OpenCV fitLine() アルゴリズムを理解しようとしています。
これはOpenCVからのコードの断片です:icvFitLine2D
関数- icvFitLine2D
近似のためにポイントを選択し、ポイントからフィットしたラインまでの距離を(計算されたポイントで)計算し、他のポイントを選択し、chosen distType
で距離を最小化しようとするランダム関数があることがわかります。
誰かが この瞬間 から何が起こるかを明確にすることができますか? OpenCVコードのコメントと変数名は、このコードを理解するのに役立ちません。
(これは古い質問ですが、主題は私の好奇心を刺激しました)
OpenCV FitLine
は、2つの異なるメカニズムを実装しています。
パラメータdistType
が_CV_DIST_L2
_に設定されている場合、 標準の重み付けされていない最小二乗適合 が使用されます。
他のdistTypes
のいずれかが使用されている場合(_CV_DIST_L1
_、_CV_DIST_L12
_、_CV_DIST_FAIR
_、_CV_DIST_WELSCH
_、_CV_DIST_HUBER
_)、手順はある種のものですof [〜#〜] ransac [〜#〜] 適合:
distType
を使用して、すべてのポイントの重みを計算します擬似コードのより詳細な説明は次のとおりです。
_repeat at most 20 times:
RANSAC (line 371)
- pick 10 random points,
- set their weights to 1,
- set all other weights to 0
least squares weighted fit (fitLine2D_wods, line 381)
- fit only the 10 picked points to the line, using least-squares
repeat at most 30 times: (line 382)
- stop if the difference between the found solution and the previous found solution is less than DELTA (line 390 - 406)
(the angle difference must be less than adelta, and the distance beween the line centers must be less than rdelta)
- stop if the sum of squared distances between the found line and the points is less than EPSILON (line 407)
(The unweighted sum of squared distances is used here ==> the standard L2 norm)
re-calculate the weights for *all* points (line 412)
- using the given norm (CV_DIST_L1 / CV_DIST_L12 / CV_DIST_FAIR / ...)
- normalize the weights so their sum is 1
- special case, to catch errors: if for some reason all weights are zero, set all weight to 1
least squares weighted fit (fitLine2D_wods, line 437)
- fit *all* points to the line, using weighted least squares
if the last found solution is better than the current best solution (line 440)
save it as the new best
(The unweighted sum of squared distances is used here ==> the standard L2 norm)
if the distance between the found line and the points is less than EPSILON
break
return the best solution
_
重みは、選択したdistType
に応じて、 マニュアル に従って計算されます。その式はweight[Point_i] = 1/ p(distance_between_point_i_and_line)
です。ここで、pは次のとおりです。
distType = CV_DIST_L1
distType = CV_DIST_L12
distType = CV_DIST_FAIR
distType = CV_DIST_WELSCH
distType = CV_DIST_HUBER
残念ながら、どのdistType
がどの種類のデータに最適であるかはわかりません。おそらく他の人がそれに光を当てることができます。
私が気付いた興味深いもの:選択したノルムは反復的な重み付けにのみ使用され、見つかったものの中で最良のソリューションは常にL2ノルム(unweighted最小二乗の合計は最小です)。これが正しいかどうかはわかりません。