基于多尺度特征融合的直线检测算法
张亮 王震*

西南民族大学 计算机与人工智能学院，四川成都，610225；

摘要：直线检测是计算机视觉领域中的一个重要任务，广泛应用于室内场景分析和建模等领域。现有的直线检测算法如Holistically-Attracted Wireframe Parsing(HAWP)算法在复杂的环境下仍具有一定的局限性，由于部分环境结构复杂且部分区域光线黯淡、纹理较弱，因此检测效果不佳。为了更加准确地检测出复杂环境下的直线，针对HAWP算法进行研究改进，通过引入HRnet网络作为Backbone网络融合图像多尺度的特征信息。实验表明改进的HAWP算法相比原算法在复杂环境下的直线检测任务的平均精度由65.6%提升到了68.4%。

关键词：直线检测；HAWP算法；复杂环境

参考文献

[1]Von Gioi R G, Jakubowicz J, Morel J M, et al. LSD: A line segment detector[J]. Image Processing On Line, 2012, 2: 35-55.

[2]李玉峰, 张宸. 一种基于LSD改进的室内直线特征匹配算法[J]. 现代计算机, 2022, 28(09):15-21. 

[3]Huang K, Wang Y, Zhou Z, et al. Learning to parse wireframes in images of man-made environments[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 626-635. 

[4]Zhou Y, Qi H, Ma Y. End-to-end wireframe parsing[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2019: 962-971.

[5]Xue N, Wu T, Bai S, et al. Holistically-attracted wireframe parsing[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020: 2788-2797.

[6]Newell A, Yang K, Deng J. Stacked hourglass networks for human pose estimation[C]//Computer Vision–ECCV 2016, 2016: 483-499.

[7]Sun K, Xiao B, Liu D, et al. Deep high-resolution representation learning for human pose estimation[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2019: 5693-5703.