点集的圆拟合质量评估（支持Java/Kotlin/JS/C等语言）

核心量化指标（非矩阵版） #

以下是几个无需复杂数学知识就能理解和实现的拟合质量评估指标：

• 平均距离误差
  计算每个点到拟合圆圆心的距离与圆半径的偏差绝对值，再取平均值。数值越小，说明点集整体贴合拟合圆的程度越高。
  步骤：

  1. 对每个点(x,y)，计算到圆心(cx, cy)的距离 d = √[(x - cx)² + (y - cy)²]
  2. 计算该点的偏差绝对值 |d - r|（r为拟合圆半径）
  3. 将所有偏差绝对值求和后除以点的总数，得到平均误差

• 最大距离误差
  找出所有点偏差绝对值中的最大值。这个值能反映拟合圆对离群点的适配情况，数值越小说明点集与拟合圆的贴合度越均匀。

• 均方根误差（RMSE）
  先将每个点的偏差平方后求和，除以点的总数再开平方。该指标会放大较大偏差的权重，更关注离群点对拟合效果的影响，数值越小拟合质量越好。

多语言实现示例 #

JavaScript #

// 输入：拟合结果{cx, cy, r}，点集points = [{x,y}, ...]
function calculateCircleFitQuality(cx, cy, r, points) {
  let sumAbsError = 0;
  let sumSquaredError = 0;
  let maxError = 0;
  
  for (const point of points) {
    const dx = point.x - cx;
    const dy = point.y - cy;
    const distance = Math.sqrt(dx*dx + dy*dy);
    const error = Math.abs(distance - r);
    
    sumAbsError += error;
    sumSquaredError += error * error;
    if (error > maxError) maxError = error;
  }
  
  const avgError = sumAbsError / points.length;
  const rmse = Math.sqrt(sumSquaredError / points.length);
  
  return { avgError, maxError, rmse };
}

C++ #

#include <vector>
#include <cmath>
#include <algorithm>

struct Point { double x, y; };
struct FitQuality { double avgError, maxError, rmse; };

FitQuality calculateCircleFitQuality(double cx, double cy, double r, const std::vector<Point>& points) {
    double sumAbsError = 0.0;
    double sumSquaredError = 0.0;
    double maxError = 0.0;
    
    for (const auto& point : points) {
        double dx = point.x - cx;
        double dy = point.y - cy;
        double distance = sqrt(dx*dx + dy*dy);
        double error = fabs(distance - r);
        
        sumAbsError += error;
        sumSquaredError += error * error;
        if (error > maxError) maxError = error;
    }
    
    int n = points.size();
    FitQuality quality;
    quality.avgError = sumAbsError / n;
    quality.rmse = sqrt(sumSquaredError / n);
    quality.maxError = maxError;
    
    return quality;
}

Kotlin #

data class Point(val x: Double, val y: Double)
data class FitQuality(val avgError: Double, val maxError: Double, val rmse: Double)

fun calculateCircleFitQuality(cx: Double, cy: Double, r: Double, points: List<Point>): FitQuality {
    var sumAbsError = 0.0
    var sumSquaredError = 0.0
    var maxError = 0.0
    
    points.forEach { point ->
        val dx = point.x - cx
        val dy = point.y - cy
        val distance = kotlin.math.sqrt(dx*dx + dy*dy)
        val error = kotlin.math.abs(distance - r)
        
        sumAbsError += error
        sumSquaredError += error * error
        if (error > maxError) maxError = error
    }
    
    val n = points.size
    val avgError = sumAbsError / n
    val rmse = kotlin.math.sqrt(sumSquaredError / n)
    
    return FitQuality(avgError, maxError, rmse)
}

算法来源说明 #

这些量化指标属于几何拟合误差的基础统计度量，是工程领域评估曲线拟合质量的通用方法，广泛应用于计算机视觉、测绘、机械检测等场景，核心逻辑通过点到拟合圆的距离偏差衡量贴合程度，无需依赖复杂矩阵运算。

内容的提问来源于stack exchange，提问作者DrPhill