机器视觉算法与应用--基于Tukey权重函数的最小二乘圆拟合

已于 2024-02-01 21:22:42 修改
阅读量1.6k 收藏 7
点赞数 2
分类专栏： 2D视觉 文章标签： 计算机视觉
于 2022-09-03 06:32:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lddx_123456/article/details/126672963
版权
2D视觉 专栏收录该内容
20 篇文章 ¥399.90 ¥499.90
订阅专栏
本文介绍了在机器视觉领域中，如何利用Tukey权重函数进行迭代重加权最小二乘圆拟合。首先，讨论了轮廓点的提取，通过一维边缘提取方法和极坐标变换来定位圆的边缘。接着，详细阐述了基于Tukey权重函数的迭代重加权最小二乘算法，用于精确拟合轮廓点。参考链接提供了更多相关算法的细节。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

订阅说明：如果要订阅，先看链接内容 看链接内容 看链接内容：订阅先看此内容

一、轮廓点的提取

参考本系列中【卡尺-一维边缘提取】

  • 采用一维边缘提取的方法提取待拟合圆的边缘点；
  • 一维边缘提取针对的是直线，这里是圆弧，如何提取？
    • 方法1：将每一个卡尺内的图像进行变换，使之与图像的行/列 水平或垂直。
      • 问题：随着卡尺数量的增加，采用这种方法的变换，开销是否增加？待验证
    • 方法2：直接对待提取区域进行极坐标变换(参考：机器视觉算法与应用–圆环展开为矩形)，使之成为矩形，之后再将其转换到原始图像中。

