论文部分内容阅读
普遍使用的代数距离最小的最小二乘(LS)椭圆拟合算法简单、易实现,但对样本点无选择,导致拟合结果易受误差点影响,拟合不准确。针对此特性,提出了一种基于莱特准则的椭圆拟合优化算法。首先,由代数距离最小的LS法对待拟合曲线进行椭圆拟合;其次,将待拟合曲线上的点与LS法拟合的椭圆的代数距离作为样本点集,在验证该样本点集服从正态分布的情况下,采用莱特准则,将样本点中值大于|3σ|的点判定为野值并剔除,进行多次拟合,直至样本点中无野值;最后,得到椭圆最优拟合结果。仿真实验结果表明,优化算法的拟合误差在1.0%