Enviar pesquisa
Carregar
球面フィッティングの導出と実装
•
Transferir como PPTX, PDF
•
0 gostou
•
5,382 visualizações
J
j_rocket_boy
Seguir
球面フィッティングの導出とPythonでの実装について
Leia menos
Leia mais
Engenharia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 17
Baixar agora
Recomendados
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
Ken'ichi Matsui
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)
Toru Tamaki
Rの高速化
Rの高速化
弘毅 露崎
2値分類・多クラス分類
2値分類・多クラス分類
t dev
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
Kosuke Shinoda
PyMCがあれば,ベイズ推定でもう泣いたりなんかしない
PyMCがあれば,ベイズ推定でもう泣いたりなんかしない
Toshihiro Kamishima
畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開
Shogo Muramatsu
Recomendados
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
Ken'ichi Matsui
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)
Toru Tamaki
Rの高速化
Rの高速化
弘毅 露崎
2値分類・多クラス分類
2値分類・多クラス分類
t dev
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
Kosuke Shinoda
PyMCがあれば,ベイズ推定でもう泣いたりなんかしない
PyMCがあれば,ベイズ推定でもう泣いたりなんかしない
Toshihiro Kamishima
畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開
Shogo Muramatsu
深層学習の数理:カーネル法, スパース推定との接点
深層学習の数理:カーネル法, スパース推定との接点
Taiji Suzuki
CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算
sleepy_yoshi
GPUが100倍速いという神話をぶち殺せたらいいな ver.2013
GPUが100倍速いという神話をぶち殺せたらいいな ver.2013
Ryo Sakamoto
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
形状解析のための楕円フーリエ変換
形状解析のための楕円フーリエ変換
Tsukasa Fukunaga
組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門
Norishige Fukushima
研究の基本ツール
研究の基本ツール
由来 藤原
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
Shintaro Fukushima
プログラミングコンテストでの動的計画法
プログラミングコンテストでの動的計画法
Takuya Akiba
多目的強凸最適化のパレート集合のトポロジー
多目的強凸最適化のパレート集合のトポロジー
KLab Inc. / Tech
最小カットを使って「燃やす埋める問題」を解く
最小カットを使って「燃やす埋める問題」を解く
shindannin
[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)
[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)
Hiroharu Kato
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
Takuya Minagawa
幾何を使った統計のはなし
幾何を使った統計のはなし
Toru Imai
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング
Norishige Fukushima
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
不遇の標準ライブラリ - valarray
不遇の標準ライブラリ - valarray
Ryosuke839
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
最適化超入門
最適化超入門
Takami Sato
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法
kenyanonaka
20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用
matsumoring
Mais conteúdo relacionado
Mais procurados
深層学習の数理:カーネル法, スパース推定との接点
深層学習の数理:カーネル法, スパース推定との接点
Taiji Suzuki
CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算
sleepy_yoshi
GPUが100倍速いという神話をぶち殺せたらいいな ver.2013
GPUが100倍速いという神話をぶち殺せたらいいな ver.2013
Ryo Sakamoto
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
形状解析のための楕円フーリエ変換
形状解析のための楕円フーリエ変換
Tsukasa Fukunaga
組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門
Norishige Fukushima
研究の基本ツール
研究の基本ツール
由来 藤原
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
Shintaro Fukushima
プログラミングコンテストでの動的計画法
プログラミングコンテストでの動的計画法
Takuya Akiba
多目的強凸最適化のパレート集合のトポロジー
多目的強凸最適化のパレート集合のトポロジー
KLab Inc. / Tech
最小カットを使って「燃やす埋める問題」を解く
最小カットを使って「燃やす埋める問題」を解く
shindannin
[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)
[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)
Hiroharu Kato
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
Takuya Minagawa
幾何を使った統計のはなし
幾何を使った統計のはなし
Toru Imai
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング
Norishige Fukushima
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
不遇の標準ライブラリ - valarray
