最小二乘法曲线拟合（代码注释）

Devin_Ting

已于 2022-02-15 13:46:03 修改

阅读量2.8k

点赞数

分类专栏： SLAM 文章标签：最小二乘法人工智能算法

于 2022-02-14 22:18:05 首次发布

本文链接：https://blog.csdn.net/weixin_66299220/article/details/122933236

版权

本文介绍如何使用最小二乘法进行曲线拟合，通过拟合样条曲线计算点到曲线的欧拉距离，判断并去除噪点。首先确定曲线类型，如直线、二次曲线、对数函数或幂函数等，通过比较方差找到最佳拟合。

摘要由CSDN通过智能技术生成

最小二乘使所有点到曲线的方差最小.利用最小二乘对扫描线上的所有数据点进行拟合,得到一条样条曲线,然后逐点计算每一个点Pi到样条曲线的欧拉距离ei（即点到曲线的最短距离）,ε是距离的阈值，事先给定，如果ei≥ε，则将该点判断为噪点.

该方法最重要的事先拟合样条曲线。

确定曲线类型的方法：根据已知数据点类型初步确定曲线类型，经验观察初步尝试拟合函数类型.

曲线类型选择：直线，二次曲线，三次曲线，对数函数拟合，幂函数拟合，直至方差最小。

直线：f(X1) = aX1 + b;

二次曲线：f(X1) = aX12 + bX1 + c;

对数函数：f(X1) = a + b log(X1);

幂函数： f(X1) = aX1b

#include <iostream>
#include <opencv2/opencv.hpp>
#include <Eigen/Core>
#include <Eigen/Dense>

using namespace std;
using namespace Eigen;

int main(int argc, char **argv)
{
  double ar = 1.0, br = 2.0, cr = 1.0;         // 真实参数值
  double ae = 2.0, be = -1.0, ce = 5.0;        // 估计参数值
  int N = 100;