6、三维物体搜索与被动场景识别技术解析

三维物体搜索与被动场景识别技术解析

三维物体搜索方法

不同方法概述

在三维物体搜索领域，有几种不同的方法值得关注。这些方法各有特点，适用于不同的场景和需求。
- Ye 等人的方法 ：1999 年，Ye 等人开发了一个具有开创性的物体搜索系统。该系统基于对三维物体搜索问题的深入模型，采用经典规划来估计下一个最佳视图（NBV），以覆盖单个被搜索物体。他们通过物体在视图中的假定位置与物体检测算法能力之间的相互作用来表达相机视图的效用。不过，受当时计算能力的限制，他们只能将这种相互作用作为黑盒处理，依赖于一些典型示例设置中的经验证据。其优化算法通过严格分解搜索空间来反映计算限制，采用“下一步看向哪里”和“下一步移动到哪里”两种搜索模式交替执行，以估计相机视图。
- Kunze 等人的方法 ：Kunze 等人的工作可视为 Ye 等人方法的现代化但简化的后续。他们同样采用经典规划来估计 NBV，不过其优化算法能同时优化相机方向和机器人位置，而不是分开进行。为了提高效率，可到达的候选视图不再从规则网格中获取，而是从连续平面中采样。该方法分两步进行，第一步在二维平面上运行，第二步在三维空间中对第一步的结果进行相机方向的后优化。这种两阶段的优化算法通过分解相机姿态空间来提高效率。
- Eidenberger 等人的方法 ：Eidenberger 等人采用了一种根本不同的方法，借助部分可观察马尔可夫决策过程（POMDPs）在不确定情况下进行规划。POMDPs 使他们能够考虑物体检测和机器人向相机视图移动过程中的不确定性。机器人对其部分可观察环境状态的信念（即被搜索物体可能姿