4页
最小二乘法圆拟合范例.doc_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

最小二乘法圆拟合1. 最小二乘法圆拟合原理1.1理论 最小二乘法(Least Square Method )是一种数学优化技术。它通过最小化误差的平方和找到一组数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。1.2最小二乘圆拟合模型公式推导 在二维平面坐标系中，圆方程一般可表示为: （1） 对于最小二乘法的圆拟合，其误差平方的优化目标函数为：式中：为圆弧上特征点坐标；为参与拟合的特征点数。 在保持这优化目标函数特征的前提上，我们需要对其用一种稍微不同的改进方法来定义误差平方，且其避免了平方根，同时可得到一个最小化问题的直接解，定义如下: （2） 则（2）式可改写为：（3） 令, 即（3）式可表示为： 由最小二乘法原理，参数,应使取得极小值。根据极小值的求法，,和应满足 (4) (5) (6) 求解方程组，先消去参数,则 式得（7）式得（8）令（9）（10）（11）（12）（13）将（7），（8）式写成矩阵形式 （14）根据式（14）和式（6）可得：从而求得最佳拟合圆心坐标，半径的拟合值:,2. 仿真数据分析首先设置仿真圆心(x0,y0),半径R0，在根据实际数据任意选取一段圆弧，产生N组随机数据。考虑实际测量的点云数据中伴随有一定高斯躁白声，因此在每个点添加服从高斯分布的随机数作为噪声，其中为高斯分布的方差(单位：)，在噪声标准差()下产生N组随机噪声数据。最后利用最小二乘法原理对仿真得到的N组随机噪声数据进行拟合，并分析其半径误差与圆心误差。下面任取圆上pi*35/180到6*pi/7圆弧段，以仿真圆心（8.116mm，2.695mm），半径0.875mm作实例分析。在matlab软件中得到的仿真数据效果图图2所示： 图2利用仿真的
人人文库> 全部分类> 行业资料 > 管理策划

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论