Opencv 在二维图像中寻找路径障碍物

您建议采用什么方法在2D图像中查找障碍物

以下是我到目前为止提出的一些要点：

我怀疑我能否使用基于“障碍物数据库”搜索的对象识别，因为我不知道障碍物看起来是什么样子。 如果路径与对象本身没有太大差异，我假设颜色识别可能会有问题

可能，再添加一个摄像头并计算3D图像（就像Kinect一样）会起作用，但这不会像我要求的那样平滑

说明问题；机器人可以骑在人行道的左侧或右侧。在下图中，左侧是正确的选择：

---

如果您知道路径是什么样的，这在很大程度上是一个分类问题。获取一组不同距离、照明等的路径图像，并在每个图像中手动标记地面。使用此标记数据训练分类器，将每个像素分类为“道路”或“非道路”。根据道路的纹理，可以简单地将每个像素的RGB（或HSV）值分类，或使用OpenCv内置的直方图反投影（即

cv:：CalcBackProjectPatch（）

）

我建议从手动阈值开始，转向基于直方图的匹配，如果简单的技术失败，则仅使用成熟的机器学习分类器（如朴素贝叶斯分类器或支持向量机）。一旦对整个图像进行分类，所有被识别为“非道路”的像素都是障碍物。通过对道路而不是障碍物进行分类，我们完全避免了建立“对象数据库”

---

有点超出了问题的范围，最简单的解决方案是添加额外的传感器（“向问题扔更多的硬件！”），并直接测量障碍物的三维位置。按优先顺序：

微软Kinect：便宜、简单、有效。由于环境红外线，它只能在室内工作

扫描激光测距仪：非常精确，易于设置，可在室外工作。也非常昂贵（约1200-10000美元，取决于最大范围和采样率）

立体摄像机：不如Kinect，但它可以在室外工作。如果你买不起预先制作的立体相机（约合1800美元），你可以使用USB网络摄像头制作一个像样的定制立体相机

---

请注意，通过使用定制硬件（stereo-On-Chip，STOC），专业立体视觉摄像机可以非常快速。基于软件的立体声在现代计算机上也相当快（10-20 Hz）。

kinnect有一个红外传感器和一个RGB摄像头。既然你正在开发一个机器人，我想最好也给它配备一个传感器，不是吗？@Andrey:Kinect有一个红外传感器和一个红外纹理投影仪（结合起来可以计算深度信息）和一个RGB摄像头，它可以与深度信息同步，这样你就可以知道每个感测到的RGB像素在Kinect前面有多远。仅仅添加一个红外传感器并不足以获得类似Kinect的设置。@Eric，谢谢你的留言。我认为不需要像Kinect那样设置，只需要检测障碍物即可。许多廉价简单的机器人都是用红外技术来实现的。我说的对吗？@Andrey:是的，他们是用红外来做的，尽管这是用非常简单的红外测距仪发出一声“ping”。这些红外测距仪通常具有相当宽的视野（并且可能不会返回较暗的物体或吸收红外的材料），因此它们无法提供与Kinect相同的信息密度。就价格而言，Kinect提供了惊人的信息量。更简单的rangers的一个优点是，与Kinect上的USB 2.0相比，Arduino这样的微处理器通常具有简单的模拟或数字输出，因此您可以轻松地使用它们。谢谢。我想在这种情况下需要更多的硬件。