在2D图像中查找路径障碍。
|
您会建议使用哪种方法在2D图像中查找障碍？
到目前为止，我想出了一些要点：
我怀疑我是否可以使用基于“障碍物数据库”搜索的对象识别，因为我不知道障碍物是什么样子。
我认为如果路径与对象本身相差不大，颜色识别可能会出现问题。
可能的话，再添加一台相机并计算3D图像（就像Kinect一样）会起作用，但是那样运行起来可能不如我所要求的那么顺畅。
说明问题；机器人可以在人行道的左侧或右侧行驶。在下图中，左侧是正确的选择：
没有找到相关结果
已邀请:
1 个回复
苦诫
）。 我建议从手动阈值开始，转向基于直方图的匹配，如果更简单的技术失败，则仅使用成熟的机器学习分类器（例如Naive Bayes分类器或SVM）。对整个图像进行分类后，所有识别为“非道路”的像素都是障碍物。通过对道路进行分类而不是障碍，我们完全避免了建立“对象数据库”。 超出问题范围之外，最简单的解决方案是添加其他传感器（“在问题上投入更多硬件！”）并直接测量障碍物的三维位置。按优先顺序： Microsoft Kinect：便宜，容易和有效。由于周围的红外光，它只能在室内使用。 扫描激光测距仪：极其精确，易于设置，并且可以在外部工作。也非常昂贵（约$ 1200-10,000，具体取决于最大范围和采样率）。 立体声相机：不如Kinect，但可以在室外使用。如果您负担不起预制的立体摄像机（约$ 1800），则可以使用USB网络摄像头制作出像样的自定义立体摄像机。 请注意，通过使用自定义硬件（Stereo On-Chip，STOC），专业的立体视觉摄像机可以非常快。在现代计算机上，基于软件的立体声也相当快（10-20 Hz）。