సాంగ్ లియు, డి జు, డాపెంగ్ జాంగ్ మరియు జెంగ్టావో జాంగ్
పోరస్ కాంపోనెంట్స్ కోసం వేగవంతమైన మరియు ఖచ్చితమైన సర్కిల్ డిటెక్షన్ అల్గోరిథం
ఈ కాగితంలో, వేగవంతమైన మరియు ఖచ్చితమైన సర్కిల్ గుర్తింపు అల్గోరిథం ప్రదర్శించబడింది. ప్రతిపాదిత అల్గారిథమ్ అద్భుతమైన నిజ-సమయ పనితీరుతో పోరస్ భాగాల కోసం ఖచ్చితమైన సర్కిల్ స్థానికీకరణపై అప్లికేషన్ అవసరాలను సంతృప్తిపరుస్తుంది. అల్గోరిథం యొక్క ప్రధాన ఆలోచన ఏమిటంటే, సులభంగా అమలు చేయగల చిత్ర విశ్లేషణ సాంకేతికత ద్వారా సర్కిల్ అంచు పాయింట్‌లను క్లస్టర్ చేయడం. ప్రత్యేకించి, చిన్న పరిమాణంతో చిత్రాన్ని రూపొందించడానికి అసలైన చిత్రం మొదట ఏకరీతిలో అంతరం ఉన్న గ్రిడ్‌తో నమూనా చేయబడుతుంది. అసలు ఇమేజ్‌పై సర్కిల్ లోపల ఉన్న క్యాండిడేట్ గ్రిడ్ పాయింట్‌లను కనుగొనడానికి కొత్త ఇమేజ్ పిక్సెల్ బై పిక్సెల్ విశ్లేషించబడుతుంది. రెండవది, నిజమైన సర్కిల్‌లలో లేని వాటిని తొలగించడానికి అభ్యర్థి గ్రిడ్ పాయింట్లు మూల్యాంకనం చేయబడతాయి. మూడవదిగా, ఒక సర్కిల్ లోపల ఉన్న గ్రిడ్ పాయింట్లు సర్కిల్‌ల మధ్య కనీస దూరం ప్రకారం మళ్లీ సమూహపరచబడతాయి. ఈ మిగిలిన గ్రిడ్ పాయింట్లు క్లస్టర్ సర్కిల్ ఎడ్జ్ పాయింట్‌లకు రిఫరెన్స్ పాయింట్లు. చివరగా, వ్యాసార్థం మరియు మధ్య కోఆర్డినేట్‌లతో సహా నిర్దిష్ట సర్కిల్‌కు సంబంధించిన పారామితులు రాండమ్ శాంపిల్ కాన్సెన్సస్ (RANSAC) అల్గారిథమ్‌తో ఆ సర్కిల్‌కు చెందిన అంచు పాయింట్ల ఆధారంగా లెక్కించబడతాయి. ప్రయోగ ఫలితాలు ప్రతిపాదిత సర్కిల్ గుర్తింపు పద్ధతి యొక్క సామర్థ్యాన్ని ప్రదర్శిస్తాయి.
English 
Spanish 
Chinese 
Russian 
German 
French 
Japanese 
Portuguese 
Hindi