完整版最小二乘法圆拟合.docxVIP

精品文档 精品文档 PAGE PAGE4 精品文档 PAGE 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(LeastSquareMethod)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 : xx0 2 (yy0)2 r2 （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： n (xix0)2 (yiy0)2 2 S r i 1 式中：xi,yii 1,2,...,n为圆弧上特征点坐标；n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 : n 2 x0)2 y0)2 r2 （2） E (xi (yi i1 则（2）式可改写为： n 2 r2（3） E xi2 2x0xi x02 yi2 2y0yi y02 i1 令,B2y0,A2x0Cx02 y02 r2 即（3）式可表示为： n xi2 yi2 2 E AxiByiC i 0 由最小二乘法原理，参数 A,B,C应使E取得极小值。根据极小 值的求法，A,B和C应满足 E n 2xi2 yi2 Axi Byi Cxi 0 A i0 E n 2 xi2 yi2 Axi Byi Cyi 0 B i 0 E n 2 xi2 yi2 Axi Byi C0 C i 0  (4) (5) (6) 求解方程组，先消去参数 C,则 n 式4 n 6 xi得 i 0 n n n n n n n n n n nxi2 xi xi Anxiyi xi yi Bnxi3 nxiyi2 xi2 yi2 xi0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 （7） 式5n n 6 yi 得 i 0 n n n n n n n n 2y n y2 n nxy i x i y i Any2 y y i Bny3 nx i x 2 y i 0 i i i i i i i i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 （8） 令 n n n M11 nxi2 xi xi（9） i0 i 0 i 0 n n n M12 M21 nxiyi xi yi（10） i0 i0 i 0 n n n M22 nyi2 yi yi（11） i0 i 0 i 0 n n n n H1 nxi3 nxiyi2 xi2 yi2 xi i 0 i 0 i 0 i 0 n n n n H2 nyi3 nxi2yi xi2 yi2 yi i 0 i 0 i 0 i 0  （12） （13） 将（7），（8）式写成矩阵形式 M11 M12 A H1 （14） M21 M22 B H2 根据式（14）和式（6）可得： A H2M12 H1M22 M11M22 M12M21 B H2M11 H1M21 M12M21 M11M22 n xi2 yi2 Axi Byi C i0 n 从而求得最佳拟合圆心坐标 x0,y0，半径r 的拟合值: x0 A,y0 B,r 1 A2 B2 4C 2 2 2 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 N0, 2 的随机数作为 2 噪声，其中 2为高斯分布的方差(单位：mm)，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