给定ℝ²中3个及以上近似圆弧点，求解最优圆的技术方案咨询

数据老陈

2026-5-19

嘿，这个问题我在做视觉检测和点云处理的时候经常碰到！用最小二乘拟合最优圆确实是个既严谨又容易实现的方案，我给你一步步拆解清楚：

用最小二乘拟合最优圆的完整流程

第一步：把圆的方程转成线性形式

我们从圆的基本定义出发，对于每个采样点$(x_i, y_i)$，它满足：

$(x_i - X_c)^2 + (y_i - Y_c)^2 = R^2$

把左边展开后整理一下：
$x_i^2 - 2x_iX_c + X_c^2 + y_i^2 - 2y_iY_c + Y_c^2 = R^2$

接下来把所有项移到同一侧，把含$x_i$、$y_i$的项和常数项分开，就能得到一个线性化的方程：
$x_i(-2X_c) + y_i(-2Y_c) + 1 \cdot (X_c^2 + Y_c^2 - R^2) = x_i^2 + y_i^2$

这里的关键技巧是引入三个新变量，把非线性问题转化为我们熟悉的线性回归问题：
令 A = -2X_c，B = -2Y_c，C = X_c² + Y_c² - R²，那么方程就简化成：
A·x_i + B·y_i + C = x_i² + y_i²

现在问题变成了：找到最优的A、B、C，让所有点的(A·x_i + B·y_i + C) - (x_i² + y_i²)的平方和最小——这就是标准的线性最小二乘问题。

假设我们有n个点（n≥3），可以把所有点的方程写成矩阵形式：

[ x₁  y₁  1 ]   [A]   [x₁² + y₁²]
[ x₂  y₂  1 ]   [B] = [x₂² + y₂²]
[ ... ... ... ] [C]   [ ...      ]
[ xₙ  yₙ  1 ]         [xₙ² + yₙ²]

用符号表示就是 $M \cdot \vec{θ} = \vec{b}$，其中$\vec{θ} = [A,B,C]^T$，$\vec{b}$是每个点的$x_i²+y_i²$组成的向量。

最小二乘的解可以通过矩阵运算得到：
θ = (M^T · M)⁻¹ · M^T · b

这里要注意：只要你的点不是完全共线的（共线的话拟合出来是直线，不是圆），矩阵$M^T · M$就是可逆的，不会出现无解的情况。

解出A、B、C之后，我们就能反推回圆的原始参数了：

如果你的点集存在严重的共线情况，这个方法会失效（矩阵奇异），所以实际代码里最好加个共线性检查，或者捕获矩阵求逆失败的异常。
这个方法是代数距离最小化的拟合，和点到圆的几何垂直距离最小化略有差异，但对于大多数工程场景（比如图像特征点拟合、激光点云圆弧提取），精度已经足够。如果需要更高精度的几何拟合，可以把这个结果作为初始值，用高斯-牛顿法做迭代优化。

内容的提问来源于stack exchange，提问作者BCS