10、隐式形状模型树的场景识别技术解析

隐式形状模型树的场景识别技术解析

1. 隐式形状模型树概述

隐式形状模型（ISM）树可被视为平衡树，也可看作通过场景参考对象 $o_F$ 相互关联的一组 ISM ${m}$。给定输入对象集 ${i}$ 及其姿态 ${T}$ 以及 ISM 集 ${m}$，从初始输入配置 ${i}$ 推导场景类别 $S$ 的实例集 ${IS}$，等同于对 ISM 树 ${m}$ 中的每个 ISM $m$ 反复执行识别算法。

由于场景参考对象 $o_F$ 会在 ISM 对之间产生依赖关系，所以不能同时对树中的所有 ISM 进行评估。一般来说，ISM 离根 ISM $m_R$ 越近，其覆盖的场景类别部分就越大。树中第 $n$ 层的 ISM 通常会总结上一层的信息，并将其传递到下一层。因此，必须先完成第 $n + 1$ 层 ISM 的评估，才能开始第 $n$ 层 ISM $m’$ 的评估。

2. 场景识别流程

场景识别从图 3.12 中树的第 1 层（深绿色区域）开始，对该层的四个 ISM $m_k$（$k \in {1, \ldots, 4}$）重复以下步骤：
- 投票阶段 ：将初始输入集 ${i}$ 传递给 ISM $m_k$，在其累加器 $B_{m_k}$ 中进行参考姿态投票。图 3.13 中的 2 到 5 展示了第 1 层 ISM $m_1$ 到 $m_4$ 累加器的填充结果。初始输入配置的不同子集在这些图中可视化，每个子集对应 ISM $m_k$ 相互关联的对象，这些对象有权在相应累加器中投票。输入配置的姿态 ${T}$ 根据对象的类别和标识符标签分布在 ISM 树的叶子 ${o} L$ 中。
-