在机器人导航中使用霍夫变换

Question

我的目标是让自主机器人使用摄像头在有围墙的迷宫中导航。摄像头固定在机器人顶部并朝下，以便能够从上方查看墙壁和机器人。

根据我的经验，我采取的最直接的方法是

1. 对图像设置阈值以提取红墙
2. 执行 Canny 边缘检测
3. 使用霍夫变换从边缘检测强线

经过一些参数调整后如下所示

我想让机器人向前移动并避免“撞到”红墙。问题是从霍夫变换中每个墙边缘检测到多条线。我的一个想法是执行 k-means 聚类以对线条进行聚类并找到每个聚类的中心（均值），但我不知道墙边的数量（因此不知道要输入 k-means 算法的聚类数量) 我将随时在迷宫中导航（前方、后方、多圈交叉路口等）。

如果您能找到一种好的方法来获得一致的墙壁位置，以便将机器人的位置（在每个图像帧中始终固定）与在迷宫导航中的任何时间进行比较，我们将不胜感激。我也对解决此问题的任何其他方法持开放态度。

Answer 1

在提取 HoughLines 之前运行 skeletonization 算法。