基于正交整体最小二乘平面拟合的点云数据去噪方法研究

点云数据去噪处理是配准、三维模型重建等工作的关键。针对大量具有平面特征的物体点云数据去噪处理,本文提出一种基于正交整体最小二乘平面拟合的点云数据去噪方法,并与传统方法进行对比分析及实例验证。结果表明,该方法算法简单,去噪精度高,具有较高的可行性及广泛的适用性。

基于整体最小二乘的稳健点云数据平面拟合

针对点云数据平面拟合方法没有完整考虑测量数据中的误差及系数阵中误差的情况,提出稳健整体最小二乘点云数据平面拟合方法。该法以整体最小二乘法为基础,在考虑全部观测量存在误差的情况下,通过一定的准则删除数据中的粗差或异常值,从而获得稳健的平面参数估值。实验中,分别利用最小二乘法、特征值法和稳健整体最小二乘拟合法对仿真点云数据和真实点云数据进行平面拟合,结果显示该法能克服异常值的影响,得到可靠的平面参数估值,具有稳健性。

融合正交几何信息的非线性等式约束整体最小二乘平差及迭代算法

正交距离最小二乘和加权整体最小二乘是解自变量含误差拟合问题的两种独立准则。加权整体最小二乘与正交距离最小二乘不同,它不考虑测量点与拟合点之间的连线垂直于拟合对象的几何信息,不能确保测量点到拟合对象的距离的平方和为极小值。针对该问题,本文将正交几何信息作为约束条件融入加权整体最小二乘,提出一种约束方程带有误差改正数的非线性等式约束整体最小二乘平差法。首先,把加权整体最小二乘平差的函数式看作是非线性方程,连同正交几何约束方程一并线性化,得到线性的平差函数方程;然后,采用拉格朗日乘数法推导其参数估计及精度评定公式,并给出迭代计算算法;最后,以平面直线拟合为例,对本文方法和计算算法进行验证。试验结果表明:①本文方法和算法具有可行性;②与加权最小二乘和加权整体最小二乘相比,本文方法计算的测量点到拟合直线的垂直距离平方和最小;③本文方法计算的测量点到拟合直线的距离与测量点到拟合点的距离相等。

基于正交函数系最小二乘拟合的姿态平滑方法

针对高速测控目标姿态数据平滑过程中的微小抖动及处理滞后现象,提出了基于正交函数系最小二乘拟合的姿态数据实时平滑方法,该方法具有平滑效果好、实时性强,基本消除了姿态数据的"抖动"现象,对飞行特性不太平稳的目标适应性较强,在无人机试验中得到了良好的应用。

基于最小二乘的正交距离拟合方法研究

对点云进行拟合以获得信息模型是许多工程应用领域的一个核心问题,其目的是根据设计模型和规范的要求,高精度地对三维部件、工件进行检查、检核。在最小二乘原理的基础上,阐述了一种新的拟合方法——几何正交距离拟合,运用这种方法的算法处理标准几何体测量数据,并与一般代数拟合方法处理结果进行比较,分析了同一几何体运用不同方法对拟合结果的影响。得出在测量点误差较大的情况下和进行曲线曲面拟合时,几何正交距离拟合方法优于一般代数拟合方法。

基于正交最小二乘模型拟合的DPF故障诊断方法

根据柴油机颗粒过滤器(DPF)堵塞与泄漏故障型式开展了排气阻力试验和发动机台架试验,获取了排气流量、排气温度、排气压差等主要故障特征参数数据。通过与传统压降模型进行对比分析,将正交最小二乘方法应用于DPF的故障诊断,形成基于正交最小二乘模型拟合的DPF故障诊断方法,并用试验采集到的主要故障特征参数数据对模型拟合方法进行了可行性验证。通过定义一个错误系数向量,分析了广义故障空间中不同故障型式DPF所形成的故障区域,为DPF故障诊断技术的发展提供了理论依据。通过错误系数向量能够判断出故障程度及堵塞、泄漏等故障型式,基于该结果可以进行DPF故障诊断。