不遇の標準ライブラリ - valarray
Ryosuke839
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
最適化超入門
最適化超入門
Takami Sato
Mais procurados
(20)
深層学習の数理:カーネル法, スパース推定との接点
深層学習の数理:カーネル法, スパース推定との接点
CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算
GPUが100倍速いという神話をぶち殺せたらいいな ver.2013
GPUが100倍速いという神話をぶち殺せたらいいな ver.2013
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
形状解析のための楕円フーリエ変換
形状解析のための楕円フーリエ変換
組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門
研究の基本ツール
研究の基本ツール
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
プログラミングコンテストでの動的計画法
プログラミングコンテストでの動的計画法
多目的強凸最適化のパレート集合のトポロジー
多目的強凸最適化のパレート集合のトポロジー
最小カットを使って「燃やす埋める問題」を解く
最小カットを使って「燃やす埋める問題」を解く
[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)
[第2回3D勉強会 研究紹介] Neural 3D Mesh Renderer (CVPR 2018)
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
幾何を使った統計のはなし
幾何を使った統計のはなし
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
不遇の標準ライブラリ - valarray
不遇の標準ライブラリ - valarray
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
最適化超入門
最適化超入門
Semelhante a 球面フィッティングの導出と実装
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法
kenyanonaka
20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用
matsumoring
C07
C07
anonymousouj
パターン認識と機械学習6章(カーネル法)
パターン認識と機械学習6章(カーネル法)
Yukara Ikemiya
双対性
双対性
Yoichi Iwata
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半
Prunus 1350
代数的実数とCADの実装紹介
代数的実数とCADの実装紹介
Masahiro Sakai
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
hirokazutanaka
Quantum Support Vector Machine
Quantum Support Vector Machine
Yuma Nakamura
Prml sec6
Prml sec6
Keisuke OTAKI
TopCoder SRM614 解説
TopCoder SRM614 解説
EmKjp
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
sleepy_yoshi
Prml9
Prml9
KENTAROHARA
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析
Shu Tanaka
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算
matsumoring
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
Prunus 1350
OutLookAR for EKF_SLAM_Model
OutLookAR for EKF_SLAM_Model
Toshiki Imagaw
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法
nitoyon
2013.12.26 prml勉強会 線形回帰モデル3.2~3.4
2013.12.26 prml勉強会 線形回帰モデル3.2~3.4
Takeshi Sakaki
University CodeSprint 4 - Magic value
University CodeSprint 4 - Magic value
satanic
Semelhante a 球面フィッティングの導出と実装
(20)
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法
20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用
C07
C07
パターン認識と機械学習6章(カーネル法)
パターン認識と機械学習6章(カーネル法)
双対性
双対性
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半
代数的実数とCADの実装紹介
代数的実数とCADの実装紹介
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
Quantum Support Vector Machine
Quantum Support Vector Machine
Prml sec6
Prml sec6
TopCoder SRM614 解説
TopCoder SRM614 解説
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
Prml9
Prml9
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
OutLookAR for EKF_SLAM_Model
OutLookAR for EKF_SLAM_Model
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法
2013.12.26 prml勉強会 線形回帰モデル3.2~3.4
2013.12.26 prml勉強会 線形回帰モデル3.2~3.4
University CodeSprint 4 - Magic value
University CodeSprint 4 - Magic value
Mais de j_rocket_boy
Mコネクタの特性インピーダンス
Mコネクタの特性インピーダンス
j_rocket_boy
マイクロストリップラインの曲げ部の解析
マイクロストリップラインの曲げ部の解析
j_rocket_boy
わかものハムの集い3 テーマ発表 アンテナ小僧 発表資料
わかものハムの集い3 テーマ発表 アンテナ小僧 発表資料
j_rocket_boy
高周波とVNAとアンテナエレメント長の調整
高周波とVNAとアンテナエレメント長の調整
j_rocket_boy
次期水ロケットの展望
次期水ロケットの展望
j_rocket_boy
ペットボトルロケットの水の量
ペットボトルロケットの水の量
j_rocket_boy
Arduinoとgpsと有効数字
Arduinoとgpsと有効数字
j_rocket_boy
えだまめ作戦【CanSat】
えだまめ作戦【CanSat】
j_rocket_boy
えだまめ作戦です!
