我正在制作一个ugv 原型。目标是对迷宫内设置的目标执行所需的操作。当我上网时，仅仅在迷宫中导航的权利通常是由距离传感器完成的。 我想咨询比问题更多的想法。
我想通过分析来自 3d 立体相机的图像来导航迷宫。您可以为此建议资源或成功的方法吗？作为次要问题，汽车必须在迷宫入口前启动，看到入口就进去，在迷宫中完成操作后离开迷宫。
如果你建议这个问题的来源，我会很高兴。 :)
【问题讨论】：
标签： python opencv maze stereo-3d
问题描述有点模糊，但我会尽量强调一些一般性的想法。
一个有用的假设是迷宫是您想要探索的 2D 环境。您需要随时了解地图的哪一部分已被探索，地图的哪一部分仍需要探索，以及地图的哪一部分可以通过任何方式访问（换句话说，墙壁在哪里）。
一个简单的初始数据结构可以帮助解决这个问题，它是一个简单的矩阵，其中每个单元格代表现实世界中的一个正方形。然后可以根据其状态标记每个单元格，从未探索状态开始。然后你开始移动和探索。根据相机报告的距离，您可以估计每个细胞的状态。探索可以由诸如 A* 或 Q-learning 之类的东西引导。
现在，一个相当微妙的问题是您将不得不处理不确定性和噪音。有时你可以忽略它，有时你不能。您需要的分辨率越精细，问题就越大。概率框架很可能是最好的解决方案。
所谓的 SLAM 算法有一个完整的研究领域。 SLAM 代表同时定位和映射。他们使用来自各种类型的相机或传感器的某种输入来构建地图，然后构建地图。在构建地图的同时，他们还解决了地图内的定位问题。这些算法通常是为 3d 环境设计的，并且比上面提到的更简单的解决方案要求更高，但您可以找到现成的实现。对于探索，仍然必须使用 Q-learning 之类的东西。
【讨论】：