基于matlab的机器视觉测量---最小二乘法(10)
·
上篇我们已经对最小二乘法的原理进行了详细的阐述,今天我们就把原理如何转化为程序进行一定的运用。
具体程序如下:
clc
clear
%%% A是坐标矩阵,代表每个坐标的x和y
A=[ 196.0000 245.0000
197.0000 227.0000
199.1765 212.7059
203.5882 195.0588
210.6471 178.2941
221.2353 165.0588
230.9412 150.9412
245.0588 142.1176
258.2941 131.5294
273.2941 125.3529
290.0588 120.9412
305.0588 117.4118
321.8235 117.4118
339.4706 119.1765
358.0000 123.5882
373.8824 129.7647
388.0000 136.8235
401.2353 149.1765
412.7059 161.5294
423.2941 174.7647
430.3529 189.7647
436.5294 207.4118
440.0588 223.2941
440.0588 240.9412
439.1765 258.5882
433.8824 274.4706
428.5882 291.2353
419.7647 305.3529
410.0588 319.4706
397.7059 330.9412
383.5882 342.4118
370.3529 350.3529
353.5882 355.6471
336.8235 360.0588
320.9412 360.9412
303.2941 360.0588
286.5294 357.4118
268.8824 351.2353
253.8824 342.4118
240.6471 332.7059
229.1765 320.3529
218.5882 308.8824
208.8824 293.8824
201.8235 278.8824
198.2941 261.2353];
X=A;
n=length(X(:,1)); %矩阵x的第一列长度等于n
y=ones(n,1); %生成n行1列的元素为1的矩阵赋给y
b=[rand(1)*1000 rand(1) rand(1)]; %rand(1)产生一个维度是1的列向量
fun=inline('X(:,1).^2+X(:,2).^2+a(1)*X(:,1)+a(2)*X(:,2)+a(3)','a','X');
[a,r,J]=nlinfit(X,y,fun,b); %x,y为原始数据,fun是在M文件中定义的函数,b是函数中参数的初始值
%a为参数的最优值,r是各点处的拟合残差,J为雅可比矩阵的数值
vpa(a,10) %vpa(a,10),a的运算精度为10-a的位数
X1=-a(1)/2;Y1=-a(2)/2; %圆心
d =sqrt(a(1)^2+a(2)^2-4*a(3)); %半径
theta=0:0.01:2*pi;
%利用极坐标得到圆的坐标
Circle1=X1+d*cos(theta);
Circle2=Y1+d*sin(theta);
%画圆
plot(Circle1,Circle2,'m');
plot(A(:,1),A(:,2),'.');
hold on
%axis equal
axis square
X1
Y1
d
更多推荐
所有评论(0)