鱼眼镜头的拟合函数是：y = k1*x + k2*x^3 + k3*x^5 + k4*x^7 + k5*x^9 其中x为角度.  y为以下表格内的 Real Height ，由于本人之前不是做matlab的，所以想问一下，这个怎么指定自定义的函数来拟合(请注意这个是x的1,3,5,7,9次幂)。有高手给个建议吗？指定函数要怎么写? 不胜感激。

Data for wavelength : 0.587562 microns.

Y angle (deg)      Tan shift      Sag shift    Real Height    Ref. Height      F-Tht Dist

0.00000000     0.06375967     0.06375967     0.00000000     0.00000000    -0.00307035%

1.80000000     0.06374348     0.06373287     0.04531196     0.04531335    -0.00307035%

3.60000000     0.06369740     0.06365251     0.09061556     0.09062669    -0.01228440%

5.40000000     0.06362123     0.06351872     0.13590245     0.13594004    -0.02765010%

7.20000000     0.06351470     0.06333173     0.18116425     0.18125339    -0.04918093%

9.00000000     0.06337738     0.06309183     0.22639252     0.22656674    -0.07689595%

10.80000000     0.06320875     0.06279940     0.27157879     0.27188008    -0.11081993%

12.60000000     0.06300816     0.06245491     0.31671452     0.31719343    -0.15098357%

14.40000000     0.06277482     0.06205889     0.36179110     0.36250678    -0.19742376%

16.20000000     0.06251473     0.06161437     0.40679555     0.40782012    -0.25123254%

18.00000000     0.06222575     0.06112173     0.45172061     0.45313347    -0.31179867%

19.80000000     0.06190369     0.06058072     0.49655938     0.49844682    -0.37866404%

21.60000000     0.06154712     0.05999217     0.54130280     0.54376017    -0.45192165%

23.40000000     0.06115435     0.05935689     0.58594162     0.58907351    -0.53166373%

25.20000000     0.06072346     0.05867574     0.63046644     0.63438686    -0.61798555%

27.00000000     0.06025230     0.05794953     0.67486762     0.67970021    -0.71098801%

28.80000000     0.05973843     0.05717910     0.71913529     0.72501355    -0.81077956%

30.60000000     0.05921051     0.05637987     0.76324313     0.77032690    -0.91957995%

32.40000000     0.05869065     0.05556872     0.80716317     0.81564025    -1.03931598%

34.20000000     0.05810533     0.05471728     0.85091653     0.86095360    -1.16580795%

36.00000000     0.05744474     0.05382532     0.89449232     0.90626694    -1.29924430%

37.80000000     0.05669816     0.05289243     0.93787928     0.95158029    -1.43981665%

39.60000000     0.05585402     0.05191803     0.98106573     0.99689364    -1.58772313%

41.40000000     0.05489991     0.05090131     1.02403953     1.04220698    -1.74317129%

43.20000000     0.05382259     0.04984126     1.06678805     1.08752033    -1.90638066%

45.00000000     0.05260804     0.04873663     1.10929810     1.13283368    -2.07758513%

46.80000000     0.05125879     0.04757736     1.15157120     1.17814703    -2.25573086%

48.60000000     0.04975830     0.04637199     1.19357722     1.22346037    -2.44251078%

50.40000000     0.04809267     0.04511873     1.23530068     1.26877372    -2.63821970%

52.20000000     0.04624750     0.04381549     1.27672523     1.31408707    -2.84317791%

54.00000000     0.04420792     0.04245981     1.31783357     1.35940042    -3.05773343%

55.80000000     0.04195870     0.04104888     1.35860734     1.40471376    -3.28226437%

57.60000000     0.03948432     0.03957944     1.39902703     1.45002711    -3.51718126%

59.40000000     0.03676903     0.03804780     1.43907185     1.49534046    -3.76292947%

61.20000000     0.03382409     0.03644983     1.47872286     1.54065380    -4.01978345%

63.00000000     0.03062909     0.03478174     1.51795414     1.58596715    -4.28842504%

64.80000000     0.02715714     0.03303844     1.55673851     1.63128050    -4.56953824%

66.60000000     0.02339325     0.03121394     1.59504873     1.67659385    -4.86373718%

68.40000000     0.01932249     0.02930148     1.63285561     1.72190719    -5.17168281%

70.20000000     0.01493009     0.02729337     1.67012795     1.76722054    -5.49408456%

72.00000000     0.01020132     0.02518086     1.70683232     1.81253389    -5.83170166%

73.80000000     0.00512151     0.02295398     1.74293299     1.85784723    -6.18534382%

75.60000000    -0.00008247     0.02061546     1.77839171     1.90316058    -6.55587717%

77.40000000    -0.00510856     0.01817370     1.81315801     1.94847393    -6.94471275%

79.20000000    -0.01041618     0.01558925     1.84718248     1.99378728    -7.35308135%

81.00000000    -0.01602117     0.01284478     1.88041707     2.03910062    -7.78203626%

82.80000000    -0.02194296     0.00991983     1.91281093     2.08441397    -8.23267543%

84.60000000    -0.02820549     0.00679020     1.94431035     2.12972732    -8.70613635%

86.40000000    -0.03483799     0.00342725     1.97485886     2.17504066    -9.20358922%

88.20000000    -0.04187583    -0.00020284     2.00439731     2.22035401    -9.72622850%

89.80000000    -0.04850593    -0.00368590     2.02975600     2.26063254   -10.21291755%

matlab导出畸变系数,鱼眼镜头参数表，如何拟合并求出系数相关推荐

  1. python函数拟合不规则曲线_python 对任意数据和曲线进行拟合并求出函数表达式的三种解决方案...