基于正交距离最短的平面线形拟合方法及应用

线形拟合在轨道的调整中具有非常重要的作用,考虑到铁路轨道测量实测点的平面坐标x和y中均包含误差,提出基于正交距离最短的直线和圆曲线线形拟合方法,并对利用该方法进行拟合的原理进行阐述。目前常用的线形拟合方法是普通最小二乘法,主要考虑x或y某一个方向上的误差。按照正交距离最短和最小二乘2个准则,论证了同时考虑x和y 2个方向误差的正交距离最小二乘法要优于普通最小二乘法。通过实例计算分析,2种方法对于同一组线形测量数据的拟合结果表明,正交距离最小二乘法的验后精度高于或接近普通最小二乘法,而且残差即为轨道点至拟合线形的拨道量,同时前者具有更小的圆度,说明调整量区间更小。以上内容证明了在铁路既有线线形整正优化中正交距离最小二乘法优于普通最小二乘法。

实验数据最小二乘法拟合的正交多项式程序研制

用正交多项式进行曲线拟会是一种处理实验数据的重要手段，而在程序研制过程中，曲线拟合的优度，以及正交多项式最佳阶数的选择是一个很关键的问题，本工作利用U检验，确定最佳阶数，用编制的程序来拟合实验数据，得到了令人满意的结果。

利用正交多项式作最小二乘拟合的应用及其QBASIC程序

本文介绍了利用正交多项式作最小二乘拟合的方法及其QBASIC ,并对用该方法解出的二次多项式进行了拟合效果分析。

混合整体最小二乘在点云数据平面拟合中的应用

针对最小二乘对三维点云数据平面拟合未同时考虑三个方向误差的缺点,提出运用混合整体最小二乘方法进行点云数据平面的拟合。该方法在整体最小二乘的基础上,对系数矩阵进行常数项和未知项分项求解。为获得较稳定的拟合平面,对点云数据中的异常值进行剔除,获得较优的点云数据,从而得到较好的拟合平面。实验中,分别利用最小二乘拟合方法和混合整体最小二乘拟合方法对三维激光扫描点云数据进行平面拟合,通过实验得出本文提出的稳健混合整体最小二乘平面拟合方法对点云数据平面拟合具有较好的稳定性和较高的精度。

多维正交整体最小二乘应用研究

以往整体最小二乘的研究是在二维基础上探讨模型的适用性,但从二维延伸到多维的过程中,会引入过多的自变量与因变量误差,而在模型解算过程中,又不能完全考虑每一个误差变量,造成了误差的偏执,形成整体最小二乘最优结果的虚假现象。本文对二维延伸到多维的整体最小二乘、所产生的误差偏执、模型变异问题进行分析,引入了多维正交整体最小二乘,避开了误差变量的影响,使得二维、多维的整体最小二乘解算结果都可以达到最优。

正交多项式曲线拟合

介绍最小二乘法拟合曲线的原理并且找出这种拟合方法的不足,针对这种不足提出另外一种新的拟合方法正交多项式拟合。这种方法能弥补最小二乘拟合中的x拟合y和y拟合x出现的曲线不一样的现象。这种方法经过数据实验精度比最小二乘法拟合更高,而且这种方法中的多项式系数a可以根据自己的精度需要来自主选择迭代的次数,使得结果更加精确。

实验数据的最小二乘拟合算法与分析

曲线拟合的优度,以及正交多项式最佳阶数的选择是程序研制过程中一个很关键的问题,用正交多项式最小二乘法进行曲线拟合是一种处理实验数据的重要手段。通过严格的数学推导,选择正交多项式,采用最小二乘逼近作为拟合实验数据的方法,利用F检验,确定实验数据拟合优度及最佳阶数,用编制的程序来拟合实验数据,得到了较好的结果。

基于正交多项式的数据拟合方法

在一般多项式曲线拟合的基础上,讨论了关于数据点集的正交多项式的定义、性质及构造方法,并将这一类正交多项式用于原始数据缺失及基函数缺项时的数据拟合问题。数值实验表明正交多项式拟合与一般多项式拟合可以得到同样的结果,而正交多项式拟合的计算更为简便。

