鲁棒最小二乘法 拟合圆

???????圆拟合算法_基于huber加权的拟合圆算法-CSDN博客

首次拟合圆得到采用的上述blog中的 K?sa Fit?方法。

该方法存在干扰点时，拟合得到的结果会被干扰。

首次拟合圆的方法

因此需要针对外点增加权重因子，经过多次迭代后，即可得到相对理想的结果。实验结果如下：

int main()
{
	float CenterX = 100;
    float CenterY = 100;
    float Radius = 30;
    Mat Image(Size(200, 200), CV_8UC3, Scalar(0, 0, 0));
	// 生成符合要求的点
	float dTheta = 2 * 3.1415926 / 30;
	vector<Point> vecP;
	for (size_t i = 0; i < 30; i++)
	{
		int x = CenterX + Radius * cos(i * dTheta) + rand() % 3;
		int y = CenterY + Radius * sin(i * dTheta) + rand() % 4;
		vecP.push_back(Point(x, y));
	}

	dTheta = 2 * 3.1415926 / 360;
	for (size_t i = 0; i < 360; i++)
	{
		int x = 110 + 25 * cos(i * dTheta);
		int y = 120 + 25 * sin(i * dTheta);
		vecP.push_back(Point(x, y));
	}

    std::random_shuffle(vecP.begin(), vecP.end());

	circleFittingIRLS(vecP, 5, CenterX, CenterY, Radius);
    circle(Image, Point(int(CenterX), int(CenterY)), int(Radius), Scalar(50, 250, 250), 1);

    for (size_t i = 0; i < vecP.size(); i++)
    {
        Image.at<Vec3b>(vecP[i].y, vecP[i].x)[0] = 150;
        Image.at<Vec3b>(vecP[i].y, vecP[i].x)[1] = 150;
        Image.at<Vec3b>(vecP[i].y, vecP[i].x)[2] = 150;
    }

	return 0;
}

基于opencv实现的拟合算法，上图绘制时，将圆心位置取整后绘制的示意图，因此存在一定偏差。

权重迭代 最小二乘法 IRLS?

参考下面blog:

迭代重加权最小二乘(IRLS)算法-CSDN博客

早看到这个就不写这个blog 了

Iterative Reweighted Least Squares（IRLS）_irls算法-CSDN博客