最小二乘法圆拟合..docVIP

最小二乘法圆拟合 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: ,, 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 利用仿真的得来的数据（选取某一截面）用最小二乘法进行拟合，得到其拟合效果图如图3所示: 图3