![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicmbw5yMxEjNwMTNzEWN1kzY1kDNhFWOyEWZ1QGM2I2NzATMm9CX0JXZ252bj91Ztl2Lc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
傳統的霍夫變換在圖像直線檢測中取得了良好的效果,但是面對複雜背景的圖像,霍夫變換就變的不WORK了,基于此提出一種基于目标檢測和Hough變換的直線檢測方法。本方法基于我某公司實習期間的項目,主要任務是對通信基站的傾角進行檢測。
方案:1.首先利用目标檢測算法(YOLO)來進行訓練
2.然後把目标檢測的結果區域分割出來
3.利用Hough變換方法把基站的邊緣檢測出來,求出斜率
4.斜率取反餘切就是傾斜角度
要利用目标檢測算法,資料是核心,首先要進行标簽标注,如何标注标簽?是一個很大的問題,要盡可能的把圖像的基站特征學習進去,還要不引入噪聲。引入噪聲會影響後面hough變換的效果。目标檢測的結果
然後進行區域分割:
然後利用Hough變換與邊緣檢測出邊緣斜率。
求出反餘切就是角度。
不過現在的圖像的背景還是過于複雜,是以hough變換仍然效果不好,需要很多參數需要調節,泛化能力也不好,目前正在思考更魯棒的邊緣檢測方法。如果有好的建議可以一塊交流一下。