# mlsd

Python API: `depthai_nodes.node.parsers.utils.mlsd`

## 函数

### compute_mlsd_lines

```python
def compute_mlsd_lines(tpMap: np.ndarray, heat: np.ndarray, *, topk_n: int, score_thr: float, dist_thr: float) -> tuple[np.ndarray, np.ndarray]:
```

从 M-LSD 位移和热张量解码线段。

参数

 * `tpMap` (`np.ndarray`): NCHW 布局的四维线位移张量。
 * `heat` (`np.ndarray`): 用于对线中心候选进行排名的热张量。
 * `topk_n` (`int`): 要检查的线中心候选的最大数量。
 * `score_thr` (`float`): 最小候选分数。
 * `dist_thr` (`float`): 输出图像素中的最小线长。

返回

 * `tuple[np.ndarray, np.ndarray]`: 形状为 `(N, 4)` 的归一化端点坐标和 float32 线分数。

引发

 * `ValueError`: 如果 `tpMap` 不是四维的。

### decode_scores_and_points

```python
def decode_scores_and_points(tpMap: np.ndarray, heat: np.ndarray, topk_n: int) -> tuple[np.ndarray, np.ndarray, np.ndarray]:
```

从神经网络输出张量解码分数和点。用于 MLSD 模型。

参数

 * `tpMap` (`np.ndarray`): 包含矢量图的张量。
 * `heat` (`np.ndarray`): 包含热图的张量。
 * `topk_n` (`int`): 要保留的顶部候选数量。

返回

 * `tuple[np.ndarray, np.ndarray, np.ndarray]`: 检测到的点、检测到的点的置信度分数和矢量图。

### get_lines

```python
def get_lines(pts: np.ndarray, pts_score: np.ndarray, vmap: np.ndarray, score_thr: float, dist_thr: float, input_size: int = 512) -> tuple[np.ndarray, list[float]]:
```

从检测到的点和分数获取线。线通过分数阈值和距离阈值进行过滤。用于 MLSD 模型。

参数

 * `pts` (`np.ndarray`): 检测到的点。
 * `pts_score` (`np.ndarray`): 检测到的点的置信度分数。
 * `vmap` (`np.ndarray`): 矢量图。
 * `score_thr` (`float`): 检测到的线的置信度分数阈值。
 * `dist_thr` (`float`): 输出图像素中的最小线长。
 * `input_size` (`int`): 模型的输入大小。

返回

 * `tuple[np.ndarray, list[float]]`: 检测到的线及其置信度分数。
