边缘跟随相机

Question

我想按照机器人后面的一行跟随下图中最右边的边缘.

我尝试过简单的"阈值处理",但不幸的是,它包含了模糊的白色光环:

我阈值的原因是从Sobel边缘探测器获得一条干净的线:

有没有一个好的算法可以用来隔离这个边缘/沿着这个边缘移动？我目前使用的那个似乎容易出错,但它是迄今为止我能够弄清楚的最好的一个.

注意:边缘可能在任何方向上弯曲或对齐,但边缘上的点始终非常靠近图像的中心.这是我正在尝试做的视频.由于光晕拧紧了阈值,它在(1:35)之后不会跟随边缘.

---

这是另一个例子:

在这里,我将中心边缘填充,将其与右下角的小凹凸分开:

Answer 1

最简单的方法（垂直线）

如果您知道图像的线条右侧为黑色，则有一个简单的方法：

1）应用Sobel算子求x方向的一阶导数。结果将是梯度最强的地方负值最大的图像。（使用较大的内核大小来平均光晕效应。如果 7x7 内核不够，您甚至可以先对图像应用高斯模糊，以获得更多平均效果。）

2) 对于图像的每一行，找到最小值（即最大负值）的索引。这是您对该行中行位置的估计。

3）用它做任何你想做的事。（也许取图像上半部分和下半部分这些线位置的中位数，以获得描述该线的 2 个点的估计值。）

稍微高级一点（任意线）

如果您不知道线的方向，但您知道它足够直，可以用直线近似它，请使用此选项。

1）

dx = cv2.Sobel(grayscaleImg,cv2.cv.CV_32F,1,0,ksize=7)
dy = cv2.Sobel(grayscaleImg,cv2.cv.CV_32F,0,1,ksize=7)
angle = np.atan2(dy,dx)
magnitudeSquared = np.square(dx)+np.square(dy)

现在，您已获得图像中每个点的角度（以弧度为单位）和梯度大小。

2）从这里您可以使用基本的 numpy 操作来查找线：过滤点以仅保留幅度平方>某个阈值的点。然后获取最常见的角度（np.bincount()对此很有用）。现在您知道了线的角度。

3）进一步过滤点以仅保留接近该角度的点。现在您已经拥有了线上的所有点。通过这些点的坐标拟合一条线。

最先进、最脆弱（任意曲线）

如果您确实需要处理曲线，这里有一种方法：

1）使用上面的方法对图像进行阈值设置。手动调整阈值，直到白/黑划分大致发生在您想要的位置。（可能 127 不是正确的阈值。但如果您的照明条件一致，您也许能够找到有效的阈值。确认它适用于多个图像。）

2）使用OpenCV的findcontours()将曲线拟合到白/黑边界。如果它太不稳定，请使用approxPolyDP()来简化它。