halcon中的fit_line_contour_xld拟合效果是比较好的,可以有效剔除异常点的干扰,从参数Algorithm可以看出它使用的是加权最小二乘法,huber、tukey、drop、gauss表示不同的权重函数,权重函数的输入是一个距离(即点到直线的距离),距离越大权重越小,距离越小权重越大。我也使用了此方法同时配合ransac,增加了抽样点个数、...
halcon中fit_circle_contour_xld算子同样集成了几何拟合与代数拟合,并引入权重函数(huber和tukey),tukey直接去除异常点,huber削减异常点的影响,所有内点到拟合圆的距离标准差被用来评估拟合过程的好坏。我没有完全按照halcon中的去实现,而是随机选择至少三点拟合圆,评估误差和内点数量,迭代过程结束后选取误差最小或内点数...
halcon内置的fit_line_contour_xld工具在直线拟合方面表现出色，它能有效过滤掉异常点的影响。算法中，huber、tukey、drop、gauss四种权重函数用于计算距离权重，距离越大，权重越小；距离越小，权重越大。此外，我们还结合ransac方法，通过调整抽样点数、迭代次数和内点距离等参数，确保拟合的直线均方误差最小...