这是应用信任区域最小化方案时的椭圆拟合版本。
最准确和稳健的拟合可最大限度地减少从观察点到拟合曲线的几何(正交)距离。 信任区域算法需要计算距离及其相对于椭圆参数的导数。 所以这个方法是通过使用隐式微分进行计算而产生的雅可比矩阵。
用法:[ParG,RSS,iters] = TR_ellipse(XY,ParGIni,DeltaIni)
子函数: Residuals_ellipse(来自之前提交的),JmatrixLMG(包含在主函数中)
输入: XY:给定点 i=1 to n ParGIni = [中心(1:2),轴(1:2),角度]' DeltaIni:信任区域的初始大小(这是可选的;如果缺少,TR将其设置为1)
输出: ParG:找到的椭圆的参数向量RSS:Residual Sum of Squares(距离的平方和) iters:迭代次
2022-05-13 10:16:22
3KB
matlab
1