ค้นหาเส้นหยาบอย่างรวดเร็วในชุดของคะแนน

12

ในเครื่องตรวจจับระดับหนึ่งโดยเฉพาะข้อมูลของเราออกมาเป็นคู่ของจุดในสองมิติและเราต้องการที่จะร้อยจุดเหล่านี้เป็นเส้น

ข้อมูลมีเสียงดังและถูกมัดในทิศทางเดียว แต่ไม่ใช่ในทิศทางอื่น เราไม่สามารถรับประกันการเข้าชมในถังขยะได้ทุกครั้งแม้ว่าองค์ประกอบของเครื่องตรวจจับแต่ละชิ้นทำงานได้ดังนั้นอาจมีการข้ามไป

ห่วงโซ่การวิเคราะห์ในปัจจุบันของเราดูเหมือนว่า

ปรับค่าความนิยมสำหรับการสอบเทียบขององค์ประกอบตัวตรวจจับแต่ละตัว
ค้นหากลุ่ม
เส้นที่ขรุขระพอดีกับคลัสเตอร์
เชื่อมต่อคลัสเตอร์เข้ากับโครงสร้างที่มีลักษณะคล้ายเส้นที่ยาวขึ้น
...

คำถามนี้เกี่ยวข้องกับขั้นตอน (3)

เราใช้การแปลง Hough สำหรับขั้นตอนนั้นและใช้งานได้ดี แต่เมื่อเราพยายามปรับขนาดจากเตียงทดสอบเป็นแบบจำลองของโครงการเต็มรูปแบบมันจะช้าอย่างไม่อาจยอมรับได้

ฉันกำลังมองหาวิธีที่เร็วขึ้น

สำหรับผู้ที่อาจสนใจกรณีการใช้งานจริงที่นี่คือหอฉายเวลาเหลวอาร์กอน

regression computer-vision pattern-recognition

— dmckee --- ลูกแมวผู้ควบคุม
แหล่งที่มา

1

นอกจากนี้เรายังใช้วิธี Hough Transform แบบเรียกซ้ำสำหรับการติดตามเส้นทางผ่าน Multi-Wire Proportional Chambers ที่ FermiLab วิทยานิพนธ์ระดับสูงของ Erik Kangas มีรายละเอียดทั้งหมด ฉันคิดว่านี่ยังคงเป็นวิธีที่ดีที่สุดที่จะทำ

— Matt Knepley

1

คุณหมายถึง "... pairs on point ... " หรือ "... คะแนนสะสม ... " ในประโยคแรกใช่หรือไม่

— Bill Barth

2

มีรุ่นที่น่าจะเป็นของการแปลง Hough (PHT) ที่เร็วกว่า ตามที่ Bradski & Kaehler อธิบายไว้ในหนังสือ OpenCV:

แนวคิดก็คือจุดสูงสุดจะสูงพออย่างไรก็ตามการกดปุ่มเพียงเสี้ยวเวลาก็พอที่จะหาได้

ไลบรารี OpenCV แสดงการใช้งานสำหรับ PHT

มีทางเลือกอื่น ๆ การสร้างการแปลง Hough แบบกระจายไม่ใช่เรื่องยาก เพียงแค่แบ่งจุดของคุณเป็นชิ้นเล็ก ๆ และใช้กรอบ MapReduce เพื่อรวมสะสมทั้งหมด แนวคิดอื่นคือทำการแปลง Hough แบบหยาบโดยใช้พื้นที่พารามิเตอร์ที่มีความละเอียดต่ำ เลือกผู้สมัครที่ดีที่สุดของคุณและเรียกใช้การทำซ้ำที่ละเอียดกว่าโดยใช้พื้นที่พารามิเตอร์ที่นำเสนอความละเอียดสูงกว่า บางทีนี่อาจเป็นความคิดที่อยู่เบื้องหลัง FHT ของแกนดัล์ฟ

— TH
แหล่งที่มา

1

PHT ถูกเสนอใน: Matas, J. และ Galambos, C. และ Kittler, JV, การตรวจจับเส้นที่แข็งแรงโดยใช้ Probabilistic Hough Transform CVIU 78 1, pp 119-137 (2000)

— TH

หลักสูตรนั้นสามารถปรับขั้นตอนทั่วไปเป็นหลายขั้นตอนซึ่งเป็นสิ่งที่แกนดัล์ฟทำ

— dmckee --- ผู้ดูแลอดีตลูกแมว

BTW - ในเวลาที่ฉันถามคำถามนี้เพื่อนร่วมงานได้เพิ่มโมดูลโดยใช้การแปลงความน่าจะเป็นแบบโปรเกรสซีฟในรหัสของเรา สิ่งนี้มาพร้อมกับการเปลี่ยนแปลงที่เกี่ยวข้องหลายประการดังนั้นจึงเป็นเรื่องยากที่จะจำแนกลักษณะที่แตกต่างกัน แต่เป็นส่วนหนึ่งของแพ็คเกจที่เร่งการวิเคราะห์สองขั้นตอนอย่างมาก ดังนั้นฉันจะยอมรับสิ่งนี้เป็นคำแนะนำ "ชนะ"

— dmckee --- ผู้ดูแลอดีตลูกแมว

5

เพื่อนร่วมงานของฉันพบการเปลี่ยนแปลงอย่างรวดเร็วของ Houghในห้องสมุด Gandalfซึ่งดูมีแนวโน้มมาก แต่อาจจะเป็นงานที่ต้องรวมเข้าด้วยกันดังนั้นฉันจึงมองหาวิธีการอื่น

การนำแกนดัล์ฟไปใช้นั้นน่าสนใจ: พวกมันทำการประเมินพื้นที่สะสมในลักษณะวนซ้ำเสมือนการสำรวจต้นไม้สี่หรือตุลาคม ภูมิภาคที่ไม่มีความหนาแน่นมากจะถูกโยนทิ้งไป

— dmckee --- ลูกแมวผู้ควบคุม
แหล่งที่มา