Precise, automatic and fast method for vanishing point detection

Authors


Abstract

A new automated approach for vanishing point detection in images of urban scenes is described. This method is based on the theorem of Thales. The main contribution of this paper is the automatic and simultaneous detection of all vanishing points of the image, achieved by converting this problem into the detection of circles in a complex cloud of points, in which each point corresponds to a segment and is associated with an uncertainty. This extraction of circles uses a RANSAC method, modified to improve its speed by using accumulation techniques (Hough transform or otherwise). This robust estimation is then refined by least squares error propagation using the individual variances of each segment. The algorithm is robust, its accuracy is optimised and it is entirely automatic. Its successful operation has been tested on a large number of images of varied urban scenes.

Résumé

Un algorithme entièrement automatique de détection de points de fuite dans des images de scènes urbaines est présenté. Cette approche s’appuie sur un théorème classique (théorème de Thales), qui permet de transformer le problème de détection des points de fuite à partir de segments et leur incertitude en un problème de détection de cercles dans un nuage de points (chaque point correspond à un segment, et à chaque point on associe une incertitude). L’extraction de cercles utilise une méthode robuste de type RANSAC, modifiée pour être très rapide par rapport à des techniques accumulatives (de type Hough ou autres). Cette estimation robuste est ensuite raffinée par une propagation d’incertitude par moindres carrés exploitant les variances individuelles de chaque segment. L’algorithme développé est robuste, sa précision est la meilleure au sens des moindres carrés compte tenu des incertitudes associées aux segments détectés, et en outre il est entièrement automatique. Son bon fonctionnement a été testé sur un grand nombre d’images représentant des paysages urbains variés.

Zusammenfassung

Es wird ein neuer, automatisierter Ansatz zur Bestimmung von Fluchtpunkten in Bildern urbaner Szenen vorgestellt. Die Methode basiert auf dem Satz des Thales. Der wesentliche Beitrag ist die automatische und simultane Detektion aller Fluchtpunkte eines Bildes durch Invertierung dieses Problems in die Aufgabe der Bestimmung von Kreisen in komplexen Punktwolken, in denen jeder Punkt zu einem Segment gehört und mit einer Unsicherheit behaftet ist. Die Extraktion von Kreisen nutzt die RANSAC Methode, die zur Geschwindigkeitssteigerung modifiziert wurde, und sich auf Akkumulationstechniken, wie z.B. die Hough Transformation stützt. Diese robuste Schätzung wird abschließend durch Fehlerfortpflanzung nach der Methode der Kleinsten Quadrate unter Ausnutzung der individuellen Varianzen jedes Segments verfeinert. Der Algorithmus arbeitet vollautomatisch, ist robust und die Genauigkeit ist optimiert. Die erfolgreiche Anwendung wurde an einer großen Anzahl Bildern verschiedenster Stadtszenen getestet.

Resumen

Este artículo describe un procedimiento completamente automático para la detección de puntos de fuga en imágenes de escenas urbanas. El principio se apoya en un teorema clásico (el teorema de Tales) que permite transformar el problema de la detección de los puntos de fuga a partir de segmentos y de su incertidumbre, en un problema de detección de círculos dentro de una nube de puntos en la que cada punto corresponde a un segmento y a cada punto se le asocia una incertidumbre. La extracción de círculos utiliza un método robusto tipo RANSAC modificado para mejorar su velocidad comparado con técnicas de acumulación del tipo transformada de Hough u otras. Esta estimación robusta se refina posteriormente mediante propagación del error por mínimos cuadrados utilizando las varianzas individuales de cada segmento. El algoritmo desarrollado es robusto, su precisión es la mejor en el sentido de mínimos cuadrados teniendo en cuenta las incertidumbres asociadas a los segmentos detectados y, además, es completamente automático. Su buen funcionamiento se ha evaluado procesando muchas imágenes de escenas urbanas variadas.

Ancillary