Fast Line Segment Extraction for Line Features and 3D Reconstruction

Abstract

Die Erkennung von Kanten und die Extraktion von Liniensegmenten sind grundlegende Werkzeuge der Computer Vision, die Anwendungen wie Objekterkennung, Szenensegmentierung und 3D-Rekonstruktion ermöglichen. In dieser Arbeit werden Methoden zur Strukturierung von Kantenrohdaten in sinnvolle Cluster für die Extraktion von Liniensegmenten untersucht. Der Schwerpunkt liegt auf der Erkennung aussagekräftiger Kantenregionen, der Extraktion zusammenhängender Kantenpunkte, der Verarbeitung von Liniensegmenten sowie auf Optimierungsund Validierungsmethoden zur Verbesserung der Genauigkeit und Robustheit von Liniensegmenten. Nach einer Einführung in die Grundlagen der Kantenverarbeitung werden verschiedene Edge-Response-Techniken beschrieben und hinsichtlich ihrer Fähigkeit, Details zu erhalten und gleichzeitig das Rauschen zu minimieren, analysiert und verglichen. Zusätzlich werden Operationen wie Non-Maxima-Supression und Zero- Crossing auf ihre Rolle bei der Verbesserung der Kantenlokalisierung und der Zuverlässigkeit der Kantensegmentextraktion untersucht. Um das Rauschen und die Fragmentierung bei der Erkennung von Kantensegmenten zu reduzieren und die Genauigkeit zu verbessern, werden robuste Methoden für das Wachsen von Kantenregionen und die Verbindung von Kantenpunkten eingeführt, einschließlich Validierungsmethoden. Neben der Kantenerkennung bieten strukturierte Liniensegmente eine höhere Ebene der geometrischen Datendarstellung. Dies ist besonders nützlich für die 3D-Rekonstruktion und Navigation in Innenräumen, wo die strukturelle Regelmäßigkeit hoch ist, die Texturinformationen jedoch begrenzt sind. Techniken zur Erkennung von Liniensegmenten, einschließlich Methoden zur Linienausrichtung, werden hinsichtlich ihrer Rolle bei der Darstellung präziser geometrischer Strukturen und bei der Unterstützung visueller Analysen auf höherer Ebene, wie z. B. der Extraktion von Linienmerkmalen und der daraus resultierenden Fähigkeit, gleiche Segmente wiederzufinden, bewertet. Die Effizienz der Berechnung wird ebenfalls bewertet, mit einer vergleichenden Analyse der Laufzeitleistung und Optimierungsstrategien, um ein Gleichgewicht zwischen Genauigkeit und Verarbeitungsgeschwindigkeit zu erreichen. Diese Arbeit bietet außerdem eine Einführung in das Open-Source-Framework, das aus den Implementierungen der verschiedenen in dieser Arbeit beschriebenen Methoden entstanden ist. Zusätzlich zu den Methoden stellt es eine Analyseanwendung zur Verfügung, mit der die Methoden direkt angewendet und visualisiert werden können, sowie Werkzeuge zur Durchführung von Evaluierungen der Methoden. Damit stellt es einen wichtigen Meilenstein für zukünftige Forschungsarbeiten im Bereich der kanten- und liniensegmentbasierten Bildanalyse dar.

Edge detection and line segment extraction are fundamental tools in computer vision, enabling applications such as object recognition, scene segmentation, and 3D reconstruction. This thesis investigates methods for structuring raw edge data into meaningful clusters for line segment extraction. The focus lies on the detection of meaningful edge regions, the extraction of connected edge points, the processing of line segments, as well as optimization and validation methods to improve the accuracy and robustness of line segments. After introducing important fundamentals of edge processing, various edge response techniques are described, analyzed, and compared based on their ability to preserve detail while minimizing noise. In addition, operations such as non-maximum suppression and zero-crossing are examined for their role in improving edge localization and the reliability of edge segment extraction. To reduce noise and fragmentation in edge segment detection and improve accuracy, robust methods for edge region growing and edge point connection are introduced, including validation methods. Beyond edge detection, structured line segments provide a higher level of geometric data representation. This is particularly useful for 3D reconstruction and indoor navigation, where structural regularity is strong but texture information is limited. Line segment detection techniques, including line fitting methods, are evaluated for their role in representing precise geometric structure and supporting higherlevel visual analysis, such as line feature extraction and matching. Computational efficiency will also be evaluated, with a comparative analysis of runtime performance and optimization strategies to balance accuracy and processing speed. This thesis also provides an introduction to the open source framework that has evolved from the implementations of the various methods described in this thesis. In addition to the methods, it provides an analyzer application to directly apply and visualize the methods, as well as tools to perform evaluations on the methods. It lays an important milestone for future research in edge and line segment-based image analysis tasks.