相机边缘跟随
Edge following with camera
我想用一个跟随机器人跟随下图中最右边的边缘。
我尝试了简单的 "thresholding"，但不幸的是，它包括模糊的白色光晕：
设置阈值的原因是为了从 Sobel 边缘检测器获得干净的线条：
有没有好的算法可以用来沿着这条边隔离 edge/move？我目前使用的那个似乎容易出错，但它是迄今为止我能想到的最好的一个。
注意：边缘可能会向任何方向弯曲或对齐，但边缘上的点总是非常靠近图像的中心。 Here's a video of what I'm trying to do. 由于光晕搞砸了阈值，它在 (1:35) 之后没有正确跟随边缘。
这是另一个示例：
在这里，我填充了最中心的边缘，将其与右下角的小凸起分开：
最简单的方法（竖线）
如果你知道你的图片在线条的右侧会有黑色，这里有一个简单的方法：
1) 应用Sobel算子求x方向的一阶导数。结果将是在梯度最强的地方最负的图像。 （使用较大的内核大小来平均化光晕效果。您甚至可以先对图像应用高斯模糊，如果 7x7 内核不够，则可以获得更多的平均。）
2) 对于图像的每一行，找到最小（即最负）值的索引。那是你对该行中行位置的估计。
3) 随心所欲。 （也许取这些线位置的中值，在图像的上半部分和下半部分，来估计描述该线的 2 个点。）
稍微高级一点（任意行）
如果您不知道直线的方向，但您知道它足够直，您可以用直线来近似它，请使用此方法。
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)
您现在有了图像中每个点的角度（以弧度为单位）和渐变幅度。
2) 从这里您可以使用基本的 numpy 操作来查找直线：过滤点以仅保留 magnitudeSquared > 某个阈值的点。然后获取最常见的角度（np.bincount() 对此很有用）。现在你知道你的线的角度了。
3) 进一步过滤点以仅保留接近该角度的点。您现在拥有线上的所有点。通过这些点的坐标画一条线。
最先进最脆（任意曲线）
如果您真的需要处理曲线，这里有一个方法：
1) 使用您上面的方法对图像进行阈值处理。手动调整阈值，直到 white/black 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，您可能会找到一个有效的阈值。确认它适用于多个图像。）
2) 使用 OpenCV 的 findcontours() to fit a curve to the white/black boundary. If it's too choppy, use approxPolyDP() 来简化它。
我想用一个跟随机器人跟随下图中最右边的边缘。
我尝试了简单的 "thresholding"，但不幸的是，它包括模糊的白色光晕：
设置阈值的原因是为了从 Sobel 边缘检测器获得干净的线条：
有没有好的算法可以用来沿着这条边隔离 edge/move？我目前使用的那个似乎容易出错，但它是迄今为止我能想到的最好的一个。
注意：边缘可能会向任何方向弯曲或对齐，但边缘上的点总是非常靠近图像的中心。 Here's a video of what I'm trying to do. 由于光晕搞砸了阈值，它在 (1:35) 之后没有正确跟随边缘。
这是另一个示例：
在这里，我填充了最中心的边缘，将其与右下角的小凸起分开：
最简单的方法（竖线）
如果你知道你的图片在线条的右侧会有黑色，这里有一个简单的方法：
1) 应用Sobel算子求x方向的一阶导数。结果将是在梯度最强的地方最负的图像。 （使用较大的内核大小来平均化光晕效果。您甚至可以先对图像应用高斯模糊，如果 7x7 内核不够，则可以获得更多的平均。）
2) 对于图像的每一行，找到最小（即最负）值的索引。那是你对该行中行位置的估计。
3) 随心所欲。 （也许取这些线位置的中值，在图像的上半部分和下半部分，来估计描述该线的 2 个点。）
稍微高级一点（任意行）
如果您不知道直线的方向，但您知道它足够直，您可以用直线来近似它，请使用此方法。
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)
您现在有了图像中每个点的角度（以弧度为单位）和渐变幅度。
2) 从这里您可以使用基本的 numpy 操作来查找直线：过滤点以仅保留 magnitudeSquared > 某个阈值的点。然后获取最常见的角度（np.bincount() 对此很有用）。现在你知道你的线的角度了。
3) 进一步过滤点以仅保留接近该角度的点。您现在拥有线上的所有点。通过这些点的坐标画一条线。
最先进最脆（任意曲线）
如果您真的需要处理曲线，这里有一个方法：
1) 使用您上面的方法对图像进行阈值处理。手动调整阈值，直到 white/black 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，您可能会找到一个有效的阈值。确认它适用于多个图像。）
2) 使用 OpenCV 的 findcontours() to fit a curve to the white/black boundary. If it's too choppy, use approxPolyDP() 来简化它。