寻找2D图像中的路径障碍物

Question

您建议在2D图像中找到障碍物的方法是什么？

以下是我提出的一些要点：

我怀疑我可以使用基于“障碍物数据库”搜索的物体识别，因为我不知道障碍物的样子。 如果路径与对象本身没有太大区别，我认为颜色识别可能会有问题。

可能会增加一个摄像头并计算一个3D图像（就像Kinect那样）会起作用，但是这不会像我要求的那样顺畅。

说明问题;机器人可以骑在路面的左侧或右侧。在下图中，左侧是正确的选择：

Answer 1

如果您知道路径是什么样的，那么这主要是分类问题。获取一系列不同距离，照明等路径的图像，并手动标记每个图像中的地面。使用此标记数据来训练将每个像素分类为“道路”或“非道路”的分类器。根据道路的纹理，这可以简单到分类每个像素的RGB（或HSV）值或使用OpenCv的内置直方图反投影（即cv::CalcBackProjectPatch()）。

我建议从手动阈值开始，转向基于直方图的匹配，并且如果更简单的技术失败，则仅使用完整的机器学习分类器（例如朴素贝叶斯分类器或SVM）。一旦整个图像被分类，被识别为“非道路”的所有像素都是障碍物。通过对道路而不是障碍物进行分类，我们完全避免建立“对象数据库”。

---

在问题的范围之外，最简单的解决方案是添加额外的传感器（“在问题中投入更多硬件！”）并直接测量障碍物的三维位置。按优先顺序排列：

1. Microsoft Kinect ：便宜，简单，高效。由于环境红外线，它只能在室内工作。
2. 扫描激光测距仪：非常准确，易于设置，可在室外工作。也非常昂贵（约1200-10,000美元，取决于最大范围和采样率）。
3. 立体相机不如Kinect好，但它在外面工作。如果您买不起预制的立体相机（约1800美元），您可以使用USB网络摄像头制作一个不错的定制立体相机。

请注意，使用自定义硬件（立体声片上，STOC），专业立体视觉相机可以非常快。基于软件的立体声在现代计算机上也相当快（10-20赫兹）。