基于机器视觉和Dijkstra算法的平面建筑群地图路线规划matlab仿真

本文涉及的产品
实时计算 Flink 版,1000CU*H 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
实时数仓Hologres,5000CU*H 100GB 3个月
简介: 本程序基于机器视觉与Dijkstra算法,实现平面建筑群地图的路径规划。通过MATLAB 2022A读取地图图像,识别障碍物并进行路径搜索,支持鼠标选择起点与终点,最终显示最优路径及长度,适用于智能导航与机器人路径规划场景。

1.程序功能描述
基于机器视觉和Dijkstra算法的平面建筑群地图路线规划matlab仿真,输入一张平面建筑群的地图,然后通过机器视觉识别地图里面的障碍物,然后通过dijkstra算法搜索路径。

2.测试软件版本以及运行结果展示
MATLAB2022A版本运行

1.jpeg
2.jpeg
3.jpeg
4.jpeg

3.核心程序

% 读取图片
% 从文件'map.jpg' 中读取图像并存储在 Maps 变量中
Maps = imread('map2.jpg'); 
% 将读取的图像存储到 Maps0 中,可能用于后续的比较或其他操作
Maps0 = Maps; 
% 创建一个新的图形窗口
figure; 
% 显示图像 Maps
imshow(Maps); 
% 为图像添加标题为 '建筑群平面图'
title('建筑群平面图'); 

% 鼠标点击起点
% 等待用户按下鼠标按钮
waitforbuttonpress; 
% 获取当前鼠标点击位置的坐标
point  = get(gca,'CurrentPoint'); 
% 将鼠标点击的坐标四舍五入并加 1 存储在 S1 中,作为起点
S1     = round(point(1, 1:2)) + 1; 
.....................................................................

Path_search(:,3:4)      = 1;

% 显示结果
% 定义显示路径的颜色
clor=[0,0,255]; 
% 如果原始图像是单通道,将其复制为三通道
if size(Maps0, 3) == 1
    Maps0 = double(repmat(Maps0, [1,1,3]));
end
% 分离原始图像的 RGB 通道
R = Maps0(:, :, 1);
G = Maps0(:, :, 2);
B = Maps0(:, :, 3);
% 将地图遮罩部分的颜色设置为定义的颜色
R(map_mask) = clor(1);
G(map_mask) = clor(2);
B(map_mask) = clor(3);
% 合并修改后的 RGB 通道
Maps0 = cat(3, R, G, B);

% 在图像上添加路径形状
Maps0 = insertShape(Maps0, 'Rectangle', Path_search, 'Color', [255,0,0], 'LineWidth', 4); 
Maps0 = insertShape(Maps0, 'Rectangle', Path_search(1, :), 'Color', [0,255,0], 'LineWidth', 20); 
Maps0 = insertShape(Maps0, 'Rectangle', Path_search(end, :), 'Color', [255,155,0], 'LineWidth', 20); 
% 创建一个新的图形窗口显示结果
figure; 
imshow(Maps0); 
% 为结果图像添加标题,显示路线规划结果和路径长度,此处可能存在错误,因为 dist 变量在前面未定义,可将 dist 的计算添加到 Dijkstra 算法中
title(['路线规划结果,路线长度:',num2str(dist)]);

4.本算法原理
利用高清摄像头等设备,从不同角度对平面建筑群进行拍摄,获取连续的图像序列。这些图像需覆盖目标区域,确保采集到所有建筑、道路及相关地标信息,为后续处理提供丰富原始素材。通过图像预处理,如灰度化、滤波降噪等操作后,运用边缘检测算法(如 Canny 边缘检测)识别建筑轮廓、道路边界等显著特征。同时,结合纹理分析、形状识别技术区分不同建筑类型、路口形态,将视觉图像转化为可供算法处理的结构化特征数据。机器视觉用于获取和处理地图图像信息,将现实场景中的平面建筑群地图转换为计算机能够理解和处理的数据形式。

695d1f442d3433c3f960ded5e092143a_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.jpg

相关文章
|
9天前
|
数据可视化
基于MATLAB的OFDM调制发射与接收仿真
基于MATLAB的OFDM调制发射与接收仿真
|
13天前
|
传感器 算法 数据挖掘
基于协方差交叉(CI)的多传感器融合算法matlab仿真,对比单传感器和SCC融合
基于协方差交叉(CI)的多传感器融合算法,通过MATLAB仿真对比单传感器、SCC与CI融合在位置/速度估计误差(RMSE)及等概率椭圆上的性能。采用MATLAB2022A实现,结果表明CI融合在未知相关性下仍具鲁棒性,有效降低估计误差。
127 15
|
9天前
|
监控
基于MATLAB/Simulink的单机带负荷仿真系统搭建
使用MATLAB/Simulink平台搭建一个单机带负荷的电力系统仿真模型。该系统包括同步发电机、励磁系统、调速系统、变压器、输电线路以及不同类型的负荷模型。
178 5
|
13天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于WOA鲸鱼优化的XGBoost序列预测算法matlab仿真
基于WOA优化XGBoost的序列预测算法,利用鲸鱼优化算法自动寻优超参数,提升预测精度。结合MATLAB实现,适用于金融、气象等领域,具有较强非线性拟合能力,实验结果表明该方法显著优于传统模型。(238字)
|
10天前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
12天前
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
|
11天前
|
传感器 机器学习/深度学习 算法
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
|
10天前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
98 14
|
15天前
|
机器学习/深度学习 传感器 算法
基于全局路径的无人地面车辆的横向避让路径规划研究[蚂蚁算法求解](Matlab代码实现)
基于全局路径的无人地面车辆的横向避让路径规划研究[蚂蚁算法求解](Matlab代码实现)
|
10天前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)