基于多尺度多分辨率的直线段检测算法

唐守锋，范梦松，赵仁慈，翟少奇

（中国矿业大学信息与控制工程学院，江苏 徐州 221116）

0 引 言

同步定位与地图构建（simultaneous localization and mapping，SLAM）是计算机视觉和机器人领域的热门研究方向，是移动机器人的自主定位导航的关键技术。视觉SLAM需要将观测到的图像信息同环境进行数据关联，其中，点特征经常被用于数据关联。但在具有均匀墙面的室内环境或者较大面积玻璃窗的办公室内等弱纹理场景下，会造成特征点提取失败或者特征点数目不足等情况，导致算法性能下降［1～3］。

为了解决上述问题，一些学者提出：针对弱纹理场景，在点特征的基础上加入线特征，即点线特征融合的视觉SLAM系统。相比于点特征，线特征受纹理重复等环境问题的影响小，在低纹理的环境下数量也足够丰富，同时线特征在人造环境中，可以提供环境的结构信息。近年来，一些新的直线段检测（line segment detector，LSD）算法被提出，比如Gioi R等人［4］提出了一种快速的LSD算法，该算法具有参数自适应能力，并且在检测结果上有了很大的提高，但是在线段检测的过程中，容易产生过度分割情况，导致线段的冗余；Akinlar C 等人［5］提出的边缘绘制直线段（edge drawing lines，EDLines）检测算法能够在非常短的时间内给出比较准确的LSD结果，但存在丢失细节的状况；Almazan E J等人［6］提出的马尔可夫链边缘LSD（Markov chain marginal LSD，MCMLSD）算法能够检测到更为完整的直线段，但该算法运行速度比较慢等。本文提出多尺度多分辨率LSD（multi-scale multi-resolution LSD，MMLSD）算法。该算法对输入图像进行分辨率阈值处理，针对高、低分辨率图像采用不同的方式构造图像金字塔；……