我正在用最小二乘法将平面拟合到3D点集。我已经有算法可以做到这一点,但是我想对其进行修改以使用加权最小二乘。意思是我对每个点都有权重(权重越大,平面应该越靠近该点)。
当前算法(无权重)如下所示:
计算总和:
for(Point3D p3d : pointCloud) { pos = p3d.getPosition(); fSumX += pos[0]; fSumY += pos[1]; fSumZ += pos[2]; fSumXX += pos[0]*pos[0]; fSumXY += pos[0]*pos[1]; fSumXZ += pos[0]*pos[2]; fSumYY += pos[1]*pos[1]; fSumYZ += pos[1]*pos[2]; }
比做矩阵:
double[][] A = { {fSumXX, fSumXY, fSumX}, {fSumXY, fSumYY, fSumY}, {fSumX, fSumY, pointCloud.size()} }; double[][] B = { {fSumXZ}, {fSumYZ}, {fSumZ} };
比解Ax = B且解的3个分量是拟合平原的系数…
那么,您能帮我如何修改此值以使用权重吗?谢谢!
直觉
的点x上的平面限定由正常n和上平面上的点p服从:n.(x - p) = 0。如果点y不在平面上,n.(y -p)将不等于零,因此定义成本的一种有用方法是|n.(y - p)|^2。这是点y到平面的平方距离 。
x
n
p
n.(x - p) = 0
y
n.(y -p)
|n.(y - p)|^2
在权重相等的情况下,您希望找到一个n在对各点求和时将总平方误差最小化的:
f(n) = sum_i | n.(x_i - p) |^2
现在假设我们知道飞机上的 某个 点p。我们可以轻松地将质心计算为质心,质心只是点云中各点的按分量平均,并且始终位于最小二乘平面中。
解
让我们定义一个矩阵M,其中每行是ith点x_i减去质心c,我们可以重写:
M
ith
x_i
c
f(n) = | M n |^2
您应该能够使自己确信,此矩阵乘法版本与先前公式的总和相同。
然后,您可以采取奇异值分解的M,和n你想的那么由右奇异向量给出M对应于最小奇异值。
要合并权重,您只需w_i为每个点定义一个权重。计算c为点的加权平均值,然后sum_i | n.(x_i - c) |^2以类似的方式更改为sum_i | w_i * n.(x_i - c) |^2和M。然后像以前一样解决。
w_i
sum_i | n.(x_i - c) |^2
sum_i | w_i * n.(x_i - c) |^2