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。