2D 포인트 클라우드에서 원 (엘리 프) 감지

즉 점 (2D)의 집합을 감안할 때, 포인트 클라우드 (PC)는 질문이에 관한 것입니다 robust, accurate및 computing-friendly방법 (고급 버전 또는 타원) 원을 찾을 수 있습니다.

직관적 인 아이디어는 가능한 모든 지점 (중심) {infinite!} 및 radii (다시 무한대)에서 Brute-Force Search를 사용하는 것입니다. 이것은 매우 느리고 비효율적입니다.

아래에 나와있는 것처럼 각 적합 원은 nn임계 값 ( t) 보다 짧은 거리에서 원주에 위치한 포인트 수 ( ) 를 기준으로 순위가 매겨 집니다 . 따라서 derr평균 거리를 제시해야합니다.

고급 형태의 타원이 적합합니다.

아이디어, 브레인 스토밍, 경험, 의견이 있습니까?

이 문제 를 정확하게 해결 하는 가장 좋은 아이디어 는 Hough Transform 입니다.

기본적으로 허프 공간의 신호는 r, x, y좌표가됩니다. 여기는 r 반경을 x,y나타내며 중심을 나타냅니다. 모든 포인트는 하나 이상의 원에 속할 수 있습니다. 에 따라서 호우면 이 점에 속하는 단지 일을 할 수있는 가능한 모든 원을 통해 이동합니다. 이것은 검색이 아니라 컬렉션입니다.

이제 실제 원이 존재하면 많은 점수가 추가되고 그러한 점수는 r, x, y다른 모든 점수 보다 훨씬 높습니다. 그러한 점을 선택하면 올바른 원을 선택할 수 있습니다.

여기에 1971 년 (태어나 기 전에)이 개념을 발명 한 고전적인 종이가 있습니다.

1. 그림에서 선과 곡선을 감지하기 위해 충분한 궤적 사용 작성자 : Richard O. Duda, Peter E. Hart Tech는 1971 년 4 월 인공 지능 센터를보고합니다.

튜토리얼의 경우 아래 참조를 제안합니다.

1. HIPR2-링크
2. 아모스 스토 키
3. IDL 참조

특히 원 감지의 경우 아래를 참조하십시오.

1. AI 판잣집
2. 시카고 대학 기술 보고서
3. 로체스터 인스티튜트의 강의 노트

이러한 방법은 매우 효율적이며 컴퓨터 친화적입니다.