Nov, 2023

DSeg: 直线段检测

PDF
TL;DR该研究提出了一种基于模型驱动的方法来检测图像线段，通过使用线性卡尔曼滤波器逐步在梯度图像上检测线段，并估计其支持线参数及其相关方差。该算法在处理图像噪声和光照变化方面表现出色，可以检测到比数据驱动方法更长的线段，并且无需繁琐的参数调整。此外，还提出了一种扩展算法，利用金字塔方法来提高结果的质量。通过与经典方法的对比以及在不同场景光照下的测试，证明了该方法的有效性。
发现论文，激发创造
  • DeepLSD: 使用深度图像梯度进行线段检测和细化

    DeepLSD 是一种结合了深度网络和传统手工设计的边缘检测器，能够在不需要真实边线作为训练数据的情况下进行自适应训练，并且通过优化吸引力场和消失点提高了检测的精度。

    Dec, 2022

  • 基于水平线指导的边缘绘制方法用于鲁棒的线段检测

    本文提出了一种基于 level-line guided edge drawing 技术的线段检测算法，利用统一垂直于梯度方向的级线信息辅助直线拟合，提高了检测效率和稳健性，在大量实验中展现了优越性能。

    May, 2023

  • ELSED：增强型直线段绘图

    本文提出了一种名为 ELSED 的局部线段检测算法，通过局部线段生长算法对梯度对齐像素进行连接以提高检测效率，同时引入了新的指标衡量线段检测器的准确性和可重复性，在多项实验中证明了该方法的高效性和准确性。

    Aug, 2021

  • SOLD2: 自监督遮挡感知线条描述和检测

    本文提出了第一种单一深度神经网络同时进行线段检测和描述。通过自我监控训练，我们的方法不需要任何注释的线标签，并且可以推广到任何数据集。在多视图数据集及实际应用中，本方法相较以往的线条检测与描述算法拥有更高的稳定性和匹配度，是向学习特征点方法迈出的第一步。

    Apr, 2021

  • TP-LSD：基于三点的线段检测器

    本研究提出了一种新型的深度卷积模型 TP-LSD，采用三点表示法用于图像线段检测，并通过定义新的评估指标以 Wireframe 和 YorkUrban 数据集为基础，验证其运行速度高达每秒 78 帧，具有竞争性的准确性和结构先验。

    Sep, 2020

  • 图像线段检测与描述的全面综述：分类、比较与挑战

    综述了关于二维图像线段的检测和描述的研究，提出了两个线段检测和描述的分类，并分析和总结了现有的方法的关键问题、核心思想、优缺点以及其潜在的应用，同时评估了一些最新的线段检测和描述算法，以指导研究人员选择最佳的方法进行视觉应用。

    Apr, 2023

  • 实时、轻量级的线段检测

    本文提出了一种用于资源受限环境下的轻量级、实时的线段检测器 Mobile LSD (简称 M-LSD)，通过设计高效的 LSD 模型结构和新颖的训练策略，使得该模型在手机设备上可以实现有竞争力的性能，其模型大小为现有方法的 2.5％，推理速度提高了 130.5％。此外，该模型可以在最新的 Android 和 iPhone 手机设备上以超过 48fps 的速度运行。

    Jun, 2021

  • SuperLine3D：自监督 LiDAR 点云线段分割和描述

    基于线特征的 LiDAR 点云点云配准方法通过 EdgeConv 标记线特征，并使用共享编码器层来训练两个分割和描述头，该方法在无初始变换输入的情况下验证了自己的有效性，对于各种计算机视觉任务具有广泛的应用价值。

    Aug, 2022

  • 高效直线段检测器和描述器 ELSD

    本文章提出了一种名为 “高效线段检测和描述器（ELSD）” 的模型，它可以同时在图像中检测出线段并提取其描述符，利用共享特征提取器在实时中提供线特征以进行 SLAM 和图像匹配等高级任务。ELSD 在准确性和效率方面均优于以前的作品，并在线匹配任务中表现出更好的线描述能力。

    Apr, 2021

  • PPGNet: 学习点对图以进行线段检测

    该研究提出一种新的方法，使用简单的图形表示法描述交点、线段和它们之间的关系，并使用 PPGNet 卷积神经网络从图像中提取线段图。经过对 York Urban 和 Wireframe 数据集的测试表明，该方法具有较好的性能，并可以推广到所有测试数据集中。

    May, 2019