zoukankan      html  css  js  c++  java
  • 线段拟合(带拉格朗日乘子,HGL)

    线段特征上的扫描点满足 (1)。本文的线段特征定义为:L: [dL, φL, PLs, PLe]T,如图1所示。其中,dL为笛卡尔坐标系中原点(激光传感器所在位置)到线段的距离, φL为线段特征的倾角,PLs为线段特征起点,PLe为线段特征终点。线段特征在笛卡尔坐标系下方程为:

                                                                                                                                                                              (1)

    其中,dL > 0-π < φL < πxi = ρicosφiyi = ρisinφi

    图1 线段

    前几节中,通过统计学方法划分出若干区域,为了准确提取线段特征,采用带约束的最小二乘法对每个划分区域特征进行特征提取,将(1)式转换为如下形式:

                                                                                                                                                                       (2)

    式中 SE——线段端点。

    将上式改写为矩阵形式有:

                                                                                                                                                            (3)

    其中, , , 。由于α22=1,引入拉格朗日乘子λ,得:

                                                                                                                                                                                                 (4)

    其中,,满足JTCJ=1。令,得:

                                                                                                                                                                                                              (5)

    解上式的广义特征值与广义特征向量,S为一个正定矩阵,待求特征向量J一定对应最小的特征值λ。当αβ确定以后,可以求得:

                                                                                                                                                                                                         (6)

    然后,求出线段特征dL。最后,转换到全局坐标系下。

    文献[1]给出了一种误差传播方法,通过最小化隐含的关系方程F(I,O),给出最终误差(I输入误差,O输出误差)。将误差扩展到协方差矩阵,可以通过输入的协方差矩阵ΣI,得到输出的协方差矩阵ΣL。则有:

                                                                                                                                            (7)

    其中,令:

                                                                                                                                                                                          (8)

    代入最后计算出ΣL

    [1] Haralick R M. Propagating covariance in computer vision[M]. Performance Characterization in Computer Vision. Springer Netherlands, 2000: 95-114.

  • 相关阅读:
    《基于B_S模式的教务管理系统设计与实现》论文笔记(三)
    《重修补考报名考务管理信息系统中的网络技术》论文笔记(二)
    《基于WEB的独立学院补考重修管理系统研究》论文笔记(一)
    重修安排管理系统的设计与实现 文献收集
    重修安排管理系统的设计与实现 文献收集
    《暗时间》读书笔记
    R、Python、Scala 和 Java,到底该使用哪一种大数据编程语言?
    编程和音乐真的很像吗?
    关于虚拟现实叙事方式的终极入门指南
    如何避免脆弱的代码
  • 原文地址:https://www.cnblogs.com/hgl0417/p/5853584.html
Copyright © 2011-2022 走看看