For slam， 直线相对于点这些特征来说会更robust， 更常见。 毕竟点特征更需要环境纹理信息很丰富。
刚好最近瞎看了一些关于直线检测的问题。
#############################霍夫变换########################
第一个canny edge检测，她基于梯度可以检测出图像的大部分边缘线。 基本步骤canny
然后如何人基于边缘找直线呢？
2） 利用线的方向
Straight line detector =
canny + gradient orientations +orientation binning +linking + check for straightness
#############LSD：a Line Segment Detector####################
可以参考别人的一个博客，写的很清楚LSD
##############################################################
#python opencv自带的提取line的特征
def line_detection_save(self,fidin,rgb):
gray= cv2.cvtColor(rgb, cv2.COLOR_BGR2GRAY)
lsd= cv2.createLineSegmentDetector(2)
# Detect lines in the image
lines= lsd.detect(gray)# Position 0 of the returned tuple are the detected lines
for dlinein lines[0]:
x0= int(round(dline[0][0]))
y0= int(round(dline[0][1]))
x1= int(round(dline[0][2]))
y1= int(round(dline[0][3]))
string= str(x0)+ ' ' + str(y0)+ ' ' + str(x1)+ ' ' + str(y1)+ '\n'
fidin.write(string)
return fidin
##########################################
霍夫变换，同样是opencv python的代码
############################################
img = cv2.imread('lines.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
minLineLength=100
lines = cv2.HoughLinesP(image=edges,rho=0.02,theta=np.pi/500, threshold=10,lines=np.array([]), minLineLength=minLineLength,maxLineGap=100)
a,b,c = lines.shape
for i in range(a):
cv2.line(img, (lines[i][0][0], lines[i][0][1]), (lines[i][0][2], lines[i][0][3]), (0, 0, 255), 3, cv2.LINE_AA)
cv2.imwrite('houghlines5.jpg',img)
！！！！另外还有一些基于深度学习的方法,但是不是很robust，pixel误差比较大
#######################LSD line 检测##############
有开源代码，超级好用，推荐