二、圆拟合-迭代重加权最小二乘算法

  • 具体推导如链接ÿ

了解本专栏 订阅专栏 解锁全文
拟合圆_matlab拟合圆_theory3aj_圆拟合_拟合圆_
10-03
matlab 拟合圆最小二乘法(least squares analysis)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。最小二乘法是用最简的方法求得一些绝对不可知的真值，而令误差平方之和为最小。 最小二乘法通常用于曲线拟合 (least squares fitting) 。
探索性数据分析exploratory data analysis-Tukey
09-16
In statistics, exploratory data analysis (EDA) is an approach to analyzing data sets to summarize their main characteristics, often with visual methods. A statistical model can be used or not, but primarily EDA is for seeing what the data can tell us beyond the formal modeling or hypothesis testing task.
非滤波单目视觉SLAM系统
Taylor Guo
04-24 5144
非滤波单目视觉SLAM系统 A survey on non-filter-based monocular VisualSLAM systems Taylor Guo, 2016年9月12日 -2017年4月12日 摘要 视觉SLAM过去15年的研究产生了大量可以使用的系统，广泛应用于机器人和增强现实应用中。滤波（卡尔曼滤波，粒子滤波）视觉SLAM更通用，非滤波（运动
机器视觉算法与应用--加权Tukey最小二乘直线拟合
lddx_123456的博客
08-31 2575
机器视觉算法与应用--加权Tukey直线拟合
【圆拟合算法】
2d3d图像算法 halcon\opencv\c++\pcl\vtk\coluldcompare工具 程序员 学习者
07-11 631
在计算机科学中，代数距离更常见用于分析数据点的关系，而在物理测量中，几何距离可能更为精确，尤其是在涉及真实世界物体形状和尺寸时。在Tukey算法中，异常点事被删除，而在Huber算法中，异常点仅仅是被抑制，或者更准确的说，它们是线性加权的。这种方法最小化轮廓点和结果圆之间的几何距离,这种算法在距离统计上是最优的，但需要更多的计算时间，如果轮廓点被噪声严重影响，建议使用这个选项；类似于“代数方法（algebraic）”，在此基础上，采用Tukey算法对轮廓点进行加权，忽略离群点;
圆拟合算法-加权平均法
pan的博客
07-09 2335
2、加权平均法问题：针对上一篇平均值法中存在的缺点：实际中各点不可能均匀分布在圆上，用平均值法求得的圆心位置偏向数据点密集的一边，求出的半径也可能偏小。解决思想：L：所有相邻两点之间的弧长之和；                Li：点（xi，yi）与相邻两点间的弧长（距离）之和；                Li/（2*1）：权值；                                ...
python opencv之提取轮廓并拟合圆
T20151470的博客
03-30 1949
图片存储地址为：C:\Users\Pictures\test.png，该图像图片背景是黑色的，目标区域是亮的，目标区域是两段圆弧和两段曲线构成的封闭区域，其中两段圆弧属于同一个圆，但在目标区域的相对位置，也就是不是相邻的，现在用python+opencv提取轮廓并拟合圆弧的圆心和半径。
直线拟合2
azhuazhu的专栏
02-25 2169
 Opencv中的fitLine函数，实现了《直线拟合》一文中的总体最小二乘法拟合直线。  C++: void fitLine(InputArray points, OutputArray line, int distType, double param, double reps, double aeps)   参数说明：                   points：需要拟合的点； ...
Python从0到100（六十一）：机器学习实战-实现客户细分
最新发布
Hello大家好，我是Dream，如果帮得到你，那我深感荣幸！想进粉丝福利群及免费送书群，直接私信我拉你。交流学习、商务合作：https://bbs.csdn.net/topics/614347534
09-30 3万+
在最后一部分，研究可以对聚类数据采用的方式。思考特定的送货方案对不同的客户群（即客户细分）有何不同影响。以及思考为每个客户设定标签（该客户属于哪个细分）可以如何提供关于客户数据的额外特征。最后，比较客户细分和数据中的隐藏变量，看看聚类分析是否发现了特定的关系。我选择的聚类算法和聚类数量，与酒店/餐厅/咖啡厅客户和零售客户分布图相比，效果还不错，但也还存在一些异常数据。根据Dimension看到划分’零售客户’或者是’酒店/餐厅/咖啡厅客户’分布还不错。这些分类和之前的客户细分定义大体一致。
一文理解偏态数据和偏态分布、长尾数据分布、数据异常值分析与处理
叶庭云 成为自己的光
06-27 1311
一文理解偏态数据和偏态分布、长尾数据分布、数据异常值分析与处理
多项式拟合：鲁棒学习-Tukey损失最小化
Taosy
08-14 1876
clear; clc; n = 10; N = 1000; x = linspace(-3, 3, n)'; X = linspace(-4, 4, N)'; rng('default'); y = x + 0.1*randn(n,1); y(n) = -4; % 异常值 y(n - 1) = -4; y(2) = -4; p(:, 1) = ones(n, 1); p(:...
最小二乘法直线拟合
09-08
最小二乘法直线拟合算法 最小二乘法直线拟合算法 最小二乘法直线拟合算法
模拟cooley-tukey FFT算法
01-17
模拟cooley-tukey FFT算法，此算法方便设计大点数FFT加速器
OpenCV实现鲁棒直线与圆的拟合
qq_37299618的博客
02-24 4704
对于OpenCV中提供的直线拟合函数fitLine函数虽然提供了L1、L12、L2、Fair、Welsch、Huber等权重方法，但是在效果上仍然比不上商业算法，而且没有圆拟合的算法。
C#_N点求圆_拟合法
QQ61317783的博客
07-13 3812
n点求圆简单 ，但是在点位数据采集时候往往存在各种各样的误差，致使计算结果误差较大。所以写了一个3点拟合一个新点。形成内外圆拟合均分法求出圆心及坐标数据点采集如下图绿色圆为真圆 红色圆为拟合计算圆 点位为采集点已知圆心和半径根据采集点求拟合圆心和半径点位拟合代码 //拟合点 public static double[,] nihe(double[,] XY) { ...
机器学习（三）—python实现最小二乘法
菜鸟08哥的微博（记录个人学习点滴，与君共勉）
09-15 2万+
机器学习（三）
tukey 窗口_【最新推荐】tukey窗函数-精选word文档 (9页)
weixin_30696755的博客
12-24 1093
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！==本文为word格式，下载后可方便编辑和修改！==tukey窗函数篇一：窗函数的实现及分析1窗函数1.1基本概念在实际进行数字信号处理时，往往需要把信号的观察时间限制在一定的时间间隔内，只需要选择一段时间信号对其进行分析。这样，取用有限个数据，即将信号数据截断的过程，就等于将信号进行加窗函数操作。而这样操作...
迭代重加权最小二乘(IRLS)算法
yezhaobin的博客
07-29 2万+
迭代重加权最小二乘算法 1. 概述 对于数据点集合中，如果存在少量离群点，使用标准的最小二乘法进行拟合，往往可以得到满意的结果。但当离群点的比重增加时，例如当需拟合的圆部分被遮挡，使用标准的最小二乘法进行拟合，结果便不可靠，如下图所示，因为即便是离群点，其为偏差EEE的贡献权值www仍为1。 针对上述情况，使用==迭代重加权最小二乘法（IRLS）==可以在一定程度上解决上述问题。IRLS方法引入一个距离权重函数w(δ)w(\delta)w(δ)，权重可通过已经计算出来的距离来计算。 2. 两个权重函数 2
【halcon 实现模板匹配，定位，找线，找点，找圆】
qq_41648925的博客
12-30 2万+
halcon，形状模板匹配，卡尺找线，找圆，交点，，，
tukey最小二乘算法
01-07
Tukey最小二乘算法(Tukey's bisquare algorithm)是一种用于拟合数据的统计方法。它是一种鲁棒性的回归方法，可以有效地处理数据中存在的离群点或异常值。 Tukey最小二乘算法基于加权最小二乘法，但在计算误差项的权重时，引入了一个截断函数，使得离群点的权重更小。这个截断函数通常使用Tukey的双二次截断函数，它在一定范围内为1，在超过这个范围后线性地减小，直到为0。这样，离群点对拟合结果的影响被有效地减小。 Tukey最小二乘算法的核心思想是通过迭代进行加权最小二乘拟合。在每一次迭代中，根据上一轮拟合的残差，重新计算权重，并使用权重来求解回归模型的参数。迭代过程会持续进行，直到误差的变化小于一个事先设定的阈值，或者达到了最大迭代次数。 与传统的最小二乘拟合相比，Tukey最小二乘算法具有更好的鲁棒性。它可以减小离群点对拟合结果的影响，使得在存在离群点的情况下得到更准确的拟合结果。然而，这种算法也存在一些问题。一方面，如果离群点的比例较高，可能会导致拟合结果的偏差。另一方面，截断函数的选择也需要根据具体问题进行权衡。 总体而言，Tukey最小二乘算法是一种灵活可靠的回归方法，适用于处理存在离群点的数据集。在实际应用中，根据具体问题的特点和数据的性质，可以选择不同的截断函数和参数设置，以获得更好的拟合效果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

让让布吉

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值