从点集中稳健检测非重叠椭圆及其在图像圆形靶标提取与点云圆柱检测中的应用
计算机视觉与模式识别
2021-05-03 v3 计算几何
机器学习
摘要
本手稿提供了一系列从边缘点中自动检测非重叠椭圆的新方法。这些方法在以下方面取得了新进展：(i) 在存在离群点的情况下，基于稳健蒙特卡洛的二维(2D)点椭圆拟合；(ii) 从二维边缘点中检测非重叠椭圆；以及(iii) 从三维点云中提取圆柱。通过设计四组原创实验，利用模拟和真实世界数据集，将所提方法与已有的SOTA方法进行了充分比较。研究发现，在模拟和真实世界数据集中，所提稳健椭圆检测方法优于四种可靠的稳健方法，包括流行的least median of squares。所提非重叠椭圆检测流程在真实图像上取得了99.3%的F-measure，而使用Fornaciari、Patraucean和Panagiotakis方法分别获得的F-measure为42.4%、65.6%和59.2%。所提圆柱提取方法在两个真实世界点云中识别出了所有可检测的机械管道，这些点云分别是在实验室和工业建筑工地条件下获取的。本研究结果表明，所提方法在从图像中自动提取圆形靶标以及从点云中提取管道方面具有应用前景。
引用
@article{arxiv.2011.13849,
title = {Robust Detection of Non-overlapping Ellipses from Points with Applications to Circular Target Extraction in Images and Cylinder Detection in Point Clouds},
author = {Reza Maalek and Derek Lichti},
journal= {arXiv preprint arXiv:2011.13849},
year = {2021}
}