基于稳健回归的激光视觉异常值识别

针对激光视觉系统在棒材轮廓测量过程中出现的异常值,提出一种基于稳健局部加权回归与3σ准则的异常值识别法。该方法利用稳健局部加权回归进行数据平滑,通过计算被测数据与平滑数据的残差值,依据3σ准则识别出轮廓异常值。利用该方法对激光视觉测量过程中出现的轮廓孤立异常值进行了判别,并与移动均值识别法进行了对比。实验讨论了不同窗宽下,该方法的异常值识别效果,以其识别多孤立异常值的能力。随后对异常值处理前、后的轮廓数据进行了拟合,并对拟合效果和拟合精度进行了对比分析,分析结果表明,异常值处理后的拟合椭圆更为准确,拟合精度大幅提高。实验证明基于稳健局部加权回归的异常值识别法能有效识别轮廓数据中的异常值,与现有异常值识别法相比,是一种高效、稳健的异常值识别算法,对提高激光轮廓测量精度,实现轮廓尺寸的准确测量具有重要意义。