测量软件中“最小区域法”与“最小二乘法”的拟合差异

在二次元影像测量仪及坐标测量设备的测量软件中，几何元素的拟合算法是决定测量结果准确性的核心。当我们采集到一系列测量点后，需要将这些点拟合成理想的几何形状（如直线、圆、平面），而不同的拟合算法会得出不同的结果。最小二乘法和最小区域法是两种常用的拟合算法，它们在数学原理、适用场景以及对测量结果的影响上存在显著差异。理解这两种方法的区别，对于正确选择算法、合理解读测量结果以及满足不同标准（如ISO、ASME）的评定要求具有重要意义。

一、两种算法的基本原理

最小二乘法（Least Squares Method，LSM）是经典的拟合算法，其核心思想是：寻找一个几何特征（如直线、圆），使得所有测量点到该特征的距离的平方和最小。数学表达式为：$\min \sum {�}_{�}^2$，其中 ${�}_{�}$ 为第 $�$ 个测量点到拟合特征的距离。最小二乘法追求的是整体误差最小化，因此它对所有点一视同仁，能够很好地反映测量点集的整体趋势。由于计算简单、结果稳定性好，最小二乘法被广泛应用于常规尺寸测量（如直径、长度、角度）中。

最小区域法（Minimum Zone Method，MZM）则是根据形位公差标准（如ISO 1101、ASME Y14.5）定义的评定方法。其核心思想是：寻找两个与拟合特征平行的“包容要素"（对于直线为两条平行线，对于圆为两个同心圆），使得这两个包容要素之间的距离（或半径差）最小，并且所有测量点都位于这两个包容要素之间。这个最小距离即为该特征的形状误差（如直线度、圆度）。数学表达式为：$\min (\max ({�}_{�})-\min ({�}_{�}))$，其中 ${�}_{�}$ 为测量点到参考特征的有符号距离。最小区域法追求的是“最小包容区域"，直接对应形位公差定义，因此被指定为评定直线度、圆度、平面度等形状误差的标准方法。

二、两种算法的拟合结果差异

对于同一组测量点，最小二乘法和最小区域法会给出不同的拟合结果。以直线拟合为例：最小二乘法拟合的直线会使得所有点到该直线的垂直距离的平方和最小，这条直线会“平均"地通过点云的中心区域，即使存在离群点，也会被平均效应拉向中间。而最小区域法拟合的直线则是两条平行线（包容线）的中线，这两条平行线以最小的间距包容所有测量点。最小区域直线更关注“极值点"——即距离最远的两个点决定了直线的方向，中间的点对拟合结果影响较小。

这种差异在实际测量中会产生显著影响。对于圆度评定，最小二乘法拟合的圆（最小二乘圆）是将所有测量点到圆心的距离平方和最小化，其圆度误差定义为大半径与最小半径之差；而最小区域法（最小区域圆）则寻找两个同心圆，使其半径差最小并包容所有测量点，这个半径差即为圆度误差。由于最小二乘圆受所有点影响，如果测量点分布不均匀，其圆心可能会向点密集区域偏移；而最小区域圆只受极值点控制，更能反映圆轮廓的真实形状误差。根据ISO 1101标准，圆度误差应使用最小区域法评定。

三、对离群值的敏感度差异

两种算法对离群值（异常点）的敏感度截然不同。最小二乘法对离群值非常敏感，因为平方运算会放大离群值的贡献。一个远离点群的异常点会显著改变最小二乘拟合结果，导致拟合特征向异常点方向偏移。例如，在测量一个圆时，如果有一个点因为毛刺或污点而明显偏离圆周，最小二乘圆的直径可能会被拉大或缩小，圆心也会发生偏移。

相比之下，最小区域法对离群值具有天然的鲁棒性。由于最小区域法只关心极值点，只要离群值没有成为新的极值点，就不会影响拟合结果。即使离群值成为极值点，它也只是决定了包容区域的边界，对中心位置的影响有限。因此，在测量存在毛刺、局部污点或边缘缺陷的工件时，最小区域法往往能给出更稳定、更接近真实形状的结果。

