一种多维空间中的直线、平面和超平面的快速检测方法技术

本发明专利技术公开了一种多维空间中的直线、平面和超平面的快速检测方法，该方法建立了新的直线、平面及超平面的数学模型，以此为基础开发了一体化快速霍夫变换，使用单一k字节树负责所有信息存储。这一新方法具有两个重要的优势：首先，模型对应总最小二乘拟合算法，对数据噪声容忍度更好，解决了快速霍夫变换对位于参数空间分割线上目标检测精确度过低的问题；其次，一体化快速霍夫变换中，数据空间中距离很近的目标在参数空间中是聚集在一起的，参数空间计算过程可以采用直观的图形显示，从而快速判断目标的数量，指导系统参数设定并区分重复识别的目标。本发明专利技术可应用于图像分析、计算机视觉、自动驾驶、人工智能和数据分类等。人工智能和数据分类等。人工智能和数据分类等。

【技术实现步骤摘要】
一种多维空间中的直线、平面和超平面的快速检测方法


[0001]本专利技术属于图像处理
，主要涉及一体化快速霍夫变换，具体是一种多维空间中的直线、平面和超平面的快速检测方法，其可用于多种数据的数据挖掘、分类和模式识别，包括图像数据、金融数据、阵列数据等；还可应用于图像分析、计算机视觉、自动驾驶、人工智能和数据分类等。

技术介绍

[0002]直线检测是物体识别的基础，在图像处理及识别中有着举足轻重的地位。1962年霍夫首次开发了图像中高效的直线检测算法并获得了专利，这一算法被称为霍夫变换。至今已经有超过2500份学术文章提出各种霍夫变换的改进算法。2D霍夫变换也被拓展到多维空间中的平面及超平面检测，应用于众多领域，包括计算机视觉、机器学习、人工智能、自动驾驶及数据分类等。
[0003]霍夫变换和其绝大多数的变种的目标是二维数据中的直线检测，通过适当的改进也可用于特定曲线和图形的检测。霍夫变换用于直线检测主要包括两个步骤：设定长度有限的参数空间，设计映射函数将输入数据转换成该参数空间的直线；将参数空间分割成多个小的计票单元，利用输入数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多维空间中的直线、平面和超平面的快速检测方法，其特征在于，在数据点云模式，在n维空间{F1,F2,
…
,F
n
}中，数据点云由N个数据点组成，每个数据点表示为：F(j)＝[F1(j),F2(j),
…
,F
n
(j)]，j＝1
…
N；所述方法将数据空间中的直线、平面或超平面采用来表征，其中：d为用户指定的参数，{β1,β2,
…
,β
n+1
}是参数，n对应数据的维度，m值为n
‑
1或者n,τ
i
为一个数据正则化因子，由用户自己选择。2.根据权利要求1所述的一种多维空间中的直线、平面和超平面的快速检测方法，其特征在于，所述方法中，只检测某些特定的子集，包括：检测符合β
n+1
＝0的目标，或者任意一个β
i
≥0的目标，或者β
i
在特定取值区间内的目标。3.根据权利要求1或2所述的一种多维空间中的直线、平面和超平面的快速检测方法，其特征在于，所述方法通过以下步骤预先设定系统参数：第一步，如果使用m＝n模型，设定直线、平面或超平面的截距的取值范围d，d小于等于输入的点云数据中各数据点离坐标原点的最大距离d
max
,若使用m＝n+1的模型,则可以默认设定d＝1；第二步，设定一个投票阈值T用于决定认定目标需要的最小数据点个数，设定预期的检测的精度q，q的值为整数；第三步，创建k字节树，设定k字节树根节点中心位置参数及各维度半长；第四步，转换各数据点到参数空间；第五步，计算根节点到任意数据点j的距离，测试公式是否满足，如满足则增加根节点累计的票数；第六步，若根节点票数小于T，则系统中无满足条件的目标，系统退出，如票数大于等于门限值T，则生成根节点的满足b1＝1条件的2
k
‑1子节点，为每个新生成的节点配备一个矢量b＝[b1,
…
,b
k
]；第七步，利用全部N个数据点对新节点投票；第八步，检测新节点的票数，若小于门限值T，则停止对该子节点处理；若该节点的层级已到达q层，则输出该节点的参数信息，其对应系统中...

【专利技术属性】
技术研发人员：甘祥超，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：