导读:本文包含了直线拟合论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:直线,小二,空间,算法,模型,区域,中值。
直线拟合论文文献综述
包建强,张献州,罗超,李圆,陈霄[1]（2019）在《空间直线的自适应阈值稳健拟合方法与优化》一文中研究指出针对RANSAC算法应用于空间直线数据处理时具有较强的稳健性,但需要已知内点阈值且计算模型未能充分应用观测数据等问题,基于RANSAC算法提出了空间直线的自适应阈值稳健拟合方法;结合空间直线拟合的PEIV模型,优化了自适应阈值稳健拟合方法。仿真和工程实例数据表明,自适应阈值稳健拟合方法及优化算法可自动获取内点阈值;获得的空间直线几何参数估计具有最优统计特性,抗差性好,可靠性和实用性较强;对其他空间几何形体的稳健拟合处理具有参考意义。(本文来源于《测绘科学技术学报》期刊2019年03期）
李静[2]（2019）在《基于矩阵奇异值分解的空间直线拟合》一文中研究指出讨论空间直线拟合问题,先对已知数据进行中心化处理得到矩阵,对此矩阵进行奇异值分解,直线方程中的系数可由相应的列向量确定.该拟合过程不需迭代,简单易行,结果也比原文更接近真实值.(本文来源于《大学数学》期刊2019年02期）
史翔,赵超英,刘万科[3]（2019）在《空间直线拟合的加权极坐标法》一文中研究指出在测绘生产实践中,经常会遇到叁维的不等精度直线拟合问题。提出了一种基于极坐标法的空间直线拟合法。首先,通过建模将x、y、z 3个方向分离出来,建立最小二乘模型,解算出空间直线的天顶距、方位角、极径的最佳估值。该方法考虑到3个方向误差,避免了设计矩阵的误差,将不等权情况引入观测值权阵,模型简单直观,解算方便、易于编程。经实验分析,该方法具有可能性及有效性。(本文来源于《测绘地理信息》期刊2019年02期）
崔立鲁,杨蓉,钱江宇,张惠妹,陈科洁[4]（2019）在《基于整体最小二乘的空间直线拟合算法》一文中研究指出首先通过一定方式的转换将空间直线六参数拟合问题简化为平面直线四参数拟合问题,然后将方程组进行矩阵化,有利于利用整体最小二乘理论进行算法计算,最后分别利用本算法和最小二乘法对实测数据进行空间直线拟合计算,并对2种算法的结果进行比较,初步验证了本算法的可靠性和精确性.同时,将计算结果与不同文献的研究结果相比,证明了本算法的有效性与正确性.(本文来源于《成都大学学报(自然科学版)》期刊2019年01期）
王华[5]（2019）在《基于直线编组的直角多边形拟合算法》一文中研究指出提取建筑物时,图像的不准确分割或点云的随机性分布导致轮廓线不规整,需进一步拟合。目前常用方法为角点定位法和最小外接矩形拟合法,前者很难将相邻边界线拟合为正交状态,后者对于凹凸角较多的复杂建筑物轮廓拟合效果不佳。本文提出基于直线编组的直角多边形拟合算法,根据轮廓线的主方向将提取直线段分为两组,再根据直线段组的实际情况选择适用的策略进行拟合。实验证明,该方法不仅能够保持多边形的正交性,而且对于复杂轮廓有很好的拟合能力,实用性强。(本文来源于《测绘与空间地理信息》期刊2019年02期）
徐文,李建为,张浩[6]（2019）在《空间直线拟合的混合最小二乘法》一文中研究指出在空间直线拟合中传统的最小二乘一般并没有考虑系数矩阵的误差,而整体最小二乘认为其都存在误差,但是实际上系数矩阵中只有一部分有误差。所以就需要引进一种新的算法来充分考虑所有的情况。本文对空间直线方程进行变换,将6参数转换为4参数,使其变成大家熟悉的误差方程,先后用模拟数据以及实测数据用最小二乘、整体最小二乘和混合最小二乘的方法进行处理,计算出累计距离和直线度,得到混合最小二乘比整体最小二乘和最小二乘的解好的结论。所以在空间直线拟合中混合最小二乘方法比整体最小二乘方法考虑的更加全面,得到的解更加可靠。(本文来源于《工程勘察》期刊2019年01期）
邱德超,鲁铁定,毛文飞,吴光明[7]（2018）在《空间直线拟合的PEIV模型的构建与解法》一文中研究指出针对空间直线拟合不宜直接采用总体最小二乘算法和混合总体最小二乘算法的问题,提出一种基于PEIV模型的总体最小二乘法的空间直线拟合算法。首先将空间直线的标准方程进行变换,改写为总体最小二乘的EIV模型;然后针对系数矩阵的特点,将模型转换为更加合理的PEIV模型,线性化成类似于最小二乘间接平差形式,采用迭代的方法求解拟合参数。平差过程保证了系数矩阵重复元素的改正数一致,常数元素的改正数为零,符合实际理论;最后,通过算例比较验证了该方法的可行性和优越性。(本文来源于《大地测量与地球动力学》期刊2018年10期）
包鹏,陈宗海[8]（2018）在《基于边缘直线拟合的区域主方向识别方法》一文中研究指出区域覆盖一般指智能体按照一定的规则对目标区域进行覆盖的过程。在该过程中,根据空闲区域的主方向信息规划运动路径能够有效地降低区域覆盖的代价,提高机器人的工作效率,典型的如可以降低机器人转弯的频率等。针对目标区域主方向的识别问题,本文基于边缘直线拟合的思想,提出了一种自动识别区域主方向的方法。该方法首先使用一种基于距离的最大类聚类方法提取区域的边缘信息,其次,利用直线段分段拟合边缘并赋予权重,对直线斜率进行聚类分析,最大类中直线斜率加权平均值对应的朝向即为区域主方向。通过实际试验,证明了本文方法的有效性。(本文来源于《第19届中国系统仿真技术及其应用学术年会论文集（19th CCSSTA 2018）》期刊2018-08-10）