四、在尺寸测量中的应用差异

对于常规尺寸测量（如直径、长度、距离），最小二乘法是主流选择。这是因为尺寸测量关注的是工件的“整体"大小，而非局部极值。例如，测量一个轴的直径，通常关心的是其平均直径，而不是某个局部凸起的大值。最小二乘法拟合的圆直径能够很好地反映轴的整体尺寸，重复性好，符合装配需求。同样，测量两平行边的距离时，最小二乘法拟合的两条直线能够反映边的整体趋势，测量结果稳定。

然而，在某些特定场景下，最小区域法也用于尺寸测量。例如，当需要评估最小壁厚或大间隙时，使用最小区域法更能反映实际的风险点。对于“大实体要求"或“最小实体要求"的尺寸评定，也往往需要结合最小区域法的思想。

五、在形位公差评定中的应用

在形位公差评定领域，最小区域法具有不可替代的地位。根据国际标准，直线度、平面度、圆度、圆柱度等形状公差必须使用最小区域法评定。这是因为形位公差本质上就是“最小包容区域"的宽度。例如，直线度公差带定义为两条平行线之间的区域，实际直线必须位于该区域内。因此，评定直线度时，必须找到能够包容所有测量点的最小宽度平行线对，这正是最小区域法的结果。

位置公差（如位置度、同轴度、垂直度）的评定则可能同时用到两种方法。例如，评定一个孔的位置度时，通常先使用最小二乘法计算孔的圆心，然后计算该圆心相对于基准的位置偏差。但也有标准要求使用最小区域圆（或大内切圆、最小外接圆）来模拟孔的装配功能，此时则需采用相应的极值圆方法。

六、实际应用中的算法选择建议

在实际测量中，应根据测量任务的目标选择合适的拟合算法。

优先选择最小二乘法的场景：

• 常规尺寸测量（直径、长度、距离、角度）

• 需要良好重复性的批量检测

• 测量点分布均匀、无显著离群值

• 与CAD模型比对（多数CAD软件使用最小二乘法）

优先选择最小区域法的场景：

• 形状公差评定（直线度、圆度、平面度、圆柱度）

• 测量点中存在毛刺、污点等异常干扰时

• 需要评估极值情况（最小壁厚、大间隙）

• 符合ISO/ASME形位公差标准的报告要求

特殊考虑：
对于圆度评定，如果设备软件默认使用最小二乘圆，应确认其圆度计算方式是否与标准一致。部分软件使用最小二乘圆计算圆度（大半径减最小半径），这种方式与最小区域法结果存在差异，通常最小区域法得出的圆度值会略大于最小二乘法（因为包容区域更紧贴极值点）。

七、软件中的算法设置与验证

大多数测量软件允许用户在拟合算法中选择“最小二乘法"或“最小区域法"（可能命名为“最小区域法"、“切比雪夫法"或“大最小法"）。在设置时，应清楚标注使用的算法，尤其是在出具检测报告时，应注明“圆度按最小区域法评定"或“直径按最小二乘法计算"，以便客户或审核人员理解。

在实际操作中，可以通过以下方法验证算法差异：测量一个带有明显局部凸起的圆，分别使用最小二乘法和最小区域法计算直径和圆度。观察两种结果的差异——最小二乘圆直径会受到凸起影响而偏大，最小区域圆直径则更接近未变形部分的尺寸；圆度值上，最小区域法通常大于或等于最小二乘法。这种差异是正常的，取决于评定目的。

八、总结

最小二乘法与最小区域法是测量软件中两种核心的几何拟合算法，它们在数学原理、对离群值的敏感度、适用场景上存在本质差异。最小二乘法追求整体误差最小化，适合常规尺寸测量；最小区域法追求最小包容区域，是形位公差评定的标准方法。测量人员应根据测量任务的目标、被测特征的特点以及所依据的标准，正确选择拟合算法，并在报告中明确标注。理解这两种算法的差异，有助于合理解读测量结果，避免因算法选择不当导致的产品误判，从而真正发挥测量数据在质量控制中的作用。