线特征基础（LSD算法、LBD描述子、普朗克坐标）

线特征基础（LSD算法、LBD描述子、普朗克坐标）

参考链接
SLAM线特征学习（1）——基本的线特征表示与优化推导
【学习记录】SLAM线特征基础：LSD算法、LBD描述子、普朗克坐标、EDLines算法
视觉slam线匹配算法
线特征—LSD算法（二）
线特征—LBD算法（三）
普吕克坐标下的线特征观测模型
SLAM线特征学习（1）——基本的线特征表示与优化推导

---

LSD算法

  LSD直线检测方法首先计算每个像素点的水平线（Level-Line）角度，从而形成了一个水平线场（Level-Line Field），即单位矢量场。这里像素点的水平线角度就是该点梯度方向的垂直角度，
  而水平线场就是一个与图像中的点一一对应的矩阵，矩阵中元素的值即为对应到图像中点的水平线角度，依据水平线角度用区域生长的方法将其切割成若干个连通域，每个连通域中所有像素点的水平线角度变化不能超过容忍值\tau，这样的连通域称为线支持区域（Line Support Regions），每个线支持区域都是线段检测的候选对象。

  接下来对这些直线段的候选做筛选，将支持域的一个主惯性轴作为矩形的主方向，从而构建出一个最小外接矩形。
  之后检查矩形中像素的level-line angle，如果与最小外接矩形的主方向的角度差在容忍度范围内，这个像素就被称作同性点。统计最小外接矩形内所有的像素数量和同性点的数量，之后利用a contrario approach and the Helmholtz principle这两个原则进行检测。