4、场景识别研究进展与技术比较

场景识别研究进展与技术比较

1. 研究贡献概述

在场景识别领域，有五项重要的研究贡献，可分为被动场景识别（PSR）和主动场景识别（ASR）两方面。

1.1 被动场景识别（PSR）贡献

• 隐式形状模型树（ISM Tree） ：作为场景分类器，引入了一种名为隐式形状模型树的分层数据结构，以及相关的训练和识别算法。ISM树由多个相互关联的隐式形状模型（ISM）组成。
• 空间关系优化算法 ：该算法能自动选择准确描述场景类别所需的最小空间关系集，并将其集成到场景分类器学习方法中。

PSR基于场景类别的模型，注重空间关系的精确和统一表示，同时允许对这些关系中的不确定性进行建模。其灵活性体现在只要一组对象之间的空间关系组合对应于一个连通图，就可以对其进行建模。这些特性对于实现场景识别的高表达性和可靠性至关重要。PSR的设计旨在最小化生成场景类别模型时所需的先验知识，其他信息则从记录的演示中提取。具体而言，学习类别模型的方法既能确定要建模的空间关系，又能估计这些关系的特征，从而使通用场景类别表示能够自动适应各自的应用场景。

1.2 主动场景识别（ASR）贡献

• 随机迭代算法 ：将隐式形状模型树中的反向空间关系与现有场景的估计相结合，以预测结果中缺失对象的6自由度（6 - DoF）姿态。
• 优化问题与算法 ：用于从预测的对象姿态中推导最佳下一个视图（Next - Best - Views）的6自由度姿