Algorithm 二维形状轮廓识别

我希望在2D中实现相似曲线（离散点阵列）的形状识别/匹配

我在这个问题上找到了一个答案，但在代码中实现这个问题时，我有点不知所措

我发现这个函数需要最小化：

但是我从哪里开始呢

μ似乎是失真的度量，我想把它最小化

ψ似乎是某个被限制在0和π/2之间的参数

“R是一个参数”，这意味着

κ是曲率

ξ是另一个参数

嘎

---

有人能用英语概述一下解决这个问题的方法吗？也许在一些伪代码中？

我们从一些定义开始：

• 是曲线偏离平面的程度
• 定义要查找的曲线。例如，f（x）=kx+m，k和m是参数

---

关于最小化，您可以在此处查看：

我们从以下定义开始：

• 是曲线偏离平面的程度
• 定义要查找的曲线。例如，f（x）=kx+m，k和m是参数

---

至于最小化，你可以在这里看一看：

我认为，如果你不理解数学，你不太可能做到这一点，而理解数学的方法是从一开始就完成论文；如果你跳到最后一个等式并尝试编码，那么它自然就没有意义了。以下是您的具体问题的答案，以了解这些问题的价值：

μ确实是一种“失真测量”，或是将一条曲线变形为另一条曲线的成本。

ψ确实被限制为[0和π/2]。这是（h，h-bar）曲线的角度（对不起，我不知道如何输入特殊字符）。

“R是一个参数”，这意味着它是任意的，一个相对于位移方向有多重要的度量。

κ是第一条曲线C的曲率。

ξ是描述沿两条曲线前进的参数。当ξ从0前进到L-tilde时，h（ξ）从0前进到L，h-bar（ξ）从0前进到L-bar。

---

我认为在不理解数学的情况下，你不可能做到这一点，而理解数学的方法是从一开始就把论文看完；如果你跳到最后一个等式并尝试编码，那么它自然就没有意义了。以下是您的具体问题的答案，以了解这些问题的价值：

μ确实是一种“失真测量”，或是将一条曲线变形为另一条曲线的成本。

ψ确实被限制为[0和π/2]。这是（h，h-bar）曲线的角度（对不起，我不知道如何输入特殊字符）。

“R是一个参数”，这意味着它是任意的，一个相对于位移方向有多重要的度量。

κ是第一条曲线C的曲率。

ξ是描述沿两条曲线前进的参数。当ξ从0前进到L-tilde时，h（ξ）从0前进到L，h-bar（ξ）从0前进到L-bar。

---

我认为在这些事情上没有一个通用的方法。这取决于你想要匹配的数据。我认为在这些事情上没有一个通用的方法。这取决于要匹配的数据。