参数曲线拟合

欢迎关注更多精彩
关注我，学习常用算法与数据结构，一题多解，降维打击。

问题描述

在平面内给定n个点 {Pi=(xi, yi)}, i = [1, n]。

进行参数化并拟合.

函数拟合与曲线拟合的区别

函数是一个x对应一个y, 曲线是一个x可以对应多个y.

而普通拟合算法只能是针对函数的.

所以,需要对曲线进行降维参数化,然后再利用之前的数据拟合算法来求解.

本征维度

曲线的本征维度为1维，展出来所在的空间叫做嵌入维度。
可以理解为把线拉直,就变成一维直线了，我们可以从直线上的任意1个点通过参数映射求出本来曲线的位置。
那么曲线就可以使用1个变量来参数化。

曲面的本征维度为2。
可以理解为把曲面展成平面，平面上的任意点都可以通过参数映射求出本来曲面上的点。
那么曲线就可以使用2个变量来参数化。

问题转化

一条曲线，不管在几维空间空中，其本质维度为1.

那么对于二维曲线来说，我们可以使用一组基配合两组不同系数来分别表示x, y。

$p(t)=\{\begin{array}{l}x＝\sum _{i=0}^m{a}_i{B}_i(t)\\ y＝\sum _{i=0}^m{b}_i{B}_i(t)\end{array}$

p(t) 就是我们要拟合的参数化曲线，t为参数, 定义域为[0,1]。

最小二乘构造

假设给定的点 Pi 已经有对应的参数为ti。

那么能量方程可以写成

$E＝\sum _{i=1}^n||p(t_i)-P_i|{|}^2=\sum _{i=1}^n{\Vert \left(\begin{array}{l}\sum _{i=0}^m{a}_i{B}_i(t_i)\\ \sum _{i=0}^m{b}_i{B}_i(t_i)\end{array}\right)-\left(\begin{array}{l}{x}_i\\ y_i\end{array}\right)\Vert }^2$

$E＝\sum _{i=1}^n{\Vert \left(\sum _{i=0}^m{a}_i{B}_i(t_i)\right)-x_i\Vert }^2+\sum _{i=1}^n{\Vert \left(\sum _{i=0}^m{b}_i{B}_i(t_i)\right)-y_i\Vert }^2$

上式前后两部分是两个独立的最小二乘问题，可以拆开后分别优化 得到a, b系数。

现在我们如何确定ti呢。本质上就是把曲线拉成直线，然后把每个点对应到直线上的某个位置。这个过程叫做参数化。

参数化的方式有很多，以下举几个常用的。

均匀参数化

第一个点和最后一个点分别对应0和1。

剩下的就把直线段分成n-1段。

第i个点的位置就是ti = (i-1)/(n-1)

弦长参数化

总弦长为

$tot=\sum _{i=2}^n|P_i-P_{i-1}|$

第一个点和最后一个点分别对应0和1。

$t_i=\frac{\sum _{k=2}^i|P_i-P_{i-1}|}{tot}$

向心参数化

$tot=\sum _{i=2}^n\sqrt{|P_i-P_{i-1}|}$

第一个点和最后一个点分别对应0和1。

$t_i=\frac{\sum _{k=2}^i\sqrt{|P_i-P_{i-1}|}}{tot}$

Foley 参数化

运行结果

代码链接：
https://gitcode.com/chenbb1989/geometric_model/tree/master/gohw2

采用参数化+多项式插值

---

本人码农，希望通过自己的分享，让大家更容易学懂计算机知识。创作不易，帮忙点击公众号的链接，帮忙转发，感激不尽。