    第一种是进行多项式拟合,数学上可以证明,任意函数都可以表示为多项式形式.具体示例如下. ###拟合年龄 import numpy as np import matplotlib.pyplot as p ...

  2. matlab仿真建立机器臂模型并得到其D-H参数表

    最近老师要求我们在matlab中构造下图机器人的模型 其初步构型长这样 想要实现图示关节的构型,必须在正确的坐标位置绘制出圆柱体(为圆柱指定位置和z轴方向),那么就必须先获得机器臂各个关节的位姿(位置 ...

  3. MATLAB导出矢量图结合Visio或Adobe illustrator处理图片

    来源 使用matlab完成绘图后,希望直接导出矢量图供写作,而不是PNG等位图. 有些论文对图的数量还有限制,有时需要将多个图进行合并.虽然可以直接使用matlab,latex等进行合并,但感觉这两种 ...

  4. gps数据处理matlab,基于Matlab的数据处理方法在GPS高程拟合中的应用

    基于Matlab的数据处理方法在GPS高程拟合中的应用 在分析GPS高程异常拟合模型实质的基础上,结合工程实例,顾及地球重力场的空间连续性特点,运用Matlab中的拟合插值函数Griddata等进行高 ...

  5. 云视睿博流媒体服务器Lit,《云视睿博流媒体服务器参数表.docx

    <云视睿博流媒体服务器参数表 云视睿博流媒体服务器参数表2015-10-12更新项目指标系统版本NTV Media Server 3.6NTV Transcoding Engine 2.0操作系 ...

  6. data-role参数表：

    data-role参数表: data-role参数表: page        页面容器,其内部的mobile元素将会继承这个容器上所设置的属性 header     页面标题容器,这个容器内部可以包 ...

  7. Matlab 散点 拟合 曲率,有数据点，希望得到一条拟合曲线，再求出这条曲线的曲率，求助！...

    该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 得到X,Y的数据点后,我尝试用origin7.5的analysis-fit sigmoidal功能拟合出曲线,由于方程太复杂,用公式计算很困难,我想用or ...

  8. DAX/PowerBI系列 - 参数表(Parameter Table) - 大客户分析(Top N)

    DAX/PowerBI系列 - 参数表(Parameter Table) - 大客户分析(Top N) 难度: ★☆☆☆☆(1星) 适用范围: ★★★☆☆(3星) 概况:此文为DAX/PowerBI系 ...

  9. 多项式在matlab中的应用,matlab的应用-多项式函数及多项式拟合

    matlab的应用-多项式函数及多项式拟合 Matlab 的应用- 多项式函数及多项式拟合 本节将向大家简要介绍 matlab 在多项式处理方面的应用. 多项式函数主要有: roots 求多项式的根 ...

最新文章

  1. 机器学习-特征工程中的特征选择
  2. java通过ldap添加用户后_ldap连接不上改用户_JAVA通过LDAP做用户登录认证，怎么做业务的异常处理?...
  3. 如何以出售开源软件为生？
  4. java mongodb-crud
  5. Mybatis如何给某个包中类起别名，以及起别名报错的解决方案
  6. 代码设定的按钮与storyboard中的xib页面间的跳转
  7. cmd窗口命令行上移下移_微软新版命令行界面：Windows Termina...
  8. CSS3_04_弹性盒子_多媒体
  9. vim 快捷键 总结-编辑文件
  10. 2022智源大会议程公开 | 预训练大模型论坛
  11. 基于Boost.Asio的异步编程
  12. 如何看待家长培训课？
  13. 从此，清华不再「唯论文数」！校长邱勇：大学不能把学术权力，交给期刊编辑和审稿人...
  14. vue页面接收后端传递数值后保留两位小数
  15. 计算机毕业设计django基于python学校在线打印系统
  16. 用户贷款风险预测之Top10初体验
  17. edge浏览器什么相当于ie的中低_Edge和IE的区别，Edge浏览器和IE哪个更好用呢？
  18. IC卡参数、公钥之 RID、AID
  19. Cannot deserialize instance of `java.util.ArrayList＜java.lang.Object＞` out of VALU
  20. Shopkick：从eBay、Amazon和Groupon当中杀出一条血路的移动购物应用

热门文章

  1. ios共享账号公众号_【IOS游戏账号共享】江湖霸图
  2. 成都学python哪个机构好_成都学python人工智能哪个机构好
  3. 华为nova4e能更新鸿蒙吗,华为nova4e禁止系统更新的方法_怎么关闭和禁用系统更新功能...
  4. oracle 查看scott权限,Oracle创建表空间、创建用户以及授权、查看权限 、scott解锁...
  5. 关于ATM渗透与欺诈的知识点Part 1
  6. (VKL系列)超低功耗LCD液晶显示驱动IC-VKL076 SSOP28，19*4 76点阵，超低工作电流约7.5微安，适用水电表/温湿度计/温控器/传感器等，FAE技术支持
  7. VC中GetLastErro返回的错误码
  8. 企业spark案例 —— 出租车轨迹分析(2)
  9. 服务器usb电源型号,锂电池、龙威305D电源、故障平板、同轴电缆、惠普服务器电源、4T硬盘、USB显卡、AP等...
  10. （四）分布式系统-Communication