えだまめ作戦です!
j_rocket_boy
Mais de j_rocket_boy
(9)
Mコネクタの特性インピーダンス
Mコネクタの特性インピーダンス
マイクロストリップラインの曲げ部の解析
マイクロストリップラインの曲げ部の解析
わかものハムの集い3 テーマ発表 アンテナ小僧 発表資料
わかものハムの集い3 テーマ発表 アンテナ小僧 発表資料
高周波とVNAとアンテナエレメント長の調整
高周波とVNAとアンテナエレメント長の調整
次期水ロケットの展望
次期水ロケットの展望
ペットボトルロケットの水の量
ペットボトルロケットの水の量
Arduinoとgpsと有効数字
Arduinoとgpsと有効数字
えだまめ作戦【CanSat】
えだまめ作戦【CanSat】
えだまめ作戦です!
えだまめ作戦です!
球面フィッティングの導出と実装
1.
球面フィッテイングの 導出と実装 ロケット小僧 2018/2/20
2.
はじめに • 適当にやったから,合ってるかは保証できないです.
3.
やりたいこと • 球面に沿っているはずの3次元データから、中心と半径を求めたい 中心:(X0,Y0,Z0) 半径:r ロケットを飛ばして測定した 3次元地磁気データ(61800個)
4.
最小二乗法 1. データ列がどんな関数に一致するかは知っている • 例:𝑦
= 𝑎𝑥 + 𝑏 2. 残差の二乗和でコスト関数を設定する. • 例:i番目のデータを(Xi,Yi)とするとき • Σ 𝑎𝑋𝑖 + 𝑏 − 𝑌𝑖 2とか y = 1.9524x + 0.2508 R² = 0.9912 0 2 4 6 8 10 12 14 16 18 20 0 1 2 3 4 5 6 7 8 9 10 y=2x+1 + (-1から1までランダム)
5.
最小二乗法 3. コスト関数が最小になるように係数を決定する. • 例なら,aやbで偏微分して0になるときの値 • 𝜕Σ
𝑎𝑋 𝑖+𝑏 −𝑌 𝑖 2 𝜕𝑎 = 0 のときのaの値 • 𝜕Σ 𝑎𝑋 𝑖+𝑏 −𝑌 𝑖 2 𝜕𝑏 = 0 のときのbの値 y = 1.9524x + 0.2508 R² = 0.9912 0 2 4 6 8 10 12 14 16 18 20 0 1 2 3 4 5 6 7 8 9 10 y=2x+1 + (-1から1までランダム)
6.
球面の関数 • 中心を(X0,Y0,Z0)とする半径rの球面の式 𝑥 −
𝑋0 2 + 𝑦 − 𝑌0 2 + 𝑧 − 𝑍0 2 = 𝑟2 • 右辺を左辺に移項 𝑥 − 𝑋0 2 + 𝑦 − 𝑌0 2 + 𝑧 − 𝑍0 2 − 𝑟2 = 0
7.
𝑥 − 𝑋0 2 +
𝑦 − 𝑌0 2 + 𝑧 − 𝑍0 2 − 𝑟2 の意味 • 𝑥 − 𝑋0 2 + 𝑦 − 𝑌0 2 + 𝑧 − 𝑍0 2 − 𝑟2 = 0のとき 点(x,y,z)が球面上 • 𝑥 − 𝑋0 2 + 𝑦 − 𝑌0 2 + 𝑧 − 𝑍0 2 − 𝑟2 > 0のとき 点(x,y,z)が中心より離れすぎている. • 𝑥 − 𝑋0 2 + 𝑦 − 𝑌0 2 + 𝑧 − 𝑍0 2 − 𝑟2 < 0のとき 点(x,y,z)が中心に近すぎている.
8.
コスト関数 • 𝑥 −
𝑋0 2 + 𝑦 − 𝑌0 2 + 𝑧 − 𝑍0 2 − 𝑟2は正負の値を持つので, コスト関数には不適 • 二乗して和をとってコスト関数とする. • コスト関数 Σ{ 𝑥𝑖 − 𝑋0 2 + 𝑦𝑖 − 𝑌0 2 + 𝑧𝑖 − 𝑍0 2 − 𝑟2 } 2
9.
コスト関数の書き換え • コスト関数 Σ{ 𝑥𝑖
− 𝑋0 2 + 𝑦𝑖 − 𝑌0 2 + 𝑧𝑖 − 𝑍0 2 − 𝑟2 } 2 X0,Y0,Z0,rに関して4次関数 →偏微分して0でも最小とは限らない.
10.