宋怀波,姜波,吴倩,李通,何东健[9]（2018）在《基于头颈部轮廓拟合直线斜率特征的奶牛跛行检测方法》一文中研究指出针对人工跛行检测不够及时,难以发现突发中、重度跛行及轻度跛行行为的问题,该文提出了一种基于正态分布背景统计模型(normal background statistical model,NBSM)与局部循环中心补偿跟踪模型(local circulation center compensation track,LCCCT)和线性斜率最近邻分类(distilling data of KNN,DSKNN)技术的奶牛跛行检测方法。首先利用NBSM模型对奶牛序列图像中的目标奶牛像素区域进行分割,然后对得到的奶牛像素区域利用LCCCT模型提取目标奶牛身体前部像素区域,用其区域通过DSKNN模型提取目标奶牛的头部、颈部以及与颈连接的背部轮廓线拟合直线斜率数据,基于大样本视频序列帧数据将视频集制成轻度跛行、中重度跛行及正常等3类标签的斜率数据集。为了验证算法的有效性,对随机选取的18段奶牛视频进行了验证,其中正常奶牛、轻度跛行奶牛及中重跛行奶牛视频段各6段,获得头部、颈部及背部连接处的拟合直线斜率数据集。在未清洗的数据集上,分别利用SVM、Naive Bayes以及KNN分类算法进行了奶牛跛行的分类检测试验,试验结果表明,SVM与Naive Bayes跛行分类检测正确率均为82.78%,KNN奶牛跛行检测正确率为81.67%。将未清洗的数据集进行清洗后,3类算法的结果表明,KNN分类算法的跛行检测正确率达93.89%,高于SVM分类算法的91.11%及Naive Bayes分类算法的86.11%。上述结果表明通过头部、颈部及背部连接处的拟合直线斜率特性可以正确检测奶牛跛行,未清洗的数据经数据清洗后,KNN分类算法可以取得更好的检测结果。该研究结果对于奶牛跛行疾病的预防、诊断具有重要意义。(本文来源于《农业工程学报》期刊2018年15期）
张勋,马豪伯,李昀澄[10]（2018）在《行均值梯度与直线拟合联合优化的UUV海面红外图像海天线检测》一文中研究指出在近海面水下无人航行器(underwater unmanned vehicle,UUV)的红外图像采集过程中,由于波浪起伏引起的高倾斜度、海空背景复杂等原因,红外图像的噪声过大,不利于目标的识别与海天线的检测。为此提出了一种海天线检测的改进方法。首先,将经过中值滤波和非线性增强预处理后的红外图像进行处理,得到行均值梯度图,确定海天线粗略位置;然后对其中的天空区域和海面区域进行滤波平滑处理,平滑二者背景中灰度起伏较大的噪声;最后利用优化的直线拟合法对天空区域和海面区域滤波后的图像进行海天线提取。实验结果表明,该方法可改善海天线位置的检测效果,具有较强的通用性,适用于复杂的海天环境。(本文来源于《应用科技》期刊2018年04期）
直线拟合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
讨论空间直线拟合问题,先对已知数据进行中心化处理得到矩阵,对此矩阵进行奇异值分解,直线方程中的系数可由相应的列向量确定.该拟合过程不需迭代,简单易行,结果也比原文更接近真实值.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
直线拟合论文参考文献
[1].包建强,张献州,罗超,李圆,陈霄.空间直线的自适应阈值稳健拟合方法与优化[J].测绘科学技术学报.2019
[2].李静.基于矩阵奇异值分解的空间直线拟合[J].大学数学.2019
[3].史翔,赵超英,刘万科.空间直线拟合的加权极坐标法[J].测绘地理信息.2019
[4].崔立鲁,杨蓉,钱江宇,张惠妹,陈科洁.基于整体最小二乘的空间直线拟合算法[J].成都大学学报(自然科学版).2019
[5].王华.基于直线编组的直角多边形拟合算法[J].测绘与空间地理信息.2019
[6].徐文,李建为,张浩.空间直线拟合的混合最小二乘法[J].工程勘察.2019
[7].邱德超,鲁铁定,毛文飞,吴光明.空间直线拟合的PEIV模型的构建与解法[J].大地测量与地球动力学.2018
[8].包鹏,陈宗海.基于边缘直线拟合的区域主方向识别方法[C].第19届中国系统仿真技术及其应用学术年会论文集（19thCCSSTA2018）.2018
[9].宋怀波,姜波,吴倩,李通,何东健.基于头颈部轮廓拟合直线斜率特征的奶牛跛行检测方法[J].农业工程学报.2018
[10].张勋,马豪伯,李昀澄.行均值梯度与直线拟合联合优化的UUV海面红外图像海天线检测[J].应用科技.2018
论文知识图
