ОБЗОРЫ
МЕТОДЫ И АЛГОРИТМЫ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ
КВАНТОВАЯ ИНФОРМАТИКА
АНАЛИЗ ДАННЫХ
МАШИННОЕ ОБУЧЕНИЕ
МЕТОДЫ МОДЕЛИРОВАНИЯ
Ю.А. Шемякина "Использование точек и прямых для вычисления проективного преобразования по двум изображениям плоского объекта"
ОПТИМИЗАЦИЯ БИЗНЕС-ПРОЦЕССОВ
Ю.А. Шемякина "Использование точек и прямых для вычисления проективного преобразования по двум изображениям плоского объекта"

Аннотация.

В работе рассматривается задача оценки преобразования, связывающего два изображения одного плоского объекта. Предложен метод вычисления параметров проективного преобразования по комбинированным данным, состоящим из точек и прямых. Представлены результаты экспериментов на синтезированных данных, в которых исследовалась скорость сходимости алгоритма в зависимости от соотношения примитивов в исходном наборе данных. Экспериментально показано преимущество использования непосредственно прямых линий, а не точек их пересечения.

Ключевые слова:

проективное преобразование, RANSAC.

Стр. 79-91.

Литература

1. Lowe D. G. Distinctive Image Features from Scale-Invariant Keypoints // International Journal of Computer Vision archive, 2004. Vol. 60, Issue 2, pp. 91-110.
2. Bay H., Ess A., Tuytelaars T., Gool L. V. Speeded-Up Robust Features (SURF) // Computer Vision and Image Understanding archive, 2008. Vol. 110, Issue 3, pp. 346-359.
3. Lepetit, V., Fua, P. Keypoint recognition using randomized trees // IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006. 28, pp. 1465-1479.
4. Fan B., Kong Q., Trzcinski T. Receptive Fields Selection for Binary Feature Description // IEEE Transaction on Image Processing, 2014. 23(6), pp. 2583-2595.
5. Стренг Г. Линейная алгебра и ее применения. // М.: Мир, 1980. 454 с.
6. Theil H. A rank-invariant method of linear and polynomial regression analysis // Proceedings of the Royal Netherlands Academy of Sciences, 1950. 53, pp. 386–392, 521–525, 1397–1412.
7. Sen P. K., Kumar P. Estimates of the regression coefficient based on Kendall's tau, Journal of the American Statistical Association, 1968. 63, pp. 1379–1389.
8. Siegel A. F. Robust Regression Using Repeated Medians // Biometrika, 1982. Vol. 69, No. 1 pp. 242-244.
9. Rousseeuw P. J. Least median of squares regression // Journal of the American Statistical Association, 1984. Vol. 79, No. 388, pp. 871–880.
10. Fischler M. A., Bolles R. C. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography // Comm. Of the ACM, 1981. Vol. 24, pp. 381–395.
11. Chum O., Matas J. Matching with PROSAC - progressive sample consensus // IEEE Conference on Computer Vision and Pattern Recognition, 2005. pp. 220-226.
12. Torr P.H.S., Zisserman A. A MLESAC: A New Robust Estimator with Application to Estimating Image Geometry // Computer Vision and Image Understanding, 2000. Vol. 78, pp. 138--156
13. Hough P.V.C. Machine Analysis of Bubble Chamber Pictures // Proceeding of International Conference on High Energy Accelerators and Instrumentation, 1959. pp. 554-558.
14. Nikolaev D.P., Karpenko S.M., Nikolaev I.P., Nikolayev P.P. Hough transform: underestimated tool in the computer vision field // Proceedings of the 22th European Conference on Modelling and Simulation, 2008. pp. 238-246.
15. Grompone von Gioi R., Jakubowicz J., Morel J.M., Randall G. LSD: a fast line segment detector with a false detection control // IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010. 32 (4), pp. 722–732.
16. Akinlar C., Topal C. EDLines: A real-time line segment detector with a false detection control // Pattern Recognition Letters, 2011. 32(13), pp. 1633-1642.
17. Hartley R., Zisserman A. Multiple View Geometry in Computer Vision // New York: Cambridge University Press, 2004. 655 pp.
18. Певзнер С.Л. Проективная геометрия // М: "Просвещение", 1980. 128 с.
19. Понарин Я. П. Аффинная и проективная геометрия // МЦНМО, 2009. 288 с.
20. Шемякина Ю.А., Жуковский А.Е., Фараджев И.А. Исследование алгоритмов вычисления проективного преобразования в задаче наведения на планарный объект по особым точкам // Искусственный интеллект и принятие решений, 2017. 1, с. 43-49.
21. Bhattacharya P., Rosenfeld A., Weiss I. Point-to-line mappings as Hough transforms // Pattern Recognition Letters, 2002. Vol. 23, pp. 1705-1710.


