12、隐式形状模型优化树的学习与拓扑选择

隐式形状模型优化树的学习与拓扑选择

1. 误报测试配置的生成

在优化过程中，我们需要从演示轨迹 $J(o)$ 中提取可能导致误报检测的对象配置集合 ${ {i_p}}$。在优化遍历的拓扑空间中，星形拓扑 ${\sigma}$ 对接受的对象配置最为宽松，其树 ${m_{\sigma}}$ 能接受所有会导致更严格关系拓扑产生误报的配置。

为了生成测试配置，由于生成所有可能的配置是难以处理的，我们使用算法 14 随机生成固定数量 $l_p$ 的配置。具体步骤如下：

Algorithm 14 generateTestConfigurations({o}, {J(o)}, {mμ}) →{
  
  {i p}}.
1: Load maximum number of candidates for test configurations lp
2: Infer trajectory length l from {J(o)}
3: for u ←1 . . .lp do
4:
    Create empty {i p}
5:
    Randomly select oF among {o} and time tF among {1, · · · ,l}
6:
    Extract TF(tF) from E(oF, tF)
7:
    Add input object for oF with TF(tF) to {i p}
8:
    for all o ∈{o} with o ̸= oF do
9:
        Randomly select time to among {1, · · ·