我正在制作一个ugv原型。目标是对迷宫内设定的目标执行所需的动作。当我上网时，通常使用距离传感器在迷宫中进行导航。我想咨询比问题更多的想法。
我想通过分析3D立体相机的图像来导航迷宫。是否有资源或成功的方法可以为此建议？作为次要问题，汽车必须从迷宫入口前开始，看到入口进入，然后在迷宫完成操作后离开迷宫。
如果你建议这个问题的来源我会很高兴。 :)
问题描述有点模糊，但我会尝试强调一些一般性的想法。
一个有用的假设是迷宫是您想要探索的2D环境。您需要随时了解地图的哪个部分已被探索，地图的哪个部分仍需要探索，以及地图的哪个部分可以任何方式访问（换句话说，墙壁在哪里）。
一个简单的初始数据结构可以帮助解决这个问题，它是一个简单的矩阵，每个单元格代表现实世界中的一个正方形然后可以根据其状态标记每个细胞，从未探测的状态开始。然后你开始移动，探索。根据摄像机报告的距离，您可以估计每个细胞的状态。探索可以通过诸如A *或Q学习之类的东西来指导。
现在，一个相当微妙的问题是你必须处理不确定性和噪音。有时候你可以忽略它，有时你却不会。您需要的分辨率越精细，问题就越大。概率框架很可能是最佳解决方案。
所谓的SLAM算法有一整个研究领域。 SLAM代表同步本地化和映射。他们使用来自各种类型的相机或传感器的某种输入来构建地图，并且他们构建地图。在构建地图时，它们还解决了地图中的本地化问题。算法通常是针对3d环境设计的，并且比上面提到的更简单的解决方案要求更高，但您可以找到准备使用的实现。对于探索，仍然需要使用Q-learning之类的东西。