コスト関数の書き換え • 書き換える 𝐹 𝐴,
𝐵, 𝐶, 𝐷 = Σ(𝑥𝑖 2 +𝑦𝑖 2 + 𝑧𝑖 2 + 𝐴𝑥𝑖 + 𝐵𝑦𝑖 + 𝐶𝑧𝑖 + 𝐷)2 𝐴 = −2𝑋0 𝐵 = −2𝑌0 𝐶 = −2𝑍0 𝐷 = 𝑋0 2 + 𝑌0 2 + 𝑍0 2 − 𝑟2
11.
コスト関数が最小な条件を求める 𝜕𝐹 𝜕𝐴 = Σ2𝑥𝑖 𝑥𝑖 2 +
𝑦𝑖 2 + 𝑧𝑖 2 + 𝐴𝑥𝑖 + 𝐵𝑦𝑖 + 𝐶𝑧𝑖 + 𝐷 = 0 𝜕𝐹 𝜕𝐵 = Σ2𝑦𝑖 𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 + 𝐴𝑥𝑖 + 𝐵𝑦𝑖 + 𝐶𝑧𝑖 + 𝐷 = 0 𝜕𝐹 𝜕𝐶 = Σ2𝑧𝑖 𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 + 𝐴𝑥𝑖 + 𝐵𝑦𝑖 + 𝐶𝑧𝑖 + 𝐷 = 0 𝜕𝐹 𝜕𝐷 = Σ2 𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 + 𝐴𝑥𝑖 + 𝐵𝑦𝑖 + 𝐶𝑧𝑖 + 𝐷 = 0
12.
行列にする Σ𝑥𝑖 2 Σ𝑥𝑖 𝑦𝑖 Σ𝑥𝑖
𝑧𝑖 Σ𝑥𝑖 Σ𝑥𝑖 𝑦𝑖 Σ𝑦𝑖 2 Σ𝑦𝑖 𝑧𝑖 Σ𝑦𝑖 Σ𝑥𝑖 𝑧𝑖 Σ𝑦𝑖 𝑧𝑖 Σ𝑧𝑖 2 Σ𝑧𝑖 Σ𝑥𝑖 Σ𝑦𝑖 Σ𝑧𝑖 Σ1 𝐴 𝐵 𝐶 𝐷 = −Σ𝑥𝑖(𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 ) −Σ𝑦𝑖(𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 ) −Σ𝑧𝑖(𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 ) −Σ (𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 )
13.
行列にする 𝐴 𝐵 𝐶 𝐷 = Σ𝑥𝑖 2 Σ𝑥𝑖 𝑦𝑖 Σ𝑥𝑖
𝑧𝑖 Σ𝑥𝑖 Σ𝑥𝑖 𝑦𝑖 Σ𝑦𝑖 2 Σ𝑦𝑖 𝑧𝑖 Σ𝑦𝑖 Σ𝑥𝑖 𝑧𝑖 Σ𝑦𝑖 𝑧𝑖 Σ𝑧𝑖 2 Σ𝑧𝑖 Σ𝑥𝑖 Σ𝑦𝑖 Σ𝑧𝑖 Σ1 −1 −Σ𝑥𝑖(𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 ) −Σ𝑦𝑖(𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 ) −Σ𝑧𝑖(𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 ) −Σ (𝑥𝑖 2 + 𝑦𝑖 2 + 𝑧𝑖 2 ) A,B,C,DからX0,Y0,Z0,rが求められる.
14.
実装してみた • Python +
NumPy + matplot • SS_fit(data)に球面っぽいデータを与えると,中心と半径のベクトルを 返してくれる. • ソースコード https://github.com/J-ROCKET-BOY/SS-Fitting
15.
実行結果 中心 X0 = 57.3 Y0
= -10.4 Z0 = 39.2 半径 r = 40.7
16.
中心が原点になるように平行移動 原点(0,0,0)が中心っぽくなったし, たぶん合ってるんじゃないかな(適当
17.
参考文献 「一般式による最小二乗法(円の最小二乗法)」-画像処理ソリューション http://imagingsolution.blog107.fc2.com/blog-entry-16.html 「月読アイの理系なお話『最小二乗法』」-ニコニコ動画 http://www.nicovideo.jp/watch/sm30270214
Baixar agora