ポイントのセットで大まかな線をすばやく見つける


12

特定のクラスの検出器では、データは2次元のポイントのペアとして出力されるため、これらのポイントをラインにストリング化する必要があります。

データはノイズが多く、一方向にビニングされますが、他の方向にはビニングされません。各検出器要素が動作している場合でも、すべてのビンでのヒットを保証することはできないため、スキップが発生する可能性があります。

現在の分析チェーンは次のようになります

  1. 個々の検出素子のキャリブレーションのヒットを調整します
  2. クラスターを見つける
  3. クラスターへのラフフィットライン
  4. クラスターをより長いライン状の構造に接続します
  5. ...

この質問はステップ(3)に関するものです。

そのステップでハフ変換を使用してきましたが、うまく機能しますが、テストベッドから本格的なプロジェクトのシミュレーションにスケールアップしようとすると、許容できないほど遅くなります。

もっと速い方法を探しています。


ここで実際の使用例を気にする人のために、液体アルゴン時間投影チャンバーがあります


1
また、FermiLabでMulti-Wire Proportional Chamberを使用した経路追跡のための再帰的ハフ変換法も実行しました。エリック・カンガスの上級論文にはすべての詳細があります。これがまだ最善の方法だと思います。
マットネプリー

1
最初の文で「...ポイントのペア...」または「...ポイントのペア...」という意味ですか?
ビル・バルト

回答:


2

より高速な確率的バージョンのハフ変換(PHT)があります。Bradski&KaehlerのOpenCV本で説明されているように:

アイデアは、とにかくピークが十分に高くなり、それを見つけるのにほんの少しの時間で十分であることです。

OpenCVライブラリは、PHTの実装を提供します

他の選択肢があります。ハフ変換の分散バージョンを作成することは難しくありません。ポイントセットを小さなチャンクに分割し、MapReduceフレームワークを使用してすべてのアキュムレーターを合計します。他のアイデアは、低解像度のパラメータ空間を使用してハフ変換の粗いバージョンを実行することです。最適な候補を選択し、より高い解像度を示すパラメーター空間を使用して、より細かい反復を実行します。たぶん、これがガンダルフのFHTの背後にある考え方です。


1
PHTは次の場所で提案されました:Matas、J. and Galambos、C. and Kittler、JV、Progressive Probabilistic Hough Transformを使用した行のロバスト検出。CVIU 78 1、pp 119-137(2000)。
TH。

コースはその後、Gandalfが行うことである複数のステップに一般化できます。
dmckee ---元モデレーター子猫

ところで、私がこの質問をして以来、同僚がコードのトランスフォームのプログレッシブ確率バージョンを使用したモジュールを追加しました。これにはいくつかの関連する変更が伴うため、どのような違いがあったのかを正確に特定することは困難ですが、分析のいくつかのステップを大幅に高速化したパッケージの一部です。それで、これを「勝つ」アドバイスとして受け入れます。
dmckee ---元モデレーター子猫

5

私の同僚は、GandalfライブラリFast Hough Transformを見つけました。これは非常に有望に見えますが、統合するのに多くの作業が必要になる可能性があるため、他のアプローチを探しています。

ガンダルフの実装は興味深いものです。アキュムレータ空間を、四分木または八分木を横断するかのように再帰的に評価します。多くの密度のない領域は、それらが進むにつれて捨てられます。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.