opencv - 在二维图像中寻找路径障碍物

Question

对于在 2D 图像中查找障碍物，您会推荐什么方法？

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”搜索的物体识别，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差别不大，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 所做的那样)会奏效，但运行起来不会像我要求的那样流畅。

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

Answer 1

如果您知道路径是什么样子，这主要是一个分类问题。获取一组不同距离、光照等路径的图像，并在每幅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，这可以像对每个像素的 RGB(或 HSV)值进行分类或使用 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)。一旦对整幅图像进行分类，所有被识别为“非道路”的像素点都是障碍物。通过对道路而非障碍物进行分类，我们完全避免了构建“对象数据库”。

---

有点超出了问题的范围，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三维位置。按优先顺序:

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

请注意，通过使用自定义硬件(片上立体声、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)。