公司网站搭建教程,北京快速建站模板,商家怎么入驻百度,广西网站建设开发圆拟合算法_基于huber加权的拟合圆算法-CSDN博客
首次拟合圆得到采用的上述blog中的 Ksa Fit 方法。
该方法存在干扰点时#xff0c;拟合得到的结果会被干扰。
首次拟合圆的方法 因此需要针对外点增加权重因子#xff0c;经过多次迭代后…圆拟合算法_基于huber加权的拟合圆算法-CSDN博客
首次拟合圆得到采用的上述blog中的 Kåsa Fit 方法。
该方法存在干扰点时拟合得到的结果会被干扰。
首次拟合圆的方法 因此需要针对外点增加权重因子经过多次迭代后即可得到相对理想的结果。实验结果如下
code 链接
https://download.csdn.net/download/lipeng19930407/88648546
int main()
{float CenterX 100;float CenterY 100;float Radius 30;Mat Image(Size(200, 200), CV_8UC3, Scalar(0, 0, 0));// 生成符合要求的点float dTheta 2 * 3.1415926 / 30;vectorPoint vecP;for (size_t i 0; i 30; i){int x CenterX Radius * cos(i * dTheta) rand() % 3;int y CenterY Radius * sin(i * dTheta) rand() % 4;vecP.push_back(Point(x, y));}dTheta 2 * 3.1415926 / 360;for (size_t i 0; i 360; i){int x 110 25 * cos(i * dTheta);int y 120 25 * sin(i * dTheta);vecP.push_back(Point(x, y));}std::random_shuffle(vecP.begin(), vecP.end());circleFittingIRLS(vecP, 5, CenterX, CenterY, Radius);circle(Image, Point(int(CenterX), int(CenterY)), int(Radius), Scalar(50, 250, 250), 1);for (size_t i 0; i vecP.size(); i){Image.atVec3b(vecP[i].y, vecP[i].x)[0] 150;Image.atVec3b(vecP[i].y, vecP[i].x)[1] 150;Image.atVec3b(vecP[i].y, vecP[i].x)[2] 150;}return 0;
} 基于opencv实现的拟合算法上图绘制时将圆心位置取整后绘制的示意图因此存在一定偏差。
权重迭代 最小二乘法 IRLS
参考下面blog:
迭代重加权最小二乘(IRLS)算法-CSDN博客
早看到这个就不写这个blog 了
Iterative Reweighted Least SquaresIRLS_irls算法-CSDN博客
