Centerline Detection on Partial Mesh Scans by Confidence Vote in Accumulation Map
| Autor: | Bertrand Kerautret, Adrien Krähenbühl, Isabelle Debled-Rennesson, Jacques-Olivier Lachaud |
|---|---|
| Přispěvatelé: | Applying Discrete Algorithms to Genomics and Imagery (ADAGIO), Department of Algorithms, Computation, Image and Geometry (LORIA - ALGO), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Mathématiques (LAMA), Centre National de la Recherche Scientifique (CNRS)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry]), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS) |
| Jazyk: | angličtina |
| Rok vydání: | 2016 |
| Předmět: |
Geodesic
Computer science business.industry [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV] 020207 software engineering 02 engineering and technology Iterative reconstruction Vertex (geometry) [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV] 0202 electrical engineering electronic engineering information engineering 020201 artificial intelligence & image processing Computer vision Artificial intelligence business Normal Algorithm |
| Zdroj: | ICPR 2016-IAPR International Conference on Pattern Recognition ICPR 2016-IAPR International Conference on Pattern Recognition, Dec 2016, Cancùn, Mexico. ⟨10.1109/ICPR.2016.7899829⟩ ICPR |
| DOI: | 10.1109/ICPR.2016.7899829⟩ |
| Popis: | International audience; This paper proposes an original method for extracting the centerline of 3D objects given only partial mesh scans as input data. Its principle relies on the construction of a normal vector accumulation map build by casting digital rays from input vertices. This map is then pruned according to a confidence voting rule: confidence in a point increases if this point has maximal votes along a ray. Points with high confidence accurately delineate the centerline of the object. The resulting centerline is robust enough to allow the reconstruction of the associated graph by a simple morphological processing of the confidence and a geodesic tracking. The overall process is unsupervised and only depends on a user-chosen maximal object radius. Experiments show a good behavior on standard mesh scans. Moreover, the proposed method is not only competitive with state-of-the-art methods on perfect data, but appears to be much more reliable on imperfect or damaged data, like holes, partial scans, noise, and scans from only one direction. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|