多项式曲线曲面拟合的方法

        用多项式进行曲线曲面拟合是比较常用的方法，一般用于拟合二次曲面和高阶曲面，关于拟合曲面的多项式阶数，即最高项次数取决于需要拟合曲面的复杂程度。

        曲线拟合方程通常是类似y=ax^2+bx+c,的形式，其中a b c是系数，x是自变量，用来表达二次曲线。曲面拟合方程是F(x,y)=a+bx+cy+dxy+ex^2+fy^2,其中a b c d e f是系数，表达二次曲面。高阶次的方程可以表达更复杂的曲面，方程只是系数和自变量次数的增加。

        拟合系数的计算方法主要是用最小二乘法，此方法原理是用一系列数据计算系数矩阵，计算步骤是构造等式方程（表达式移到左边做减法）的二范数误差表达式，对待求系数依次求偏导数，令偏导数等于零，最后构造矩阵形式 AH=B ，其中A为系数矩阵，H为待求系数，B为常数项，待求系数H=A^-1 B ，如果A不是方阵，用svd分解可求其最小特征值对应的特征向量即为待求系数。高阶多项式也可以用同样的方法求解。

        对于c++软件计算程序实现，可以采用eigen线性代数库计算结果用QR分解计算，或者opencv的QR分解接口也可以求解。matlab自带的曲面拟合最多支持五次多项式，更高阶的理论上也可以计算。笔者计算过七次多项式拟合高阶曲面，效果不错，计算速度也很快，在ms级别。

        拟合算法得计算难点在于，提供足够多的数据保证系数矩阵满秩，越高阶数据越多数据需求，另外正确的计算系数偏导数表达式也是一个必要条件。系数矩阵如果出错，拟合结果误差会相去甚远。

        拟合结果的检验方法可以把拟合曲面画出来与原始数据对比，或者计算均方根误差。

        理论上最小二乘法可以计算任意阶曲线曲面拟合方程。