Julia Shemiakina

"The Usage of Points and Lines for the Calculation of Projective Transformation by Two Images of One Plane Object"

Abstract. The paper considers the problem of estimating a transformation connecting two images of one plane object. The method is proposed for calculating the parameters of projective transformation by data consisting of points and lines. The results of the experiments on synthetic data are presented, in which the rate of the algorithm convergence was studied depending on the ratio of primitives in the original dataset. Also the advantage of using directly straight lines, rather than points of their intersection is experimentally shown.

Keywords: projective transformation, RANSAC. 

REFERENCES

1. Lowe D. G. Distinctive Image Features from Scale-Invariant Keypoints // International Journal of Computer Vision archive, 2004. Vol. 60, Issue 2, pp. 91-110.
2. Bay H., Ess A., Tuytelaars T., Gool L. V. Speeded-Up Robust Features (SURF) // Computer Vision and Image Understanding archive, 2008. Vol. 110, Issue 3, pp. 346-359.
3. Lepetit, V., Fua, P. Keypoint recognition using randomized trees // IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006. 28, pp. 1465‐1479
4. Fan B., Kong Q., Trzcinski T. Receptive Fields Selection for Binary Feature Description // IEEE Transaction on Image Processing, 2014. 23(6), pp. 2583-2595.
5. Strang G. Lineynaya algebra i ee primeneniya // M.: Mir, 1980. 454 p.
6. Theil H. A rank-invariant method of linear and polynomial regression analysis // Proceedings of the Royal Netherlands Academy of Sciences, 1950. 53, pp. 386–392, 521–525, 1397–1412.
7. Sen P. K., Kumar P. Estimates of the regression coefficient based on Kendall's tau, Journal of the American Statistical Association, 1968. 63, pp. 1379–1389.
8. Siegel A. F. Robust Regression Using Repeated Medians // Biometrika, 1982. Vol. 69, No. 1 pp. 242-244.
9. Rousseeuw P. J. Least median of squares regression // Journal of the American Statistical Association, 1984. Vol. 79, No. 388, pp. 871–880.
10. Fischler M. A., Bolles R. C. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography // Comm. Of the ACM, 1981. Vol. 24, pp. 381–395.
11. Chum O., Matas J. Matching with PROSAC - progressive sample consensus // IEEE Conference on Computer Vision and Pattern Recognition, 2005. pp. 220-226
12. Torr P.H.S., Zisserman A. A MLESAC: A New Robust Estimator with Application to Estimating Image Geometry // Computer Vision and Image Understanding, 2000. Vol. 78, pp. 138--156
13. Hough P.V.C. Machine Analysis of Bubble Chamber Pictures // Proceeding of International Conference on High Energy Accelerators and Instrumentation, 1959. pp. 554-558
14. Nikolaev D.P., Karpenko S.M., Nikolaev I.P., Nikolayev P.P. Hough transform: underestimated tool in the computer vision field // Proceedings of the 22th European Conference on Modelling and Simulation, 2008. pp. 238-246
15. Grompone von Gioi R., Jakubowicz J., Morel J.M., Randall G. LSD: a fast line segment detector with a false detection control // IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010. 32 (4), pp. 722–732
16. Akinlar C., Topal C. EDLines: A real-time line segment detector with a false detection control // Pattern Recognition Letters, 2011. 32(13), pp. 1633-1642
17. Hartley R., Zisserman A. Multiple View Geometry in Computer Vision // New York: Cambridge University Press, 2004. 655 pp.
18. Pevzner S. Proektivnaya geometriya // M: "Prosveshchenie", 1980. 128 p.
19. Ponarin Y. Affinnaya i proektivnaya geometriya // MCNMO, 2009. 288 p.
20. Shemiakina J., Zhukovsky A., Faradjev I. Issledovanie algoritmov vychisleniya proektivnogo preobrazovaniya v zadache navedeniya na planarnyy obekt po osobym tochkam // Iskusstvennyy intellekt i prinyatie resheniy, 2017. 1, pp. 43-49
21. Bhattacharya P., Rosenfeld A., Weiss I. Point-to-line mappings as Hough transforms // Pattern Recognition Letters, 2002. Vol. 23, pp. 1705-1710. 

 

2017 / 03
2017 / 02
2017 / 01
2016 / 04

© ФИЦ ИУ РАН 2008-2016. Создание сайта "РосИнтернет технологии".