基于正交正弦函数基的数值拟合方法

基于谐波分析理论 ,提出了基于正交正弦函数基的数值拟合方法 .该方法以一组具有广泛匹配能力的正弦函数 (sinα1,sinα2 ,… ,sinαn)作为拟合函数基 ,根据待拟合离散数据 y,运用最小二乘法 ,计算出所有谐波的振幅 (a0 ,a1,a2 ,… ,an) .采用正交化正弦函数基 (sinα,sin 2α,… ,sin nα)进行计算 ,从而使得系数的计算大为简化 ;预先分离出由两端点构成的直线组成的线性成分 ,采用纯非线性项进行拟合 ;以拟合数据覆盖半周期假定为基础 ,采用中心对称延拓方法完成另半周期延拓 .在同样项数下 ,本方法比傅立叶分析精度高 ,无须了解待拟合数值的更多特性 ,避免了经常发生的端点处出错现象 .同时 ,由于它是基于最小二乘原理的 ,可用来拟合带权数据 。

基于正交多项式拟合的气象数据处理方法

针对高空气象探测数据变化规律复杂、突变情况不可预测、数据量大等特点,提出了基于离散数据正交多项式最小二乘的分段拟合方法.首先,从计算稳定性角度,说明了采用离散数据的正交多项式最小二乘法的原因;其次,从曲线拟合的保形性角度,详细阐述了二次分段拟合原则;最后,以具有典型特征的气温探测数据为例,证明了采用基于离散数据正交多项式最小二乘的分段拟合方法能够获得明显优于传统内插方法的拟合精度,提高高空气象探测数据处理的精度和自动化处理程度.

基于最小二乘的点云叶面拟合算法研究

利用地面激光扫描仪(TLS)获取户外树木的大量点云数据,从中截取树叶点云数据并以此来进行曲面拟合,构建树叶真实三维模型。主要针对空间散乱点云数据的曲面拟合方法进行研究。在最小二乘法、正交最小二乘法、移动最小二乘法等3种二维曲面拟合方法基础上,针对空间散乱点云数据,提出新的曲面拟合方法。通过比较这3种方法对点云数据曲面拟合后效果,得出结论:针对树叶散乱点云数据,移动最小二乘法能够有效的拟合出树叶的曲面。

基于整体最小二乘的平面坐标转换模型比较

在平面坐标转换中,观测向量和系数矩阵都可能存在误差,此时采用整体最小二乘方法更为合理。针对不同坐标转换模型的转换精度存在差异,本文基于整体最小二乘方法,在MATLAB平台下实现了四参数模型、六参数模型和二次曲面模型,并通过实验对比分析了不同模型的精度及适用条件。

基于RANSAC和TLS的点云平面拟合

针对点云平面拟合过程中出现的异常值及误差的问题,提出一种将随机采样一致(random sample consensus,RANSAC)算法与整体最小二乘法(total least squares,TLS)相结合的点云平面拟合方法。利用随机采样一致算法剔除异常值,利用整体最小二乘法对剩余有效点进行平面拟合,计算模型参数。实验结果表明,该方法与传统的特征值法、最小二乘法相比,能提高参数的估算精度,更适合对含有不同异常值及误差的点云数据进行拟合,是一种稳健的平面拟合方法。

基于最小二乘的全局信息融合方法在分布式POS中的应用

分布式POS是一种基于惯性/卫星组合技术的多节点高精度时空测量系统,是实现多任务高精度航空遥感载荷成像的关键装置。受阵风湍流、载机机动等外部扰动,柔性长机翼产生多模挠曲变形,导致柔性基线效应,降低分布式POS多传感器信息融合精度。针对大变形机翼柔性基线效应导致的多传感器信息融合难题,提出了一种基于最小二乘的全局信息融合方法。在分布式POS主子传递对准基础上,采用基于最小二乘的正交多项式拟合方法,对分布式POS所有主子IMU的运动信息进行全局信息融合,充分利用各子IMU对应节点间的空间相关性,得到分布式POS各节点全局估计信息,提高分布式POS测量精度。最后,通过分布式POS地面模拟仿真实验验证,所提出的方法与传递对准方法相比,x轴基线精度平均提高了1.893 mm,y轴基线精度平均提高了0.461 mm,z轴基线精度平均提高了2.183 mm,水平姿态测量精度平均提高0.023°。