[发明专利]一种快速迭代的线圆最优拟合方法

说明书

本申请公开了一种快速迭代的线圆最优拟合方法，包括根据所有数据点构建候选拟合结果；将候选拟合结果进行迭代优化；筛选出最优曲线；构建候选拟合结果是在一个基本搜索空间中全遍历获取包含最优曲线或在其附近的RMS误差较小的曲线结果集合；迭代优化是利用“最优拟合结果所剔除的局外点一定是到该曲线最远的数据点”的先验知识，对候选拟合结果中的局外点进行迭代修正，使得候选拟合结果变得稳定且RMS误差进一步降低；筛选最优曲线是比较迭代优化后的拟合曲线的RMS误差，筛选出其中最小者即为最优的拟合结果。本申请提供的线圆最优和方法极大地缩短了拟合耗时，并且拟合过程无随机性，能快速、稳定、精确地获得全局最优的拟合结果。

技术领域

本申请实施例涉及工业应用中定位、测量和检测技术领域，特别涉及一种用于定位、测量及检测的线圆拟合方法。

背景技术

直线与圆是应用项目中使用最频繁的目标特征或边缘特征。在工业应用中，线圆特征往往被利用来进行定位，以协助完成测量和检测，例如：线定位、圆定位或角定位等；或者，用来进行缺陷检测，例如：边检测、边宽检测等；或者，用来进行距离、角度与交点的测量计算，例如：目标长宽的质量检测等。而线圆特征是需要通过对图像数据点拟合得到，即线圆拟合技术。

目前，常用的线圆拟合技术共有四种：Combination、Ransac(Random SampleConsensus)、Robust和Ransac-Robust方法。其中，Combination方法利用了全组合的方式得到稳定最优的结果，但效率低，在点数较多时耗时特别长，无法满足工业上实时性的要求；Ransac方法是基于随机抽样和迭代的随机一致性估计算法，其拟合结果不稳定无法满足工业高重复性的需求，且耗时与迭代次数相关；Robust方法利用了加权迭代的思想进行拟合，它的效率高耗时最少，结果稳定但不一定最优，该方法能够满足对精度要求不严格的应用场景；Ransac-Robust方法则是将两种方法结合，先进行Ransac拟合，然后计算权重，再使用Robust方法得到最终拟合结果，该方法效率比Combination方法快，拟合结果较Ransac更可信，但由于Ransac仍具有一定随机性，无法保证拟合结果为最优，从而无法达到工业高稳定性的要求。

发明内容

本申请提供了一种快速迭代的线圆最优拟合方法，已解决现有技术中其它拟合技术耗时长、稳定性差、精度低等问题，并且本申请提供的线圆最优拟合方法相比于全遍历空间搜索，极大地减少了搜索空间，从而提高拟合效率，且得到的拟合结果是稳定最优的，能够同时兼顾高效率、高稳定性、高精度的需求。

本申请提供了一种快速迭代的线圆最优拟合方法，所述拟合方法包括以下步骤：

根据所有数据点构建候选拟合结果；

将候选拟合结果进行迭代优化；

筛选出最优曲线。

可选的，所述根据所有数据点构建候选拟合结果包括：

任选N个数据点中的P点拟合曲线；

计算剩余N-P个数据点到拟合曲线的距离，选择其中m个距离最远的数据点作为局外点；

剔除选择的m个局外点，对剩余N-m个数据点重新拟合；

筛选出重新拟合结果中RMS误差最小的前n个拟合结果，即为候选拟合结果。

可选的，所述将候选拟合结果进行迭代优化包括：

计算任一候选拟合结果中的前m个最远点；

比较最远点与之前剔除的m个局外点是否完全相同，若相同，则迭代结束；若不同，则进行下一步；

以前m个最远点作为新的局外点，剔除新的局外点对剩余N-m个数据点重新拟合曲线，将新的拟合曲线作为新的候选拟合结果，然后重新进行所述将候选拟合结果进行迭代优化步骤。