在机器人导航中使用Hough变换

Question

我的目标是让自动机器人使用相机导航围墙迷宫。摄像机固定在机器人顶部并朝下，以便能够从上方观察墙壁和机器人。

根据我的经验，我采取的方法似乎最直接

1. 阈值图像以提取红墙
2. 执行Canny边缘检测
3. 使用霍夫变换检测边缘的强线

在一些参数调整之后如下所示

我希望机器人向前移动，避免“撞击”红墙。问题是从霍夫变换每个墙边缘检测到多条线。我的一个想法是执行k-means聚类来聚类线并找到每个聚类的中心（均值），但我不知道墙边的数量（因此输入到k-means算法的聚类数量）我随时可以在迷宫中进行导航（前方墙壁，后方墙壁，多个交叉路口等）。

任何有助于找到一个好的方法来获得一致的墙壁位置来比较机器人的位置（在每个图像框架中总是固定的）以及在导航迷宫中的任何时候都将非常感激。我也对这个问题采取任何其他方法。

Answer 1

在提取HoughLines之前运行skeletonization算法。