algorithm - 二维形状轮廓识别

Question

我希望在 2D 中实现相似曲线（离散点阵列）的形状识别/匹配。

我找到了一篇关于该主题的论文，但在代码中实现这一点时我有些迷茫。

我发现这个功能需要最小化：

但是我从哪里开始呢？

1. μ似乎是失真的度量，我想尽量减少它。
2. ψ 似乎是一些限制在 0 和 π/2 之间的参数
3. “R是一个参数”，这意味着什么？
4. κ 是曲率， ?
5. ξ 是另一个参数...
6. 啊啊啊

有人可以用英语概述一种方法吗？也许在一些伪代码中？

Answer 1

我认为你不可能在不理解数学的情况下完成这个工作，而理解数学的方法是从头开始研究论文；如果你跳到最后一个等式并尝试对其进行编码，那么它自然就没有意义了。以下是您的具体问题的答案，它们的价值：

1. μ 确实是“失真的度量”，或者是将一条曲线变形为另一条曲线的成本。
2. ψ 确实限于 [0 和 π/2]。它是（h，h-bar）曲线的角度（对不起，我不知道如何输入特殊字符）。
3. “R 是一个参数”，这意味着它是任意的，衡量方向相对于位移的重要性。
4. κ 是第一条曲线 C 的曲率。
5. ξ 是描述沿两条曲线前进的参数。随着 ξ 从 0 前进到 L-波浪号，h(ξ) 从 0 到 L，并且 h-bar(ξ) 从 0 到 L-bar。

Answer 2

我们从一些定义开始：

• 曲率是曲线偏离平坦的程度。
• 参数定义了您正在寻找的曲线。例如 f(x) = kx + m，k 和 m 是参数。

至于最小化，你可以看看这里：http ://en.wikipedia.org/wiki/Calculus_of_variations