在 2D 图像中查找路径障碍物答案

【问题标题】：Finding path obstacles in a 2D image在 2D 图像中查找路径障碍物
【发布时间】：2011-08-25 20:31:40
【问题描述】：

您会推荐哪种方法来查找 2D 图像中的障碍物？

以下是我到目前为止提出的一些关键点：

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可能是什么样子。如果路径与对象本身没有太大差异，我认为颜色识别可能会出现问题。

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流畅。

为了说明问题；机器人可以骑在人行道的左侧或右侧。在下图中，左边是正确的选择：

【问题讨论】：

kinnect 有一个 IR 传感器和 1 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 IR 传感器和一个 IR 纹理投影仪（它们结合起来可以计算深度信息）和一个 RGB 相机，它可以与深度信息同步，这样你就知道有多远在 Kinect 前面感应到的每个 RGB 像素是。仅添加一个 IR 传感器不足以获得类似 Kinect 的设置。
@Eric，感谢您的留言。我认为没有必要获得类似 Kinect 的设置，而只需检测障碍物。许多廉价而简单的机器人使用 IR 来做到这一点。我说的对吗？
@Andrey：是的，他们确实使用 IR 来做到这一点，尽管这是使用非常简单的 IR 护林员发送一个“ping”。这些红外测距仪通常具有相当宽的视野（并且可能不会返回吸收红外的较暗物体或材料），因此它们无法为您提供与 Kinect 相同的信息密度。就价格而言，Kinect 提供了大量的信息。对于更简单的游侠来说，一个优点是您可以轻松地将它们与 Arduino 这样的微处理器一起使用，因为它们通常具有简单的模拟或数字输出，而不是 Kinect 上的 USB 2.0。

标签： opencv robotics image-recognition

【解决方案1】：

如果您知道路径是什么样的，这主要是一个分类问题。获取一堆不同距离、光照等的路径图像，并在每张图像中手动标注地面。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，这可以像分类每个像素的 RGB（或 HSV）值或使用 OpenCv 的内置直方图反投影（即cv::CalcBackProjectPatch()）一样简单。

我建议从手动阈值开始，转向基于直方图的匹配，并且仅在更简单的技术失败时才使用成熟的机器学习分类器（例如朴素贝叶斯分类器或 SVM）。一旦整个图像被分类，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，我们完全避免了构建“对象数据库”。

有点超出问题的范围，最简单的解决方案是添加额外的传感器（“在问题上投入更多的硬件！”）并直接测量障碍物的 3D 位置。按优先顺序：

Microsoft Kinect：便宜、简单且有效。由于环境红外光，它只能在室内工作。
扫描激光测距仪：非常准确，易于设置，可在户外工作。也非常昂贵（约 1200-10,000 美元，具体取决于最大范围和采样率）。
立体摄像头：不如 Kinect，但可以在室外使用。如果您买不起预制立体相机（约 1800 美元），您可以使用 USB 网络摄像头制作体面的定制立体相机。

请注意，通过使用自定义硬件（Stereo On-Chip、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 Hz）。

【讨论】：

谢谢。我想在这种情况下需要更多的硬件。