Edge and corner identification for tracking the line of sight
Main Article Content
Keywords
métodos de sintetización de imágenes, visión por computador, detección de aristas, detección de esquinas
Resumen
Este artículo presenta un detector de aristas y esquinas, implementado en el dominio del proyecto GEIST (un Sistema de Información Turística Asistido por Computador) para extraer la información de aristas rectas y sus intersecciones (esquinas en la imagen) a partir de imágenes de cámara (del mundo real) contrastadas con imágenes generadas por computador (de la Base de Datos de Monumentos Históricos a partir de posición y orientación de un observador virtual). Las imágenes de la cámara y las generadas por computador son procesadas para reducir detalle, hallar el esqueleto de la imagen y detectar aristas y esquinas. Las esquinas sobrevivientes del proceso de detección y hallazgo del esqueleto de las imágenes son tratados como puntos referentes y alimentados a un algoritmo de puesta en correspondencia, el cual estima los errores de muestreo que usualmente contaminan los datos de GPS y orientación (alimentados al generador de imágenes por computador). De esta manera, un ciclo de control de lazo cerrado se implementa, por medio del cual el sistema converge a la determinación exacta de posición y orientación de un observador atravesando un escenario histórico (en este caso, la ciudad de Heidelberg). Con esta posición y orientación exactas, en el proyecto GEIST otros módulos son capaces de proyectar re-creaciones históricas en el campo de visión del observador, las cuales tienen el escenario exacto (la imagen real vista por el observador). Así, el turista “ve” las escenas desarrollándose en sitios históricos materiales y reales de la ciudad. Para ello, este artículo presenta la modificación y articulación de algoritmos tales como el Canny Edge Detector, “SUSAN Corner detector”, filtros 1- y 2-dimensionales, etcétera.
PACS: 07.05.Pj
MSC: 68Uxx, 68U05, 68U10
Descargas
Referencias
[2] P. Gros, O. Bournez and E. Bouyer. Using geometric quasi-invariants to match and model images of line segments, Technical Report, RR-2608, INRIA, July 1995.
[3] Anil K. Jain. Fundamentals of Digital Image Processing, Prentice Hall, 1989.
[4] J. M. S. Prewitt. Object enhancement and extraction, Picture Processing and Psy- chopictorics, Academic Press, 1970.
[5] I. Sobel. An isotropic 3 × 3 image gradient operator, Machine Vision for Three- dimensional Scenes, Academic Press, 1990.
[6] D. Marr and E. C. Hildreth. Theory of edge detection, Proc. Roy. Soc. London, B-207:187–217 (nov 1980).
[7] J.F. Canny. A computational approach to edge detection, IEEE Transactions on Pattern Analysis and Machine Inteligence, 8(6), 679–698 (nov 1986).
[8] R.M. Haralick. Digital step edges from zero crossing of second directional derivatives, IEEE Transactions on Pattern Analysis and Machine Inteligence, 6(1), 58–68 (jan 1984).
[9] J. A. Noble. Descriptions of Image Surfaces, PhD thesis, Robotics Research Group, Department of Engineering Science, Oxford University, 1989.
[10] S. Venkatesch. A study of Energy Based Models for the Detection and Classification of Image Features, PhD thesis, Department of Computer Science, The University of Western Australia, 1990.
[11] H. Asada and M. Brady. The curvature primal sketch, IEEE Transactions on Pattern Analysis and Machine Inteligence, 8(1), 2–14 (1986).
[12] H. Freeman and L. S. Davis. A corner finding algorithm for chain code curves, IEEE Transactions on Computers, 26, 297–303 (1977).
[13] P. R. Beaudet. Rotational invariant image operators, Int. Conference on Pattern Recognition, 579–583 (1978).
[14] H. P. Moravec. Visual mapping by a robot rover, Joint Conference on Artificial Intelligence, 598–600 (1979).
[15] L. Kitchen and A. Rosenfeld. Gray-level corner detection, Pattern Recognition Letters, 1, 95–102 (1982).
[16] C. G. Harris and M. Stephens. A combined corner and edge detector, 4th Alvey Vision Conference, 147–151 (1988).
[17] K. Rangarajan, M. Shah and D. V. Brackle. Optimal corner detector, Computer Vision, Graphics and Image Processing, 48, 230–245 (1989).
[18] F. Arrebola, A. Bandera, P. Camacho and F. Sandoval. Corner detection by local histograms of contour chain code, Electronic Letters, 33(21), 1769–1771 (1997).
[19] F. Arrebola, P. Camacho, A. Bandera, and F. Sandoval. Corner detection and curve representation by circular histograms of contour chain code, Electronic Letters, 35(13), 1065–1067 (1999).
[20] A. Quddus and M. Fahmy. Fast wavelet-based corner detection technique, Electronic Letters, 35(4), 287–288 (1999).
[21] Z. Zheng, H. Wang, and E. Teoh. Analysis of gray level corner detection, Pattern Recognition Letters, 20, 149–162 (1999).
[22] S. M. SMITH and J. M. BRADY. Susan - a new approach to low level image processing, International Journal of Computer Vision, 23(1), 45–78 (1997).
[23] D. Douglas and T. Peucker. Algorithms for the reduction of the number of points required to represent a digitized line or its caricature, The Canadian Cartographer, 10(2), 112–122 (1973).
[24] James D. Foley, Andries van Dam, Steven K. Feiner and John F. Hughes. Computer Graphics, Principles and Practice, Addison-Wesley Publishing Co., 2 edition, 1990.
[25] Milan Sonka, Vaclav Hlavac and Roger Boyle. Image Processing, Analysis and Ma- chine Vision, Brooks/Cole Publishing Co., Pacific Grove, 1999.