8、隐式形状模型作为星形场景分类器

隐式形状模型作为星形场景分类器

在场景识别领域，隐式形状模型（ISM）作为一种有效的方法，在处理复杂场景时展现出了独特的优势。本文将深入探讨隐式形状模型作为星形场景分类器的相关内容，包括场景分类器的学习、场景识别的投票过程以及对投票结果的验证等方面。

1. 旋转对称对象的姿态归一化

在场景识别中，准确确定对象的姿态是关键。然而，对于旋转对称的对象，其姿态的确定存在一定的困难。因为旋转对称对象绕其对称轴的方向是模糊的，这导致在不同的传感器数据记录条件下，同一对象的姿态估计可能会有所不同。这种不确定性不仅会影响场景识别的准确性，还可能导致场景识别结果依赖于外部条件，与场景识别的要求相矛盾。

为了解决这个问题，我们引入了参考框架 $T_N$ 来对旋转对称对象的自由度进行统一参数化，即姿态归一化。参考框架可以是世界坐标系中的固定位置（世界框架），也可以是场景类别中一个非旋转对称的对象。

以下是姿态归一化的具体步骤：
1. 归一化对称轴方向 ：
- 从 $T_N$ 中提取 $n_N$ 作为对称轴归一化的目标轴。
- 根据旋转角度 $\angle(n(o), n_N)$ 和旋转轴 $n(o) \times n_N$ 估计旋转矩阵 $R_1 \in R^{4\times4}$。
- 通过旋转 $T_1 = R_1 \cdot T$ 变换对象 $o$ 的姿态及其对称轴。
2. 归一化绕新对称轴的方向 ：
- 从 $T_1$ 中提取 $x(o)$，其中 $x(o) \perp n_N$，作为定义当前方向值 $\theta = \overline