포인트 세트에서 거친 선을 빠르게 찾기

12

특정 종류의 탐지기에서, 우리의 데이터는 2 차원에서 한 쌍의 점으로 나오며,이 점들을 선으로 묶고 싶습니다.

데이터에 노이즈가 있으며 한 방향으로 비닝되지만 다른 방향으로 비닝되지 않습니다. 각 검출기 요소가 작동하는 경우에도 모든 빈에 대한 타격을 보장 할 수 없으므로 건너 뛸 수 있습니다.

우리의 현재 분석 체인은

개별 검출기 요소 교정을위한 적중 조정
클러스터 찾기
클러스터에 딱 맞는 라인
더 긴 라인 구조로 클러스터를 연결
...

이 질문은 3 단계와 관련이 있습니다.

우리는 해당 단계에 Hough 변환을 사용하고 있으며 제대로 작동하지만 테스트 베드에서 전체 프로젝트의 시뮬레이션으로 확장하려고 할 때 허용 할 수 없을 정도로 느려집니다.

더 빠른 방법을 찾고 있습니다.

실제 사용 사례를 신경 쓰려는 사람들을 위해 여기에는 액체 아르곤 시간 투영 챔버가 있습니다.

regression computer-vision pattern-recognition

— dmckee --- 전 운영자 고양이
소스

1

또한 FermiLab의 다중 와이어 비례 챔버를 통한 경로 추적을위한 재귀 Hough Transform 방법을 수행했습니다. Erik Kangas의 수석 논문에는 모든 세부 사항이 있습니다. 나는 이것이 여전히 최선의 방법이라고 생각합니다.

— Matt Knepley

1

첫 문장에서 "... 페어 쌍 ..."또는 "... 페어 쌍 ..."을 의미 했습니까?

— Bill Barth

2

빠른 HHT 변환 (PHT) 버전이 더 빠릅니다. Bradski & Kaehler가 OpenCV 책에 설명 된대로 :

아이디어는 피크가 어쨌든 충분히 높아질 것입니다. 그런 다음 아주 짧은 시간 만두면 충분합니다.

OpenCV 라이브러리는 PHT에 대한 구현 을 제공 합니다 .

다른 대안이 있습니다. Hough 변환 의 분산 버전 을 작성하는 것은 어렵지 않습니다 . 포인트 세트를 더 작은 청크로 나누고 MapReduce 프레임 워크를 사용하여 모든 누산기를 요약하십시오. 다른 아이디어는 해상도가 낮은 매개 변수 공간을 사용하여 거친 버전의 Hough 변환 을 수행하는 것입니다 . 최상의 후보를 선택하고 더 높은 해상도를 나타내는 매개 변수 공간을 사용하여 더 세밀한 반복을 실행하십시오. 아마도 이것은 간달프의 FHT의 아이디어 일 것입니다.

— TH.
소스

1

PHT는 Matas, J. 및 Galambos, C. 및 Kittler, JV, Progressive Probabilistic Hough Transform을 사용한 라인의 강력한 감지에서 제안되었습니다. CVIU 78 1, 119-137 쪽 (2000).

— TH.

그런 다음이 과정은 간달프가하는 여러 단계로 일반화 될 수 있습니다.

— dmckee --- 전 변조 고양이 새끼

BTW--이 질문을 한 이후 동료가 코드에 점진적 확률 적 변환 버전을 사용하는 모듈을 추가했습니다 . 여기에는 몇 가지 관련 변경 사항이 포함되어 있으므로 차이점을 정확하게 파악하기가 어렵지만 분석의 두 단계를 상당히 가속화 한 패키지의 일부입니다. 그래서 저는 이것을 "승리 한"조언으로 받아 들일 것입니다.

— dmckee --- 전 운영자 고양이

5

저는 동료가 간달프 라이브러리 에서 Fast Hough Transform 을 발견했습니다.이 라이브러리 는 매우 유망하지만 통합하는 데 많은 작업이 필요할 수 있으므로 다른 접근법을 찾고 있습니다.

간달프 (Gandalf) 구현은 흥미 롭다. 그들은 쿼드 또는 옥트 트리를 순회하는 것처럼 재귀 적 방식으로 누산기 공간을 평가한다. 밀도가 높은 지역은 갈수록 버리게됩니다.

— dmckee --- 전 운영자 고양이
소스